CN109407131A - 车头朝向确定方法、装置及设备 - Google Patents
车头朝向确定方法、装置及设备 Download PDFInfo
- Publication number
- CN109407131A CN109407131A CN201710707761.4A CN201710707761A CN109407131A CN 109407131 A CN109407131 A CN 109407131A CN 201710707761 A CN201710707761 A CN 201710707761A CN 109407131 A CN109407131 A CN 109407131A
- Authority
- CN
- China
- Prior art keywords
- data
- headstock
- towards
- target
- sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000000605 extraction Methods 0.000 claims abstract description 23
- 238000012549 training Methods 0.000 claims description 54
- 230000006698 induction Effects 0.000 claims description 47
- 238000012360 testing method Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 9
- 238000013481 data capture Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000007637 random forest analysis Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/52—Determining velocity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/04—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/04—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means
- G01C21/08—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means involving use of the magnetic field of the earth
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/396—Determining accuracy or reliability of position or pseudorange measurements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/30—Arrangements for executing machine instructions, e.g. instruction decode
- G06F9/30003—Arrangements for executing specific machine instructions
- G06F9/30007—Arrangements for executing specific machine instructions to perform operations on data operands
- G06F9/30036—Instructions to perform operations on packed data, e.g. vector, tile or matrix operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/026—Services making use of location information using location based information parameters using orientation information, e.g. compass
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Geology (AREA)
- General Engineering & Computer Science (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Human Computer Interaction (AREA)
- Psychiatry (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Traffic Control Systems (AREA)
- Measuring Magnetic Variables (AREA)
- Measurement Of Length, Angles, Or The Like Using Electric Or Magnetic Means (AREA)
Abstract
本发明实施例涉及计算机技术领域,是关于一种车头朝向确定方法、装置及设备。所述方法包括:根据接收到的对目标车辆的车头朝向进行确定的请求,获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据;所述目标用户设备与所述目标车辆关联;将所述磁力传感器数据基于预设时间间隔划分为多个数据段;分别对所述多个数据段进行特征提取,得到所述多个数据段的特征值;将所述多个数据段的特征值分别输入分类器,得到多个车头朝向数据;根据所述多个车头朝向数据确定所述目标车辆的车头朝向。本发明可以提高车头朝向确定的准确性,节省司乘双方的时间,提高用户的出行效率。
Description
技术领域
本发明实施例涉及计算机技术领域,尤其涉及一种车头朝向确定方法、装置及设备。
背景技术
行驶中汽车车头朝向估计对于出行服务非常重要,其直接关系到司机所处位置到乘客上车点或下车点的路径规划。车头朝向估计错误会导致规划出的路径不是最优的路径,可能会导致绕路的情况发生,浪费司乘双方的时间,影响用户的出行效率。
现有技术方案中,通常是根据车辆当前GPS(Global Positioning System,全球定位系统)位置信息中的bearing字段确定车头朝向。然而,仅当GPS信号良好,且车辆快速行驶的情况下,采用bearing字段才可以精确地确定车头朝向。而当车辆处于慢速行驶状态或静止状态,或者当车辆处于GPS信号较差的环境下时,采用bearing字段无法提供有效的车头朝向信息。
发明内容
本发明实施例提供一种车头朝向确定方法、装置及设备,以解决相关技术中的不足。
根据本发明实施例的第一方面,提供一种车头朝向确定方法,包括:
根据接收到的对目标车辆的车头朝向进行确定的请求,获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据;所述目标用户设备与所述目标车辆关联;
将所述磁力传感器数据基于预设时间间隔划分为多个数据段;
分别对所述多个数据段进行特征提取,得到所述多个数据段的特征值;
将所述多个数据段的特征值分别输入分类器,得到多个车头朝向数据;其中,所述分类器为预先根据所述目标用户设备的磁力传感器数据训练的车头朝向分类器;
根据所述多个车头朝向数据确定所述目标车辆的车头朝向。
可选地,所述磁力传感器数据包括所述目标用户设备的x、y、z三轴上的磁感应强度;
所述分别对所述多个数据段进行特征提取,得到所述多个数据段的特征值,包括:
针对每个所述数据段,分别确定所述三轴中每个轴上的M个统计值,得到每个所述数据段的3*M维磁力数据特征值。
可选地,所述根据所述多个车头朝向数据确定所述目标车辆的车头朝向,包括:
基于所述多个数据段各自对应的预设权重,确定所述多个车头朝向数据各自的权重总和;
根据所述多个车头朝向数据各自的权重总和确定所述车头朝向。
可选地,所述根据接收到的对目标车辆的车头朝向进行确定的请求,获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据,包括:
若接收到对所述目标车辆的车头朝向进行确定的请求,则确定所述车辆的当前偏移距离是否小于预设阈值;其中,所述当前偏移距离为所述车辆在当前时刻之前的预设时间间隔内的偏移距离;
若确定所述当前偏移距离小于预设阈值,则执行所述获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据的操作。
可选地,还包括根据以下方法预先训练所述分类器:
获取第二预设时间段内目标用户设备的磁力传感器数据;
将所述磁力传感器数据基于预设时间间隔划分为多个样本数据段;
确定每个所述样本数据段对应的所述目标车辆的车头朝向数据,将所述车头朝向数据作为该样本数据段的标签值;
