CN110617826A - 车辆导航中高架桥区识别方法、装置、设备和存储介质 - Google Patents
车辆导航中高架桥区识别方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110617826A CN110617826A CN201910939195.9A CN201910939195A CN110617826A CN 110617826 A CN110617826 A CN 110617826A CN 201910939195 A CN201910939195 A CN 201910939195A CN 110617826 A CN110617826 A CN 110617826A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- viaduct
- distance
- image data
- image
- 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 112
- 230000008569 process Effects 0.000 claims abstract description 66
- 230000001133 acceleration Effects 0.000 claims description 39
- 230000015654 memory Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims 1
- 230000006870 function Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000005484 gravity Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
-
- 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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- 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
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Navigation (AREA)
Abstract
本申请公开了一种车辆导航中高架桥区识别方法、装置、电子设备和存储介质。涉及定位技术领域,具体实现方案为:确定车辆的当前位置,并根据当前位置判断车辆当前是否处于高架桥区的岔路口;在判断车辆当前处于高架桥区的岔路口时,获取惯性传感器在车辆行进第一距离过程中所测量的惯性数据;获取图像采集装置在车辆行进第二距离过程中所采集的图像数据;根据惯性传感器在车辆行进第一距离过程中所测量的惯性数据,和图像采集装置在车辆行进第二距离过程中所采集的图像数据,判断车辆当前是位于高架桥上还是位于高架桥下。由此可以准确识别出当前是位于高架桥上还是高架桥下,进而自动规划路线,避免手动切换上下高架路线,提高了导航的准确性。
Description
技术领域
本申请涉及定位技术领域,尤其涉及一种车辆导航中高架桥区识别方法、装置、电子设备和存储有计算机指令的非瞬时计算机可读存储介质。
背景技术
随着科技的进步和移动互联网技术的发展,越来越多的人在驾驶车辆的时候选择使用手机导航软件APP(Application,应用程序),为不太熟悉路线的车主带来了很多方便。这些导航软件主要利用GPS(Global Positioning System,全球定位系统)模块(或者北斗模块)获取经纬度信息来进行定位,导航软件工作过程一般是根据出发地和目的地进行路径规划。
相关技术中,车辆驾驶者根据规划路径进行行驶,在这个过程中,当车辆处于高架桥区,其中,高架往往错综复杂,高架桥上与桥下路段平行,主要依靠GPS经纬度及连续的GPS位置来判断绑定高架桥上或桥下。但是,由于桥梁的部分遮挡,会导致GPS不准确或者是上下垂直高架,易发生路线判断错误问题,此时需要依靠手动来切换导航路线,并且在桥区启动导航时,起始点无法准确定位在桥上或者桥下,导致用户体验变差。