分别对所述多个样本数据段进行特征提取,得到多个所述样本数据段各自对应的特征值;
根据多个所述样本数据段各自对应的标签值及特征值执行预设分类器训练算法,得到所述目标车辆的车头朝向分类器。
可选地,所述磁力传感器数据包括所述目标用户设备的x、y、z三轴上的磁感应强度数据;
所述分别对所述多个样本数据段进行特征提取,得到多个所述样本数据段各自对应的特征值,包括:
针对每个所述样本数据段,分别确定所述三轴中每个轴上的M个统计值,得到每个所述样本数据段的3*M维磁力数据特征值。
可选地,所述分别确定所述三轴中每个轴上的M个统计值,包括:
分别确定所述每个轴上的磁感应强度的均值、方差以及在N个预设取值空间的分布统计数据;其中,N+2=M。
可选地,所述分别确定所述每个轴上的磁感应强度在N个预设取值空间的分布统计数据,包括:
根据所述三轴上的磁感应强度的取值范围确定N个预设取值空间;
统计所述每个轴上的磁感应强度在各个所述预设取值空间的分布数量,得到所述分布统计数据。
可选地,所述确定每个所述样本数据段对应的目标车辆的车头朝向数据,包括:
获取每个所述样本数据段对应的所述目标车辆的定位数据;其中,所述定位数据包括方向和定位经纬度;
根据所述经纬度确定每个所述样本数据段对应的所述目标车辆的偏移距离是否大于预设阈值;其中,所述偏移距离为该样本数据段对应的所述预设时间间隔内,所述目标车辆的偏移距离;
若确定所述偏移距离大于预设阈值,则根据每个所述样本数据段结束时刻的方向确定该样本数据段对应的车头朝向数据。
可选地,所述根据每个所述样本数据段结束时刻的方向确定该样本数据段对应的车头朝向数据,包括:
基于预先对所述车头朝向数据的取值范围进行划分的结果,对每个所述样本数据段结束时刻的方向进行近似化处理,以得到该样本数据段对应的车头朝向数据。
根据本发明实施例的第二方面,提供了一种车头朝向确定装置,包括:
待测数据获取模块,用于根据接收到的对目标车辆的车头朝向进行确定的请求,获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据;所述目标用户设备与所述目标车辆关联;
待测数据划分模块,用于将所述磁力传感器数据基于预设时间间隔划分为多个数据段;
待测特征确定模块,用于分别对所述多个数据段进行特征提取,得到所述多个数据段的特征值;
朝向数据获取模块,用于将所述多个数据段的特征值分别输入分类器,得到多个车头朝向数据;其中,所述分类器为预先根据所述目标用户设备的磁力传感器数据训练的车头朝向分类器;
车头朝向确定模块,用于根据所述多个车头朝向数据确定所述目标车辆的车头朝向。
可选地,所述磁力传感器数据包括所述目标用户设备的x、y、z三轴上的磁感应强度;
所述待测特征确定模块还用于针对每个所述数据段,分别确定所述三轴中每个轴上的M个统计值,得到每个所述数据段的3*M维磁力数据特征值。
可选地,所述车头朝向确定模块,包括:
权重统计单元,用于基于所述多个数据段各自对应的预设权重,确定所述多个车头朝向数据各自的权重总和;
朝向确定单元,用于根据所述多个车头朝向数据各自的权重总和确定所述车头朝向。
可选地,所述待测数据获取模块包括:
第二比较单元,用于当接收到对所述目标车辆的车头朝向进行确定的请求时,确定所述车辆的当前偏移距离是否小于预设阈值;其中,所述当前偏移距离为所述车辆在当前时刻之前的预设时间间隔内的偏移距离;
数据获取单元,用于当确定所述当前偏移距离小于预设阈值时,执行所述获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据的操作。
可选地,还包括预先训练所述分类器的训练装置,所述训练装置包括:
训练数据获取模块,用于获取第二预设时间段内目标用户设备的磁力传感器数据;
样本数据划分模块,用于将所述磁力传感器数据基于预设时间间隔划分为多个样本数据段;
样本标签确定模块,用于确定每个所述样本数据段对应的目标车辆的车头朝向数据,将所述车头朝向数据作为该样本数据段的标签值;
样本特征确定模块,用于分别对所述多个样本数据段进行特征提取,得到多个所述样本数据段各自对应的特征值;
分类器训练模块,用于根据多个所述样本数据段各自对应的标签值及特征值执行预设分类器训练算法,得到所述目标车辆的车头朝向分类器。
可选地,所述磁力传感器数据包括所述目标用户设备的x、y、z三轴上的磁感应强度数据;
所述样本特征确定模块还用于针对每个所述样本数据段,分别确定所述三轴中每个轴上的M个统计值,得到每个所述样本数据段的3*M维磁力数据特征值。
可选地,所述样本特征确定模块还用于分别确定所述每个轴上的磁感应强度的均值、方差以及在N个预设取值空间的分布统计数据;其中,N+2=M。
可选地,所述样本特征确定模块包括:
空间确定单元,用于根据所述三轴上的磁感应强度的取值范围确定N个预设取值空间;
数量统计单元,用于统计所述每个轴上的磁感应强度在各个所述预设取值空间的分布数量,得到所述分布统计数据。
可选地,所述样本标签确定模块包括:
数据获取单元,用于获取每个所述样本数据段对应的所述目标车辆的定位数据;其中,所述定位数据包括方向和定位经纬度;
第一比较单元,用于根据所述经纬度确定每个所述样本数据段对应的所述目标车辆的偏移距离是否大于预设阈值;其中,所述偏移距离为该样本数据段对应的所述预设时间间隔内,所述目标车辆的偏移距离;
朝向确定单元,用于当确定所述偏移距离大于预设阈值时,根据每个所述样本数据段结束时刻的方向确定该样本数据段对应的车头朝向数据。
可选地,所述朝向确定单元还用于:
基于预先对所述车头朝向数据的取值范围进行划分的结果,对每个所述样本数据段结束时刻的方向进行近似化处理,以得到该样本数据段对应的车头朝向数据。
根据本发明实施例的第三方面,提供了一种电子设备,包括:
处理器;
用于存储处理器可处理指令的存储器;
其中,所述处理器被配置为:
根据接收到的对目标车辆的车头朝向进行确定的请求,获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据;所述目标用户设备与所述目标车辆关联;
将所述磁力传感器数据基于预设时间间隔划分为多个数据段;
分别对所述多个数据段进行特征提取,得到所述多个数据段的特征值;
将所述多个数据段的特征值分别输入分类器,得到多个车头朝向数据;其中,所述分类器为预先根据所述目标用户设备的磁力传感器数据训练的车头朝向分类器;
根据所述多个车头朝向数据确定所述目标车辆的车头朝向。
根据本发明实施例的第三方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器处理时实现以下方法:
根据接收到的对目标车辆的车头朝向进行确定的请求,获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据;所述目标用户设备与所述目标车辆关联;
将所述磁力传感器数据基于预设时间间隔划分为多个数据段;
分别对所述多个数据段进行特征提取,得到所述多个数据段的特征值;
将所述多个数据段的特征值分别输入分类器,得到多个车头朝向数据;其中,所述分类器为预先根据所述目标用户设备的磁力传感器数据训练的车头朝向分类器;
根据所述多个车头朝向数据确定所述目标车辆的车头朝向。
由上述实施例可知,本发明的车头朝向确定方法、装置及设备,通过获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据,将所述磁力传感器数据基于预设时间间隔划分为多个数据段,并分别对所述多个数据段进行特征提取,得到所述多个数据段的特征值,进而将所述多个数据段的特征值分别输入分类器,得到多个车头朝向数据,以根据所述多个车头朝向数据确定所述目标车辆的车头朝向,可以实现根据目标用户设备的磁力传感器数据确定目标车辆的车头朝向,提高车头朝向确定的准确性,节省司乘双方的时间,提高用户的出行效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1为根据本发明一示例性实施例示出的一种车头朝向确定方法的流程图;
图2A为根据本发明一示例性实施例示出的另一种车头朝向确定方法的流程图;
图2B为根据本发明一示例性实施例示出的车头朝向分类器的训练方法的应用场景示意图;
图2C为根据本发明一示例性实施例示出的目标用户设备的三轴方向示意图;
图3为根据本发明一示例性实施例示出的确定每个轴上的磁感应强度在N个预设取值空间的分布统计数据的流程图;
图4为根据本发明一示例性实施例示出的确定每个样本数据段对应的目标车辆的车头朝向数据的流程图;
图5A为根据本发明一示例性实施例示出的另一种车头朝向确定方法的流程图;
图5B示出了本发明一示例性实施例示出的根据多次车头朝向历史确定结果确定最终车头朝向的流程图;
图5C为根据本发明一示例性实施例示出的另一种车头朝向确定方法的流程图;
图6为根据本发明一示例性实施例示出的一种电子设备的结构示意图;
图7为根据本发明一示例性实施例示出的一种车头朝向确定装置的结构示意图;
图8为根据本发明一示例性实施例示出的另一种车头朝向确定装置的结构示意图;
图9为根据本发明一示例性实施例示出的另一种车头朝向分类器的训练装置的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在实施本发明实施例的过程中,发明人发现:司机在接驾过程中通常将手机固定在车辆的某个位置,并且较长时间不会移动。由于智能手机中磁力传感器数据与手机放置方向有关,对车辆是否运动、速度快慢不敏感。当车头朝向不同方向时,磁力传感器数据也会不同,因此考虑通过磁力传感器数据作为车头朝向确定的重要依据,但是考虑到磁力传感器的取值容易受汽车自身金属物干扰,直接使用磁力传感器无法准确地确定车头朝向。本方法借助机器学习算法,能够实现在车辆偏移距离较小时,实现车头朝向的精确确定。
图1为根据本发明一示例性实施例示出的一种车头朝向确定方法的流程图;该实施例可以用于服务器,也可以用于终端(例如手机、平板电脑、个人计算机等),如图1所述,该方法包括步骤S101-S105:
S101:根据接收到的对目标车辆的车头朝向进行确定的请求,获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据;
其中,所述目标用户设备与所述目标车辆关联(例如,该目标用户设备固定在目标车辆的某个位置,或该目标用户设备与目标车辆的姿态相对静止);
在一实施例中,当接收到对目标车辆的车头朝向进行确定的请求后,基于目标用户设备中的磁力传感器当前时刻之前第一预设时间段内(如2秒)内的目标用户设备的磁力传感器数据。其中,所述磁力传感器数据包括所述目标用户设备的x、y、z三轴上的磁感应强度数据,单位为特斯拉(符号为T)。
在一实施例中,可以根据预设采样频率(例如为10Hz)获取目标用户设备的磁力传感器数据。
S102:将所述磁力传感器数据基于预设时间间隔划分为多个数据段;
在一实施例中,将获取的磁力传感器数据基于预设时间间隔(例如200ms)划分为多个数据段,则可得到每个数据段对应的磁力传感器数据。
S103:分别对所述多个数据段进行特征提取,得到所述多个数据段的特征值;
在一实施例中,针对每个所述数据段,可以分别确定所述三轴中每个轴上的M个统计值,得到每个所述数据段的3*M维磁力数据特征值;
在一实施例中,针对每个数据段,分别确定x、y、z三轴中每个轴上的M个统计值。
在一实施例中,分别确定每个数据段的x、y、z各轴上的磁感应强度的均值、方差以及在N个预设取值空间的分布统计数据。
举例来说,确定每个数据段的x轴上的磁感应强度的均值、方差以及在N个预设取值空间的分布统计数据,则可以得到该数据段的x轴上的M维磁力数据特征值;同理,可以得到该数据段的y轴上的M维磁力数据特征值以及z轴上的M维磁力数据特征值,即对于每个数据段,总共可以得到3*M维磁力数据特征值。
S104:将所述多个数据段的特征值分别输入分类器,得到多个车头朝向数据;
其中,所述分类器可以为预先根据所述目标用户设备的磁力传感器数据训练的车头朝向分类器;
在一实施例中,由于每将一个数据段的特征值输入上述实施例训练出的分类器,则可以得到一个车头朝向数据,因而通过将多个数据段的特征值分别输入该分类器,则可以得到多个车头朝向数据。
S105:根据所述多个车头朝向数据确定所述目标车辆的车头朝向。
在一实施例中,本步骤S105可以包括步骤S1051-S1052:
S1051:基于所述多个数据段各自对应的预设权重,确定所述多个车头朝向数据各自的权重总和;
S1052:根据所述多个车头朝向数据各自的权重总和确定所述车头朝向。
举例来说,若得到的多个车头朝向数据为[20,40,20,60,90,20,40,40,0,20],且其对应的预设权重分别为[0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1.0],则其中方向20的权重总和为0.1+0.3+0.6+1.0=2.0;方向40的权重总和为0.2+0.7+0.8=1.7;方向60的权重总和为0.4;方向90的权重总和为0.5;方向0的权重为0.9;则最终确定所述车头朝向为:权重最高的方向20。
可以理解的是,由于GPS位置和传感器数值存在一定误差,单次确定的结果可能不准,因而通过多次车头朝向确定得到多个车头朝向数据,并根据该多个车头朝向数据确定目标车辆的车头朝向,可以提高车头朝向确定的准确性。
在一实施例中,步骤S101中根据接收到的对目标车辆的车头朝向进行确定的请求,获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据,可以包括步骤S1011-S1012:
S1011:若接收到对所述目标车辆的车头朝向进行确定的请求,则确定所述车辆的当前偏移距离是否小于预设阈值;
其中,所述当前偏移距离为所述车辆在当前时刻之前的预设时间间隔内的偏移距离;
在一实施例中,若无法接收到GPS信号,则将当前时刻目标车辆的偏移距离视为0。
S1012:若确定所述当前偏移距离小于预设阈值,则执行所述获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据的操作。
在一实施例中,若确定所述当前偏移距离大于预设阈值,则可以根据目标车辆的当前GPS位置和几秒钟之前的GPS位置相减确定目标车辆的车头朝向。
由上述描述可知,本发明实施例通过获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据,并从该数据中提取每个数据段的磁力数据特征值,再将将多个数据段的特征值分别输入先前训练出的车头朝向分类器,可以实现根据磁力传感器数据确定目标车辆的车头朝向,提高车头朝向确定的准确性,节省司乘双方的时间,提高用户的出行效率。
图2A为根据本发明一示例性实施例示出的另一种车头朝向确定方法的流程图,其中,步骤S206-S210与图1所示实施例中的步骤S101-S105相同,在此不进行赘述。如图2A所示,该方法还包括根据以下步骤S201-S205预先训练所述分类器:
S201:获取第二预设时间段内目标用户设备的磁力传感器数据。
图2B为根据本发明一示例性实施例示出的车头朝向分类器的训练方法的应用场景示意图;如图2B所示,本实施例可以基于目标用户设备100中的磁力传感器(MEMS,Micro-Electro-Mechanical System)110获取第二预设时间段(如半小时)内的目标用户设备的磁力传感器数据。其中,所述磁力传感器数据包括所述目标用户设备的x、y、z三轴上的磁感应强度数据,单位为特斯拉(参见图2C)。
在一实施例中,可以根据预设采样频率(例如为10Hz)获取目标用户设备的磁力传感器数据。
S202:将所述磁力传感器数据基于预设时间间隔划分为多个样本数据段。
在一实施例中,将获取的磁力传感器数据基于预设时间间隔(例如3秒)划分为多个样本数据段,则可得到每个样本数据段对应的磁力传感器数据。
S203:确定每个所述样本数据段对应的所述目标车辆的车头朝向数据,将所述车头朝向数据作为该样本数据段的标签值。
在一实施例中,根据预设方法(包括但不限于人工标签法等)确定每个样本数据段对应的目标车辆的车头朝向数据;具体来说,每个样本数据段对应的车头朝向数据为该样本数据段对应的时间间隔内,目标车辆的车头朝向数据。
其中,目标用户设备与目标车辆关联。如图2B所示,目标用户设备100为对应于目标车辆200的终端设备,例如可以为该目标车辆的车载终端,或与目标车辆的姿态相对静止的移动终端等。举例来说,司机在接驾过程中,一般将手机固定在目标车辆的某个位置(例如方向盘后方的仪表台上),且一段时间内不会移动,则该手机可以作为与目标车辆的姿态相对静止的移动终端。
S204:分别对所述多个样本数据段进行特征提取,得到多个所述样本数据段各自对应的特征值;
在一实施例中,可以针对每个所述样本数据段,分别确定所述三轴中每个轴上的M个统计值,得到每个所述样本数据段的3*M维磁力数据特征值。
在一实施例中,针对每个样本数据段,分别确定x、y、z三轴中每个轴上的M个统计值。
在一实施例中,上述的M个统计值可以包括每个样本数据段的x、y、z各轴上的磁感应强度的均值、方差以及在N个预设取值空间的分布统计数据;其中,N+2=M。
需要说明的是,本实施例采用样本数据段各轴上的磁感应强度的均值、方差以及在N个预设取值空间的分布统计数据作为统计值是仅是一种示例,在实际应用中,还可以根据需要采用其他类型的统计量作为上述统计值,如采用样本数据段各轴上的磁感应强度的众数、中位数、极差、标准差等,本发明实施例对此不进行限制。
举例来说,确定每个样本数据段的x轴上的磁感应强度的均值、方差以及在N个预设取值空间的分布统计数据,则可以得到该样本数据段的x轴上的M维磁力数据特征值;同理,可以得到该样本数据段的y轴上的M维磁力数据特征值以及z轴上的M维磁力数据特征值,即对于每个所述样本数据段,总共可以得到3*M维磁力数据特征值。
S205:根据多个所述样本数据段各自对应的标签值及特征值执行预设分类器训练算法,得到所述目标车辆的车头朝向分类器。
在一实施例中,在得到多个样本数据段各自对应的标签值及特征值后,可以执行预设分类器训练算法,得到所述车头朝向分类器。
在一实施例中,可以根据得到的多个样本数据段各自对应的标签值及特征值,执行随机森林算法,训练车头朝向分类器。
具体来说,可以利用多个样本数据段各自对应的标签值及特征值训练一个包含多个决策树的车头朝向分类器,该分类器输出的类别是由个别决策树的输出类别的众数而定。