发明内容
本申请的目的旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本申请的第一个目的在于提出一种车辆导航中高架桥区识别方法,该方法可以准确识别出当前是位于高架桥上还是高架桥下,进而可以完成自动规划路线,避免手动切换上下高架路线,提高了导航的准确性,提高了用户体验。
本申请的第二个目的在于提出一种车辆导航中高架桥区识别装置。
本申请的第三个目的在于提出一种电子设备。
本申请的第四个目的在于提出一种存储有计算机指令的非瞬时计算机可读存储介质。
为达到上述目的,本申请第一方面实施例提出的车辆导航中高架桥区识别方法,包括:
确定所述车辆的当前位置,并根据所述当前位置判断所述车辆当前是否处于高架桥区的岔路口;
如果所述车辆当前处于高架桥区的岔路口,则获取所述惯性传感器在所述车辆行进第一距离过程中所测量的惯性数据;
获取所述图像采集装置在所述车辆行进第二距离过程中所采集的图像数据;
根据所述惯性传感器在所述车辆行进第一距离过程中所测量的惯性数据,和所述图像采集装置在所述车辆行进第二距离过程中所采集的图像数据,判断所述车辆当前是位于高架桥上还是位于高架桥下。
根据本申请的一个实施例,根据所述惯性传感器在所述车辆行进第一距离过程中所测量的惯性数据,和所述图像采集装置在所述车辆行进第二距离过程中所采集的图像数据,判断所述车辆当前是位于高架桥上还是位于高架桥下,包括:根据所述惯性数据,计算所述车辆当前运动方向与地球表面水平方向之间的夹角;对所述图像采集装置在所述车辆行进第二距离过程中所采集的图像数据进行分类识别,得到对应的图像识别结果;根据所述车辆当前运动方向与地球表面水平方向之间的夹角和所述图像识别结果,判断所述车辆当前是位于高架桥上还是位于高架桥下。
根据本申请的一个实施例,根据所述惯性数据,计算所述车辆当前运动方向与地球表面水平方向之间的夹角,包括:根据所述惯性数据,确定车辆运动方向上的非引力加速度,并确定所述车辆的当前加速度;根据所述非引力加速度、所述车辆的当前加速度和重力加速度,计算所述车辆当前运动方向与地球表面水平方向之间的夹角。
根据本申请的一个实施例,对所述图像采集装置在所述车辆行进第二距离过程中所采集的图像数据进行分类识别,得到对应的图像识别结果,包括:通过第一识别模型对所述图像数据进行粗略分类识别,并通过第二识别模型对所述第一识别模型输出的分类标签为未知标签的图像数据进行精细判断;根据所述第一识别模型输出的分类标签为桥上标签、桥下标签,以及所述第二识别模型输出的分类标签结果,最终得到对应的图像识别结果。
根据本申请的一个实施例,所述车辆导航中高架桥区识别方法还包括:如果所述车辆上的地图引擎端处于导航起始态或处于偏航态,且所述车辆的当前位置属于高架桥区,则获取所述图像采集装置在所述车辆行进第三距离过程中采集的图像数据;对所述图像数据进行分类识别,以判断所述车辆当前是位于高架桥上还是位于高架桥下。
为达到上述目的,本申请第二方面实施例提出的车辆导航中高架桥区识别装置,包括:
位置确定模块,用于确定所述车辆的当前位置;
岔路口判断模块,用于根据所述当前位置判断所述车辆当前是否处于高架桥区的岔路口;
惯性数据获取模块,用于在判断所述车辆当前处于高架桥区的岔路口时,获取所述惯性传感器在所述车辆行进第一距离过程中所测量的惯性数据;
图像数据获取模块,用于获取所述图像采集装置在所述车辆行进第二距离过程中所采集的图像数据;
桥区识别模块,用于根据所述惯性传感器在所述车辆行进第一距离过程中所测量的惯性数据,和所述图像采集装置在所述车辆行进第二距离过程中所采集的图像数据,判断所述车辆当前是位于高架桥上还是位于高架桥下。
为达到上述目的,本申请第三方面实施例提出的电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请第一方面所述的车辆导航中高架桥区识别方法。
为达到上述目的,本申请第四方面实施例提出的存储有计算机指令的非瞬时计算机可读存储介质,包括:所述计算机指令用于使所述计算机执行本申请第一方面所述的车辆导航中高架桥区识别方法。