由上述描述可知,通过获取目标用户设备的磁力传感器数据,并确定每个样本数据段对应的目标车辆的车头朝向数据,作为该样本数据段的标签值,并分别确定每个样本数据段的3*M维磁力数据特征值,以根据多个所述样本数据段各自对应的标签值及特征值执行预设分类器训练算法,得到所述目标车辆的车头朝向分类器,可以实现根据目标用户设备的磁力传感器数据确定目标车辆的车头朝向,提高车头朝向确定的准确性,节省司乘双方的时间,提高用户的出行效率。
图3为根据本发明一示例性实施例示出的确定每个轴上的磁感应强度在N个预设取值空间的分布统计数据的流程图;如图3所示,在上述实施例的基础上,所述分别确定所述每个轴上的磁感应强度在N个预设取值空间的分布统计数据,可以包括以下步骤S301-S302:
S301:根据所述三轴上的磁感应强度的取值范围确定N个预设取值空间。
在一实施例中,由于三轴上的磁感应强度的取值范围为(-60,60),因而可以确定以下N=8(即M=10)个取值空间:
(-∞,-45)、[-45,-30)、[-30,-15)、[-15,0)、[0,15)、[15,30)、[30,45)、[45,+∞)。
S302:统计所述每个轴上的磁感应强度在各个所述预设取值空间的分布数量,得到所述分布统计数据。
在一实施例中,以x轴上的磁感应强度的分布数量统计为例,若x轴的磁感应强度为:{-60,-30,-25,-30,-18,-50,50,45,90,78,11,36,34,98,-90,78,67,56,84,39,9,4,8,2,1,78,93,20,12,19},则可以统计出其在上述8个取值空间的分布数量为:[3,0,4,0,7,2,3,11],即为x轴上磁感应强度的N=8维磁力数据特征值;进一步地,通过统计x轴上磁感应强度的均值和方差特征可以得到2维磁力数据特征值,则该样本数据段的x轴上共可得到M=10维磁力数据特征值。
同理,y、z轴也可以提取相同维度的磁力数据特征值,则3个轴上可以获得3*10=30维的磁力数据特征值。
由上述描述可知,本实施例通过上述步骤S201-S202,根据所述三轴上的磁感应强度的取值范围确定N个预设取值空间,并统计所述每个轴上的磁感应强度在各个所述预设取值空间的分布数量,即可确定每个轴上的磁感应强度在N个预设取值空间的分布统计数据,为后续训练车头朝向分类器提供准确的依据。
图4为根据本发明一示例性实施例示出的确定每个样本数据段对应的目标车辆的车头朝向数据的流程图;如图4所示,在上述实施例的基础上,步骤S203中确定每个所述样本数据段对应的目标车辆的车头朝向数据,可以包括以下步骤S401-S403:
S401:获取每个所述样本数据段对应的所述目标车辆的定位数据(如全球定位系统GPS数据);其中,定位数据可以包括方向和定位经纬度。
在一实施例中,如图2B所示,可以通过目标用户设备100中的GPS接收装置120获取每个所述样本数据段对应的目标车辆的全球定位系统GPS数据;其中,GPS数据可以包括GPS的方向bearing和经纬度。
在一实施例中,GPS的方向bearing可以通过Android定位服务中的函数“location.getBearing()”来获得。
S402:根据所述经纬度确定每个所述样本数据段对应的所述目标车辆的偏移距离是否大于预设阈值。
其中,所述偏移距离为该样本数据段对应的所述预设时间间隔内,所述目标车辆的偏移距离;
在一实施例中,在所述预设时间间隔内,可以根据当前时刻的经纬度与前一时刻的经纬度确定当前时刻的目标车辆的偏移距离。在此基础上,可以确定该预设时间间隔内目标车辆的偏移距离。
在一实施例中,若无法接收到GPS信号,则将当前时刻目标车辆的偏移距离视为0。
在一实施例中,在确定该预设时间间隔内目标车辆的偏移距离后,则可以将该偏移距离与预设阈值(例如10米)进行比较,以确定该偏移距离是否大于该预设阈值。
S403:若确定所述偏移距离大于预设阈值,则根据每个所述样本数据段结束时刻的方向(如GPS的bearing)确定该样本数据段对应的车头朝向数据。
在一实施例中,若确定所述偏移距离大于预设阈值(例如该偏移距离为15米>10米),则可以根据每个样本数据段结束时刻对应的GPS的bearing确定该样本数据段对应的车头朝向数据。
在一实施例中,步骤S403中根据每个所述样本数据段结束时刻的GPS的bearing确定该样本数据段对应的车头朝向数据,可以包括:
基于预先对所述车头朝向数据的取值范围进行划分的结果,对每个所述样本数据段结束时刻的GPS的bearing进行近似化处理,以得到该样本数据段对应的车头朝向数据。
在一实施例中,上述GPS的bearing的取值范围为[0,360)度。其中,正北方向的bearing为0度,正东方向的bearing为90度,正西方向为270度。
在一实施例中,可以预先对所述车头朝向数据的取值范围进行划分,例如粗略地划分为18个值:
{0,20,40,60,80,100,120,140,160,180,200,220,240,260,280,300,320,340}。
在一实施例中,若当前样本数据段对应的GPS bearing值为31度,则可以将其近似化处理为40度;再如若当前样本数据段对应的GPS bearing值为75度,则可以将其近似化处理为80度。
由上述描述可知,本实施例通过获取每个样本数据段对应的所述目标车辆的全球定位系统GPS数据,并根据经纬度确定每个所述样本数据段对应的所述目标车辆的偏移距离是否大于预设阈值,进而根据每个所述样本数据段结束时刻的GPS的bearing确定该样本数据段对应的车头朝向数据,可以准确地确定每个样本数据段对应的目标车辆的车头朝向数据,为后续训练车头朝向分类器提供准确的依据。
下面以一具体实施例说明本发明,但不用于限制本发明的保护范围。
图5A为根据本发明一示例性实施例示出的另一种车头朝向分类器的训练方法的流程图;如图5A所示,本实施例的车头朝向确定方法包括两个阶段:(1)车头朝向分类器训练阶段、(2)车头朝向确定阶段。
(1)车头朝向分类器训练阶段,包括以下步骤:
S501:采集样本数据段
在一实施例中,通过司机的手机采集磁力传感器的数据(采集频率10HZ)和GPS数据(采集频率1HZ);
在一实施例中,将采集的数据切割为3秒一个样本数据段;
在一实施例中,计算3秒内GPS的距离偏移,如果偏移距离(根据经纬度计算)小于10米,舍弃掉该样本数据段数据。
S502:提取样本数据段的特征
对于每一个样本数据段,提取该样本数据段内磁力传感器数据在x、y、z三个轴向上的均值、方差和直方图统计值;
其中,磁力传感器数据的最大值为60,最小值为-60,且直方图Bin数为8。据此,每一个样本数据段均可以提取出长度为3*(2+8)=30维的特征。
举例来说,3秒样本数据段的磁力传感器数据的采样数为30个(每秒10HZ,即每秒10个样本),这样本实施例可以获得3个方向上各30个磁力传感器数据。
在一实施例中,以x方向为例(y、z轴与x轴类似),划分以下8个取值空间:
(-∞,-45),[-45,-30),[-30,-15),[-15,0),[0,15),[15,30),[30,45),[45,+∞)。
在一实施例中,统计样本数据段内30个x方向的磁力传感器数据取值在8个取值空间的分布数量。
举例来说,若x方向磁力传感器数据取值为:{-60,-30,-25,-30,-18,-50,50,45,90,78,11,36,34,98,-90,78,67,56,84,39,9,4,8,2,1,78,93,20,12,19},则其在上述划分的8个取值空间的分布数量为[3,0,4,0,7,2,3,11]。
由此,可以获得x方向上磁力传感器在该样本数据段内的直方图特征。
同理,在y、z轴上同样提取相同维度的直方图特征;
具体地,3个方向的直方图特征长度为3*8=24,加上3个方向的均值和方差特征(3*2),总共特征长度为30维。
在一实施例中,可以当一个样本数据段的特征提取完成后,再提取下一个样本数据段的特征(即样本数据段之间在时间上不重叠)。
S503:确定样本数据段的特征对应的标签值;
在一实施例中,根据每一样本数据段结束时刻(第3秒)对应的GPS bearing方向确定该样本数据段的车头朝向,即特征对应的标签值。
在一实施例中,将车头朝向的取值范围粗略地划分为18个值。例如,划分结果为:{0,20,40,60,80,100,120,140,160,180,200,220,240,260,280,300,320,340}。
S504:训练车头朝向分类器
在一实施例中,每个车头朝向的方向上可以只保留最新采集的200个样本数据段的样本数据(时长600秒),即每个方向的样本量为200个。当样本数据的数量初次达到3600个时或者距离上次训练时间超过30分钟后,采用随机森林算法,基于确定的样本数据段的特征和标签训练一个最新的车头朝向分类器(替换掉旧的分类器)。
(2)车头朝向确定阶段
S505:采集待测数据段
在一实施例中,通过司机的手机采集磁力传感器数据,包括所述目标用户设备的x、y、z三轴上的磁感应强度数据,单位为特斯拉。
S506:提取待测数据段的特征
提取采集的磁力传感器数据在x、y、z三个轴向上的均值、方差和直方图统计值,其中,直方图Bin数为8。据此可以提取出长度为3*(2+8)=30维的特征。
S507:基于分类器进行车头朝向确定
在一实施例中,每将待测数据的特征输入上述训练出的随机森林分类器,则可以得到车头朝向的确定结果。
在一实施例中,可以每隔200毫秒确定一次目标车辆的车头朝向(不论GPSbearing方向是否可靠)。
在此基础上,考虑到GPS位置和传感器数值存在一定误差,单次确定的结果可能不准。因此,本实施例采用历史确定车头朝向的结果(如2秒内确定的车头朝向)进行权重总和统计,得到最终当前时刻的车头朝向。
具体地,图5B示出了本发明一示例性实施例示出的根据多次车头朝向历史确定结果确定最终车头朝向的流程图;如图5B所示,本实施例对最近确定的10次车头朝向(包含当前时刻确定的车头朝向与两秒内的其它确定结果)进行权重总和统计。
在一实施例中,将其中最近的一次车头朝向权重设置为1,然后按照步长0.1进行权重递减(即前一次权重为0.9,以此类推)。
权重统计结束后,权值最高的方向即作为当前时刻的车头朝向。
举例来说,若10次车头朝向历史确定结果为:[20,40,20,60,90,20,40,40,0,20],且其对应的预设权重分别为[0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1.0],则其中方向20的权重总和为0.1+0.3+0.6+1.0=2.0;方向40的权重总和为0.2+0.7+0.8=1.7;方向60的权重总和为0.4;方向90的权重总和为0.5;方向0的权重为0.9;则最终确定所述车头朝向的确定结果为:权重最高的方向20。
图5C为根据本发明一示例性实施例示出的另一种车头朝向确定方法的流程图;本实施例中将上述实施例的基于磁力传感器数据的车头朝向确定方法与基于GPS的车头朝向算法进行结合。如图5C所示,该方法包括步骤S601-S604:
S601:每隔200毫秒确定一次目标车辆的车头朝向;
S602:确定目标车辆在3秒内是否存在较大的GPS偏移(例如大于10米);
S603:若确定目标车辆在3秒内存在较大的GPS偏移,则可以采用GPS bearing确定车头朝向;
S604:否则,采用上述训练的随机森林分类器确定目标车辆的车头朝向。
由上述技术方案可知,本实施例通过司机的手机采集磁力传感器数据,并将每个样本数据段对应的车头朝向数据作为标签值,以根据多个样本数据段各自对应的标签值及特征值执行随机森林分类器的训练算法,得到针对目标车辆的车头朝向分类器,进而通过在接到对目标车辆进行车头朝向确定的请求后,采用训练好的分类器对目标车辆的车头朝向进行确定,可以提高车头朝向确定的准确性,并可以有效节省司乘双方的时间,提高用户的出行效率。
本发明的车头朝向确定装置的实施例可以应用在网络设备上。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图6所示,为本发明的车头朝向确定装置所在设备的一种硬件结构图,除了图6所示的处理器、网络接口、内存以及非易失性存储器之外,实施例中装置所在的设备通常还可以包括其他硬件,如负责处理报文的转发芯片等等;从硬件结构上来讲该设备还可能是分布式的设备,可能包括多个接口卡,以便在硬件层面进行报文处理的扩展。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器处理时实现以下车头朝向确定方法:
根据接收到的对目标车辆的车头朝向进行确定的请求,获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据;所述目标用户设备与所述目标车辆关联;
将所述磁力传感器数据基于预设时间间隔划分为多个数据段;
分别对所述多个数据段进行特征提取,得到所述多个数据段的特征值;
将所述多个数据段的特征值分别输入分类器,得到多个车头朝向数据;其中,所述分类器为预先根据所述目标用户设备的磁力传感器数据训练的车头朝向分类器;
根据所述多个车头朝向数据确定所述目标车辆的车头朝向。
图7为根据本发明一示例性实施例示出的一种车头朝向确定装置的结构示意图;如图7所示,本实施例的装置包括待测数据获取模块110、待测数据划分模块120、待测特征确定模块130、朝向数据获取模块140以及车头朝向确定模块150,其中:
待测数据获取模块110,用于根据接收到的对目标车辆的车头朝向进行确定的请求,获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据;所述目标用户设备与所述目标车辆关联;
待测数据划分模块120,用于将所述磁力传感器数据基于预设时间间隔划分为多个数据段;
待测特征确定模块130,用于分别对所述多个数据段进行特征提取,得到所述多个数据段的特征值;
在一实施例中,待测特征确定模块130可以用于针对每个所述数据段,分别确定所述三轴中每个轴上的M个统计值,得到每个所述数据段的3*M维磁力数据特征值;
朝向数据获取模块140,用于将所述多个数据段的特征值分别输入分类器,得到多个车头朝向数据;其中,所述分类器为预先根据所述目标用户设备的磁力传感器数据训练的车头朝向分类器;
车头朝向确定模块150,根据所述多个车头朝向数据确定所述目标车辆的车头朝向。
由上述描述可知,本发明实施例通过获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据,并从该数据中提取每个数据段的磁力数据特征值,再将将多个数据段的特征值分别输入先前训练出的车头朝向分类器,可以实现根据磁力传感器数据确定目标车辆的车头朝向,提高车头朝向确定的准确性,节省司乘双方的时间,提高用户的出行效率。
如图7所示,在一实施例中,车头朝向确定模块150还可以包括:
权重统计单元151,用于基于所述多个数据段各自对应的预设权重,确定所述多个车头朝向数据各自的权重总和;
朝向确定单元152,用于根据所述多个车头朝向数据各自的权重总和确定所述车头朝向。
在一实施例中,待测数据获取模块110可以包括:
第二比较单元111,用于当接收到对所述目标车辆的车头朝向进行确定的请求时,确定所述车辆的当前偏移距离是否小于预设阈值;其中,所述当前偏移距离为所述车辆在当前时刻之前的预设时间间隔内的偏移距离;
数据获取单元112,用于当确定所述当前偏移距离小于预设阈值时,执行所述获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据的操作。
图8为根据本发明一示例性实施例示出的一种车头朝向分类器的训练装置的结构示意图;其中,待测数据获取模块260、待测数据划分模块270、待测特征确定模块280、朝向数据获取模块290以及车头朝向确定模块200与图7所示实施例中的待测数据获取模块110、待测数据划分模块120、待测特征确定模块130、朝向数据获取模块140以及车头朝向确定模块150相同,在此不进行赘述。如图8所示,该装置还包括预先训练上述分类器的分类器训练装置,该分类器训练装置可以包括:
训练数据获取模块210,用于获取第二预设时间段内目标用户设备的磁力传感器数据;其中,所述磁力传感器数据包括所述目标用户设备的x、y、z三轴上的磁感应强度数据;
样本数据划分模块220,用于将所述磁力传感器数据基于预设时间间隔划分为多个样本数据段;
样本标签确定模块230,用于确定每个所述样本数据段对应的目标车辆的车头朝向数据,将所述车头朝向数据作为该样本数据段的标签值;其中,所述目标用户设备与所述目标车辆关联;
样本特征确定模块240,用于针对每个所述样本数据段,分别确定所述三轴中每个轴上的M个统计值,得到每个所述样本数据段的3*M维磁力数据特征值;
分类器训练模块250,用于根据多个所述样本数据段各自对应的标签值及特征值执行预设分类器训练算法,得到所述目标车辆的车头朝向分类器。
由上述描述可知,本发明实施例通过获取目标用户设备的磁力传感器数据,并确定每个样本数据段对应的目标车辆的车头朝向数据,作为该样本数据段的标签值,并分别确定每个样本数据段的3*M维磁力数据特征值,以根据多个所述样本数据段各自对应的标签值及特征值执行预设分类器训练算法,得到所述目标车辆的车头朝向分类器,进而可以实现后续根据目标用户设备的磁力传感器数据确定目标车辆的车头朝向,提高车头朝向确定的准确性,节省司乘双方的时间,提高用户的出行效率。
图9为根据本发明一示例性实施例示出的另一种车头朝向分类器的训练装置的结构示意图;其中,训练数据获取模块310、样本数据划分模块320、样本标签确定模块330、样本特征确定模块340以及分类器训练模块350与图8中所示实施例的训练数据获取模块210、样本数据划分模块220、样本标签确定模块230、样本特征确定模块240以及分类器训练模块250的功能相同,在此不进行赘述。如图9所示,在上一实施例的基础上,样本特征确定模块340还用于分别确定所述每个轴上的磁感应强度的均值、方差以及在N个预设取值空间的分布统计数据;其中,N+2=M。
在一实施例中,样本特征确定模块340可以包括:
空间确定单元341,用于根据所述三轴上的磁感应强度的取值范围确定N个预设取值空间;
数量统计单元342,用于统计所述每个轴上的磁感应强度在各个所述预设取值空间的分布数量,得到所述分布统计数据。
在一实施例中,样本标签确定模块330可以包括:
数据获取单元331,用于获取每个所述样本数据段对应的所述目标车辆的全球定位系统GPS数据;其中,所述GPS数据包括GPS的方向bearing和经纬度;
第一比较单元332,用于根据所述经纬度确定每个所述样本数据段对应的所述目标车辆的偏移距离是否大于预设阈值;其中,所述偏移距离为该样本数据段对应的所述预设时间间隔内,所述目标车辆的偏移距离;