上述申请中的一个实施例具有如下优点或有益效果:可以准确识别出当前是位于高架桥上还是高架桥下,进而自动规划路线,避免手动切换上下高架路线,提高了导航的准确性,提高了用户体验。因为采用确定车辆的当前位置,并根据当前位置判断车辆当前是否处于高架桥区的岔路口,在判断车辆当前处于高架桥区的岔路口时,获取惯性传感器在车辆行进第一距离过程中所测量的惯性数据,之后获取图像采集装置在车辆行进第二距离过程中所采集的图像数据,然后根据惯性传感器在车辆行进第一距离过程中所测量的惯性数据,和图像采集装置在车辆行进第二距离过程中所采集的图像数据,判断车辆当前是位于高架桥上还是位于高架桥下的技术手段,所以克服了相关技术中由于桥梁的部分遮挡,导致GPS不准确或者是上下垂直高架,易发生路线判断错误问题,需要依靠手动来切换,并且在桥区启动导航时,起始点无法准确定位在桥上或者桥下等技术问题,进而达到可以准确识别出当前是位于高架桥上还是高架桥下,进而自动规划路线,避免手动切换上下高架路线,提高了导航的准确性,提高了用户体验技术效果。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成本申请的限定。其中:
图1是根据本申请一个实施例的车辆导航中高架桥区识别方法的流程图。
图2是根据本申请一个具体实施例的车辆导航中高架桥区识别方法的流程图。
图3是根据本申请一个实施例的车辆导航中高架桥区识别装置的结构示意图。
图4是根据本申请实施例的车辆导航中高架桥区识别的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本申请提出了一种车辆导航中高架桥区识别方法、装置、电子设备和存储有计算机指令的非瞬时计算机可读存储介质,本申请解决了相关技术中由于桥梁的部分遮挡,导致GPS不准确或者是上下垂直高架,易发生路线判断错误问题,需要依靠手动来切换,并且在桥区启动导航时,起始点无法准确定位在桥上或者桥下等技术问题。具体地,下面参考附图描述本申请实施例的车辆导航中高架桥区识别方法、装置、电子设备和存储有计算机指令的非瞬时计算机可读存储介质。
图1是根据本申请一个实施例的车辆导航中高架桥区识别方法的流程图。需要说明的是,本申请实施例的车辆导航中高架桥区识别方法可应用于本申请实施例的车辆导航中高架桥区识别装置,该装置可被配置于电子设备上。作为一种示例,电子设备可为地图引擎端设备,该地图引擎段设备具有导航功能。此外,车辆上设置有惯性传感器和图像采集装置。可选地,该图像采集装置可为车载摄像头,用以对车辆外部环境进行图像采集。
如图1所示,该车辆导航中高架桥区识别方法可以包括:
S110,确定车辆的当前位置,并根据当前位置判断车辆当前是否处于高架桥区的岔路口。
举例而言,假设车辆上安装有具有导航功能的地图引擎端设备,在用户使用该地图引擎端设备所提供的导航功能进行导航的过程中,可利用车辆上的GPS定位系统确定该车辆的当前位置,比如得到该车辆当前位置的经纬度坐标,之后,可根据该当前位置的经纬度坐标结合地图引擎端所提供的地图,来判断该车辆当前是否存处于高架桥区的岔路口。
S120,如果车辆当前处于高架桥区的岔路口,则获取惯性传感器在车辆行进第一距离过程中所测量的惯性数据。
可选地,在判断车辆当前处于高架桥区的岔路口时,车辆上设置的惯性传感器可在车辆行进第一距离过程中测量该车辆的惯性数据,并将该惯性数据发送至地图引擎端设备,从而地图引擎端设备可获取惯性传感器在车辆行进第一距离过程中所测量的惯性数据。
其中,惯性数据包括但不仅限于加速度、倾斜、冲击、振动、旋转和多自由度(DoF)运动。
举例而言,在车辆当前处于高架桥区的岔路口时,可该车辆判断是否要进入匝道,若是,则将该车辆当前的位置设为位置1,之后车辆在行驶的过程中,可判断该车辆是否已经结束匝道,若是,则将此时的当前位置设为位置2,此时可将该位置1和位置2之间的距离确定为所述第一距离,惯性传感器可在车辆行进该第一距离过程中测量该车辆的惯性数据,并将所测量的惯性数据上传至地图引擎端设备,以使地图引擎端设备可获得惯性传感器在车辆行进第一距离过程中所测量的惯性数据。需要说明的是,当无法判断车辆是否结束匝道时,可将前方距离位置1的N米位置设为位置2,例如,N可为600,此时位置1和位置2之间距离可确定为所述第一距离,也就是说,在无法判断车辆是否结束匝道时,此时可以600米作为所述第一距离,从而获得惯性传感器在车辆行进600米的过程中所测量的惯性数据。