朝向确定单元333,用于当确定所述偏移距离大于预设阈值时,根据每个所述样本数据段结束时刻的GPS的bearing确定该样本数据段对应的车头朝向数据。
在一实施例中,朝向确定单元333还可以用于基于预先对所述车头朝向数据的取值范围进行划分的结果,对每个所述样本数据段结束时刻的GPS的bearing进行近似化处理,以得到该样本数据段对应的车头朝向数据。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (22)
1.一种车头朝向确定方法,其特征在于,包括:
根据接收到的对目标车辆的车头朝向进行确定的请求,获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据;所述目标用户设备与所述目标车辆关联;
将所述磁力传感器数据基于预设时间间隔划分为多个数据段;
分别对所述多个数据段进行特征提取,得到所述多个数据段的特征值;
将所述多个数据段的特征值分别输入分类器,得到多个车头朝向数据;其中,所述分类器为预先根据所述目标用户设备的磁力传感器数据训练的车头朝向分类器;
根据所述多个车头朝向数据确定所述目标车辆的车头朝向。
2.根据权利要求1所述的方法,其特征在于,所述磁力传感器数据包括所述目标用户设备的x、y、z三轴上的磁感应强度;
所述分别对所述多个数据段进行特征提取,得到所述多个数据段的特征值,包括:
针对每个所述数据段,分别确定所述三轴中每个轴上的M个统计值,得到每个所述数据段的3*M维磁力数据特征值。
3.根据权利要求1所述的方法,其特征在于,所述根据所述多个车头朝向数据确定所述目标车辆的车头朝向,包括:
基于所述多个数据段各自对应的预设权重,确定所述多个车头朝向数据各自的权重总和;
根据所述多个车头朝向数据各自的权重总和确定所述车头朝向。
4.根据权利要求1所述的方法,其特征在于,所述根据接收到的对目标车辆的车头朝向进行确定的请求,获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据,包括:
若接收到对所述目标车辆的车头朝向进行确定的请求,则确定所述车辆的当前偏移距离是否小于预设阈值;其中,所述当前偏移距离为所述车辆在当前时刻之前的预设时间间隔内的偏移距离;
若确定所述当前偏移距离小于预设阈值,则执行所述获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据的操作。
5.根据权利要求1所述的方法,其特征在于,还包括根据以下方法预先训练所述分类器:
获取第二预设时间段内目标用户设备的磁力传感器数据;
将所述磁力传感器数据基于预设时间间隔划分为多个样本数据段;
确定每个所述样本数据段对应的所述目标车辆的车头朝向数据,将所述车头朝向数据作为该样本数据段的标签值;
分别对所述多个样本数据段进行特征提取,得到多个所述样本数据段各自对应的特征值;
根据多个所述样本数据段各自对应的标签值及特征值执行预设分类器训练算法,得到所述目标车辆的车头朝向分类器。
6.根据权利要求5所述的方法,其特征在于,所述磁力传感器数据包括所述目标用户设备的x、y、z三轴上的磁感应强度数据;
所述分别对所述多个样本数据段进行特征提取,得到多个所述样本数据段各自对应的特征值,包括:
针对每个所述样本数据段,分别确定所述三轴中每个轴上的M个统计值,得到每个所述样本数据段的3*M维磁力数据特征值。
7.根据权利要求6所述的方法,其特征在于,所述分别确定所述三轴中每个轴上的M个统计值,包括:
分别确定所述每个轴上的磁感应强度的均值、方差以及在N个预设取值空间的分布统计数据;其中,N+2=M。
8.根据权利要求7所述的方法,其特征在于,所述分别确定所述每个轴上的磁感应强度在N个预设取值空间的分布统计数据,包括:
根据所述三轴上的磁感应强度的取值范围确定N个预设取值空间;
统计所述每个轴上的磁感应强度在各个所述预设取值空间的分布数量,得到所述分布统计数据。
9.根据权利要求5所述的方法,其特征在于,所述确定每个所述样本数据段对应的目标车辆的车头朝向数据,包括:
获取每个所述样本数据段对应的所述目标车辆的定位数据;其中,所述定位数据包括方向和定位经纬度;
根据所述经纬度确定每个所述样本数据段对应的所述目标车辆的偏移距离是否大于预设阈值;其中,所述偏移距离为该样本数据段对应的所述预设时间间隔内,所述目标车辆的偏移距离;
若确定所述偏移距离大于预设阈值,则根据每个所述样本数据段结束时刻的方向确定该样本数据段对应的车头朝向数据。
10.根据权利要求9所述的方法,其特征在于,所述根据每个所述样本数据段结束时刻的方向确定该样本数据段对应的车头朝向数据,包括:
基于预先对所述车头朝向数据的取值范围进行划分的结果,对每个所述样本数据段结束时刻的方向进行近似化处理,以得到该样本数据段对应的车头朝向数据。
11.一种车头朝向确定装置,其特征在于,包括:
待测数据获取模块,用于根据接收到的对目标车辆的车头朝向进行确定的请求,获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据;所述目标用户设备与所述目标车辆关联;
待测数据划分模块,用于将所述磁力传感器数据基于预设时间间隔划分为多个数据段;
待测特征确定模块,用于分别对所述多个数据段进行特征提取,得到所述多个数据段的特征值;
朝向数据获取模块,用于将所述多个数据段的特征值分别输入分类器,得到多个车头朝向数据;其中,所述分类器为预先根据所述目标用户设备的磁力传感器数据训练的车头朝向分类器;
车头朝向确定模块,用于根据所述多个车头朝向数据确定所述目标车辆的车头朝向。
12.根据权利要求11所述的装置,其特征在于,所述磁力传感器数据包括所述目标用户设备的x、y、z三轴上的磁感应强度;
所述待测特征确定模块还用于针对每个所述数据段,分别确定所述三轴中每个轴上的M个统计值,得到每个所述数据段的3*M维磁力数据特征值。
13.根据权利要求11所述的装置,其特征在于,所述车头朝向确定模块,包括:
权重统计单元,用于基于所述多个数据段各自对应的预设权重,确定所述多个车头朝向数据各自的权重总和;
朝向确定单元,用于根据所述多个车头朝向数据各自的权重总和确定所述车头朝向。
14.根据权利要求11所述的装置,其特征在于,所述待测数据获取模块包括:
第二比较单元,用于当接收到对所述目标车辆的车头朝向进行确定的请求时,确定所述车辆的当前偏移距离是否小于预设阈值;其中,所述当前偏移距离为所述车辆在当前时刻之前的预设时间间隔内的偏移距离;
数据获取单元,用于当确定所述当前偏移距离小于预设阈值时,执行所述获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据的操作。
15.根据权利要求11所述的装置,其特征在于,还包括预先训练所述分类器的训练装置,所述训练装置包括:
训练数据获取模块,用于获取第二预设时间段内目标用户设备的磁力传感器数据;
样本数据划分模块,用于将所述磁力传感器数据基于预设时间间隔划分为多个样本数据段;
样本标签确定模块,用于确定每个所述样本数据段对应的目标车辆的车头朝向数据,将所述车头朝向数据作为该样本数据段的标签值;
样本特征确定模块,用于分别对所述多个样本数据段进行特征提取,得到多个所述样本数据段各自对应的特征值;
分类器训练模块,用于根据多个所述样本数据段各自对应的标签值及特征值执行预设分类器训练算法,得到所述目标车辆的车头朝向分类器。
16.根据权利要求15所述的装置,其特征在于,所述磁力传感器数据包括所述目标用户设备的x、y、z三轴上的磁感应强度数据;
所述样本特征确定模块还用于针对每个所述样本数据段,分别确定所述三轴中每个轴上的M个统计值,得到每个所述样本数据段的3*M维磁力数据特征值。
17.根据权利要求16所述的装置,其特征在于,所述样本特征确定模块还用于分别确定所述每个轴上的磁感应强度的均值、方差以及在N个预设取值空间的分布统计数据;其中,N+2=M。
18.根据权利要求17所述的装置,其特征在于,所述样本特征确定模块包括:
空间确定单元,用于根据所述三轴上的磁感应强度的取值范围确定N个预设取值空间;
数量统计单元,用于统计所述每个轴上的磁感应强度在各个所述预设取值空间的分布数量,得到所述分布统计数据。
19.根据权利要求15所述的装置,其特征在于,所述样本标签确定模块包括:
数据获取单元,用于获取每个所述样本数据段对应的所述目标车辆的定位数据;其中,所述定位数据包括方向和定位经纬度;
第一比较单元,用于根据所述经纬度确定每个所述样本数据段对应的所述目标车辆的偏移距离是否大于预设阈值;其中,所述偏移距离为该样本数据段对应的所述预设时间间隔内,所述目标车辆的偏移距离;
朝向确定单元,用于当确定所述偏移距离大于预设阈值时,根据每个所述样本数据段结束时刻的方向确定该样本数据段对应的车头朝向数据。
20.根据权利要求19所述的装置,其特征在于,所述朝向确定单元还用于:
基于预先对所述车头朝向数据的取值范围进行划分的结果,对每个所述样本数据段结束时刻的方向进行近似化处理,以得到该样本数据段对应的车头朝向数据。
21.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可处理指令的存储器;
其中,所述处理器被配置为:
根据接收到的对目标车辆的车头朝向进行确定的请求,获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据;所述目标用户设备与所述目标车辆关联;
将所述磁力传感器数据基于预设时间间隔划分为多个数据段;
分别对所述多个数据段进行特征提取,得到所述多个数据段的特征值;
将所述多个数据段的特征值分别输入分类器,得到多个车头朝向数据;其中,所述分类器为预先根据所述目标用户设备的磁力传感器数据训练的车头朝向分类器;
根据所述多个车头朝向数据确定所述目标车辆的车头朝向。
22.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器处理时实现以下方法:
根据接收到的对目标车辆的车头朝向进行确定的请求,获取当前时刻之前第一预设时间段内目标用户设备的磁力传感器数据;所述目标用户设备与所述目标车辆关联;
将所述磁力传感器数据基于预设时间间隔划分为多个数据段;
分别对所述多个数据段进行特征提取,得到所述多个数据段的特征值;
将所述多个数据段的特征值分别输入分类器,得到多个车头朝向数据;其中,所述分类器为预先根据所述目标用户设备的磁力传感器数据训练的车头朝向分类器;
根据所述多个车头朝向数据确定所述目标车辆的车头朝向。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710707761.4A CN109407131B (zh) | 2017-08-17 | 2017-08-17 | 车头朝向确定方法、装置及设备 |
PCT/CN2018/090386 WO2019033838A1 (en) | 2017-08-17 | 2018-06-08 | METHOD AND SYSTEM FOR CAP DETERMINATION |
CN201880046740.5A CN110914837B (zh) | 2017-08-17 | 2018-06-08 | 确定车头朝向的方法和系统 |
US16/792,364 US11573084B2 (en) | 2017-08-17 | 2020-02-17 | Method and system for heading determination |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710707761.4A CN109407131B (zh) | 2017-08-17 | 2017-08-17 | 车头朝向确定方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109407131A true CN109407131A (zh) | 2019-03-01 |
CN109407131B CN109407131B (zh) | 2020-12-04 |
Family
ID=65362003
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710707761.4A Active CN109407131B (zh) | 2017-08-17 | 2017-08-17 | 车头朝向确定方法、装置及设备 |
CN201880046740.5A Active CN110914837B (zh) | 2017-08-17 | 2018-06-08 | 确定车头朝向的方法和系统 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880046740.5A Active CN110914837B (zh) | 2017-08-17 | 2018-06-08 | 确定车头朝向的方法和系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11573084B2 (zh) |
CN (2) | CN109407131B (zh) |
WO (1) | WO2019033838A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112991739A (zh) * | 2021-03-23 | 2021-06-18 | 苏州蓝图智慧城市科技有限公司 | 一种基于出行强度的车辆引导方法、装置、介质及设备 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017220023A1 (de) * | 2017-11-10 | 2019-05-16 | Continental Teves Ag & Co. Ohg | Fahrzeug-zu-X-Kommunikationssystem |
US11835597B2 (en) * | 2019-12-25 | 2023-12-05 | Shimadzu Corporation | Magnetic detection system, magnetic signal waveform pattern classification method, and waveform pattern distribution generation method for magnetic detection system |
CN111753748B (zh) * | 2020-06-28 | 2023-12-08 | 阿波罗智联(北京)科技有限公司 | 信号灯调整方法、装置、设备以及存储介质 |
US11748668B2 (en) * | 2020-07-08 | 2023-09-05 | Vmware, Inc. | Internal load balancer for tree-based ensemble classifiers |
CN114077858A (zh) * | 2020-08-17 | 2022-02-22 | 浙江宇视科技有限公司 | 向量数据处理方法、装置、设备及存储介质 |
CN113780353B (zh) * | 2021-08-10 | 2024-03-19 | 北京自动化控制设备研究所 | 一种基于机器学习的卫星导航自动判读方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004061391A2 (en) * | 2002-12-30 | 2004-07-22 | Honeywell International, Inc. | Methods and apparatus for automatic magnetic compensation |
CN102642528A (zh) * | 2011-12-31 | 2012-08-22 | 浙江吉利汽车研究院有限公司 | 电磁式防追尾系统 |
CN103069468A (zh) * | 2011-01-18 | 2013-04-24 | 松下电器产业株式会社 | 车辆方向确定装置、车辆方向确定方法及其程序 |
DE102012113009A1 (de) * | 2012-12-21 | 2014-06-26 | Jenoptik Robot Gmbh | Verfahren zum automatischen Klassifizieren von sich bewegenden Fahrzeugen |
CN105320966A (zh) * | 2015-10-30 | 2016-02-10 | 东软集团股份有限公司 | 一种车辆行驶状态识别方法及装置 |
US9285223B1 (en) * | 2014-05-15 | 2016-03-15 | State Farm Mutual Automobile Insurance Company | System and method for identifying heading of a moving vehicle using accelerometer data |
CN105513155A (zh) * | 2015-12-01 | 2016-04-20 | 中国联合网络通信集团有限公司 | 巡检照片的分类、命名方法及终端设备 |
CN205354135U (zh) * | 2015-10-20 | 2016-06-29 | 上海计算机软件技术开发中心 | 一种车辆行驶状态远程监控装置 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020022924A1 (en) * | 2000-03-07 | 2002-02-21 | Begin John David | Propagation of position with multiaxis accelerometer |
US7764808B2 (en) * | 2003-03-24 | 2010-07-27 | Siemens Corporation | System and method for vehicle detection and tracking |