需要说明的是,在本申请的实施例中,在车辆当前不处于高架桥区的岔路口时,此时不进行高架桥区的桥上或桥下的识别。
S130,获取图像采集装置在车辆行进第二距离过程中所采集的图像数据。
在本申请的实施例中,车辆在行驶过程中,车辆上的图像采集装置可对车辆的外部环境进行图像采集。在获取惯性传感器在车辆行进第一距离过程中所测量的惯性数据之后,可获取图像采集装置在车辆行进第二距离过程中所采集的图像数据。
举例而言,在判断车辆当前处于高架桥区的岔路口,且确定该车辆当前行进了第一距离时,可将该车辆的当前位置设为位置3,然后车辆在行驶的过程中,将前方距离位置3的M米位置设为位置4,例如,M可为100,此时,可将该位置3和位置4之间的距离确定为所述第二距离,在车辆行进在该第二距离的过程中,可获取图像采集装置在车辆行进该第二距离过程中所采集的图像数据。
S140,根据惯性传感器在车辆行进第一距离过程中所测量的惯性数据,和图像采集装置在车辆行进第二距离过程中所采集的图像数据,判断车辆当前是位于高架桥上还是位于高架桥下。
在本申请的实施例中,可根据惯性数据,计算车辆当前运动方向与地球表面水平方向之间的夹角,对图像采集装置在车辆行进第二距离过程中所采集的图像数据进行分类识别,得到对应的图像识别结果,然后根据车辆当前运动方向与地球表面水平方向之间的夹角和图像识别结果,判断车辆当前是位于高架桥上还是位于高架桥下。具体实现过程可参见后续实施例的描述。
为了能够解决在地图引擎端设备处于导航起始态或偏航态时无法准确定位当前车辆是在高架桥下还是桥上的技术问题,可选地,在本申请的一个实施例中,在位于车辆上的地图引擎端处于导航起始态或处于偏航态,且在确定车辆的当前位置属于高架桥区时,可获取图像采集装置在车辆行进第三距离过程中采集的图像数据,之后对图像数据进行分类识别,以判断车辆当前是位于高架桥上还是位于高架桥下。
也就是说,在位于车辆上的地图引擎端处于导航起始态或处于偏航态,且在确定车辆的当前位置属于高架桥区时,图像采集装置可在车辆行进第三距离过程中采集图像数据,并将该图像数据上传至地图引擎端设备,从而地图引擎端设备获取图像采集装置在车辆行进第三距离过程中采集的图像数据,之后对图像数据进行分类识别,以判断车辆当前是位于高架桥上还是位于高架桥下。由此,可以解决在地图引擎端设备处于导航起始态或偏航态时无法准确定位当前车辆是在高架桥下还是桥上的技术问题。
根据本申请实施例的车辆导航中高架桥区识别方法,可确定车辆的当前位置,并根据当前位置判断车辆当前是否处于高架桥区的岔路口,在判断车辆当前处于高架桥区的岔路口时,获取惯性传感器在车辆行进第一距离过程中所测量的惯性数据,之后获取图像采集装置在车辆行进第二距离过程中所采集的图像数据,然后根据惯性传感器在车辆行进第一距离过程中所测量的惯性数据,和图像采集装置在车辆行进第二距离过程中所采集的图像数据,判断车辆当前是位于高架桥上还是位于高架桥下。该方法通过惯性传感器和图像采集装置的综合识别效果,对当前车辆的所处桥上桥下位置进行判断,可以准确识别出当前是位于高架桥上还是高架桥下,进而自动规划路线,避免手动切换上下高架路线,提高了导航的准确性,提高了用户体验。
图2是根据本申请一个具体实施例的车辆导航中高架桥区识别方法的流程图。如图2所示,该车辆导航中高架桥区识别方法可以包括:
S210,确定车辆的当前位置,并根据当前位置判断车辆当前是否处于高架桥区的岔路口。
S220,如果车辆当前处于高架桥区的岔路口,则获取惯性传感器在车辆行进第一距离过程中所测量的惯性数据。
需要说明的是,在本申请的实施例中,上述步骤S210~S220的实现方式可参见上述步骤S110~S120的实现方式,在此不再赘述。
S230,根据惯性数据,计算车辆当前运动方向与地球表面水平方向之间的夹角。
在本申请的实施例中,在获取惯性传感器在车辆行进第一距离过程中所测量的惯性数据之后,根据惯性数据,可确定车辆运动方向上的非引力加速度,并确定车辆的当前加速度,之后根据非引力加速度、车辆的当前加速度和重力加速度,计算车辆当前运动方向与地球表面水平方向之间的夹角。
举例而言,在获取惯性传感器在车辆行进第一距离过程中所测量的惯性数据之后,根据惯性数据,其中,惯性传感器的加速度敏感轴方向与车辆运动方向一致时,则该加速度敏感轴的加速度感应的是车辆运动方向上的非引力加速度,可理解为,非引力加速度为重力加速度在车辆运动方向上的分量和车辆当前加速度的和。可获取车辆上的加速度传感器的数据来确定车辆的当前加速度,之后根据非引力加速度、车辆的当前加速度和重力加速度,按如下公式计算:可计算车辆当前运动方向与地球表面水平方向之间的夹角。其中,θ为车辆当前运动方向与地球表面水平方向之间的夹角,αccy为车辆运动方向上的非引力加速度,αcar为车辆的当前加速度,G0为重力加速度。其中,当计算车辆当前运动方向与地球表面水平方向之间的夹角为上坡夹角时,可确定车辆当前是位于高架桥上,当计算车辆当前运动方向与地球表面水平方向之间的夹角为下坡夹角时,可确定车辆当前是位于高架桥下。
S240,获取图像采集装置在车辆行进第二距离过程中所采集的图像数据。
举例而言,获取惯性传感器在车辆行进第一距离过程中所测量的惯性数据,之后可将判断已经结束匝道的位置,设为位置3,然后车辆在行驶的过程中,将距离位置3的N米位置设为位置4,例如,N可为100,图像采集装置可在车辆行进第二距离过程中采集图像数据,其中,位置3至位置4之间的距离为第二距离,并将该图像数据上传至地图引擎设备,从而地图引擎设备可获取图像采集装置在车辆行进第二距离过程中所采集的图像数据。
S250,对图像采集装置在所述车辆行进第二距离过程中所采集的图像数据进行分类识别,得到对应的图像识别结果。
在本申请的实施例中,地图引擎端设备获取图像采集装置在车辆行进第二距离过程中所采集的图像数据之后,可通过第一识别模型对图像数据进行粗略分类识别,并通过第二识别模型对第一识别模型输出的分类标签为未知标签的图像数据进行精细判断,之后根据第一识别模型输出的分类标签为桥上标签、桥下标签,以及第二识别模型输出的分类标签结果,最终得到对应的图像识别结果。
例如,第一识别模型和第二识别是基于深度学习或传统机器学习训练得到的模型,其中,传统机器学习支持分类器(SupportVector Machine,SVM)算法和特征(Histogramof Oriented Gradient,HOG)算法。
也就是说,地图引擎端设备获取图像采集装置在车辆行进第二距离过程中所采集的图像数据之后,可通过第一识别模型对图像数据进行粗略分类识别,粗略分类可识别出具备明显特征的桥上标签、桥下标签以及未知标签,并给出置信度,其中,桥上标签的置信度或桥下标签的置信度必须高于一定阈值,否则也归为未知标签,其中,未知包含不具备明显特征,为了进一步更精确判断出所处位置,并通过第二识别模型对第一识别模型输出的分类标签为未知标签的图像数据进行精细判断,之后根据第一识别模型输出的分类标签为桥上标签、桥下标签,以及第二识别模型输出的分类标签结果,最终得到对应的图像识别结果,使得图像识别结果更精确。
S260,根据车辆当前运动方向与地球表面水平方向之间的夹角和图像识别结果,判断车辆当前是位于高架桥上还是位于高架桥下。
在本申请的实施例中,计算车辆当前运动方向与地球表面水平方向之间的夹角和对图像采集装置在所述车辆行进第二距离过程中所采集的图像数据进行分类识别,得到对应的图像识别结果,之后根据车辆当前运动方向与地球表面水平方向之间的夹角和图像识别结果,判断车辆当前是位于高架桥上还是位于高架桥下。例如,假设车辆当前运动方向与地球表面水平方向之间的夹角是上坡夹角,图像识别结果为桥上,可判断当前是位于高架桥上。
在本申请的实施例中,地图引擎端设备在获得根据惯性数据计算出的识别结果和图像采集装置识别出的结果之后,可对惯性传感器的识别结果和图像采集装置的识别结果进行投票机制选择,可确定车辆当前位于高架桥上或位于高架桥下,以便进行导航路线的切换。
例如,当惯性数据,计算出的识别结果为高架桥上,图像采集装置识别出的结果为高架桥上时,可确定车辆当前位于高架桥上,以便切换为高架桥上的导航路线;当惯性数据,计算出的识别结果为高架桥下,图像采集装置识别出的结果为高架桥下时,可确定车辆当前位于高架桥下,以便切换为