DE102007003013A1 (de) * | 2006-07-17 | 2008-02-21 | Volkswagen Ag | Verfahren und Vorrichtung zur Fahrtrichtungserkennung eines Kraftfahrzeugs |
KR20150058679A (ko) * | 2013-11-20 | 2015-05-29 | 한국전자통신연구원 | 단지내 도로에서 자율주행차량의 위치 및 해딩 정보 제공 장치 및 방법 |
CN103661599B (zh) * | 2013-12-04 | 2016-01-06 | 奇瑞汽车股份有限公司 | 一种车辆转弯轨迹预测系统和方法 |
CN105117737A (zh) * | 2015-10-08 | 2015-12-02 | 北京邮电大学 | 一种基于车辆轨迹向量确定车辆实际方向的方法及装置 |
CN105403415B (zh) * | 2015-12-29 | 2018-01-16 | 腾讯科技(深圳)有限公司 | 一种车辆诊断系统的数据处理方法、装置和系统 |
US10366502B1 (en) * | 2016-12-09 | 2019-07-30 | Waymo Llc | Vehicle heading prediction neural network |
US10861257B1 (en) * | 2017-01-18 | 2020-12-08 | BlueOwl, LLC | Technology for capturing and analyzing sensor data to dynamically facilitate vehicle operation feedback |
CN106952361B (zh) * | 2017-03-15 | 2019-07-23 | 上海工业控制安全创新科技有限公司 | 一种高效的车辆行驶状态识别系统 |
US10262234B2 (en) * | 2017-04-24 | 2019-04-16 | Baidu Usa Llc | Automatically collecting training data for object recognition with 3D lidar and localization |
-
2017
- 2017-08-17 CN CN201710707761.4A patent/CN109407131B/zh active Active
-
2018
- 2018-06-08 CN CN201880046740.5A patent/CN110914837B/zh active Active
- 2018-06-08 WO PCT/CN2018/090386 patent/WO2019033838A1/en active Application Filing
-
2020
- 2020-02-17 US US16/792,364 patent/US11573084B2/en active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004061391A2 (en) * | 2002-12-30 | 2004-07-22 | Honeywell International, Inc. | Methods and apparatus for automatic magnetic compensation |
CN103069468A (zh) * | 2011-01-18 | 2013-04-24 | 松下电器产业株式会社 | 车辆方向确定装置、车辆方向确定方法及其程序 |
CN102642528A (zh) * | 2011-12-31 | 2012-08-22 | 浙江吉利汽车研究院有限公司 | 电磁式防追尾系统 |
DE102012113009A1 (de) * | 2012-12-21 | 2014-06-26 | Jenoptik Robot Gmbh | Verfahren zum automatischen Klassifizieren von sich bewegenden Fahrzeugen |
US9285223B1 (en) * | 2014-05-15 | 2016-03-15 | State Farm Mutual Automobile Insurance Company | System and method for identifying heading of a moving vehicle using accelerometer data |
CN205354135U (zh) * | 2015-10-20 | 2016-06-29 | 上海计算机软件技术开发中心 | 一种车辆行驶状态远程监控装置 |
CN105320966A (zh) * | 2015-10-30 | 2016-02-10 | 东软集团股份有限公司 | 一种车辆行驶状态识别方法及装置 |
CN105513155A (zh) * | 2015-12-01 | 2016-04-20 | 中国联合网络通信集团有限公司 | 巡检照片的分类、命名方法及终端设备 |
Non-Patent Citations (1)
Title |
---|
QICHANGCHAO: "起步时导航能准确判断车头朝向吗", 《汽车之家:HTTPS://CLUB.AUTOHOME.COM.CN/BBS/THREAD/E3DD50DBAA5A1503/34373806-1.HTML》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112991739A (zh) * | 2021-03-23 | 2021-06-18 | 苏州蓝图智慧城市科技有限公司 | 一种基于出行强度的车辆引导方法、装置、介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110914837B (zh) | 2023-10-31 |
WO2019033838A1 (en) | 2019-02-21 |
CN109407131B (zh) | 2020-12-04 |
US11573084B2 (en) | 2023-02-07 |
CN110914837A (zh) | 2020-03-24 |
US20200182618A1 (en) | 2020-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109407131A (zh) | 车头朝向确定方法、装置及设备 | |
CN109215372B (zh) | 路网信息更新方法、装置及设备 | |
CN108827307B (zh) | 导航方法、装置、终端及计算机可读存储介质 | |
JP5741115B2 (ja) | 測位装置、測位方法、プログラム、及び記録媒体 | |
CN110491166A (zh) | 一种寻找车辆的方法、装置、系统、存储介质及用户终端 | |
CN106575475B (zh) | 信息管理装置、车辆及信息管理方法 | |
CN109405827B (zh) | 终端定位方法及装置 | |
US20140306843A1 (en) | Measuring System and Measuring Method Using Position and/or Orientation Sensors | |
CN109435955A (zh) | 一种自动驾驶系统性能评估方法、装置、设备及存储介质 | |
CN104236575B (zh) | 出行路径记录方法和装置、导航方法和装置 | |
CN104197934B (zh) | 一种基于地磁的定位方法、装置及系统 | |
CN106909886A (zh) | 一种基于深度学习的高精度交通标志检测方法及系统 | |
CN111174778B (zh) | 一种基于行人航迹推算的建筑入口确定方法及装置 | |
CN105407530A (zh) | 隧道定位方法及装置 | |
CN109633763A (zh) | 基于磁力仪与gps的精密地磁测绘系统及其地磁测绘方法 | |
JP3882808B2 (ja) | 移動体軌跡情報の異常判定方法及びプログラム並びに軌跡情報処理装置 | |
CN106382942A (zh) | 一种车载导航系统及导航方法 | |
CN109564724A (zh) | 信息处理方法、信息处理装置和信息处理程序 | |
CN111192452B (zh) | 行程数据分段方法、装置、存储介质和电子设备 | |
CN107133689B (zh) | 一种位置标记方法 | |
CN103644921B (zh) | 一种实现街景显示的方法和装置 | |
CN106462750B (zh) | 用于确定并且提供用来对车辆进行定位的地面标志的方法 | |
CN103974410B (zh) | 用于定位的方法和装置 | |
CN109945877B (zh) | 一种巡检轨迹生成方法及装置 | |
CN108981729A (zh) | 车辆定位方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |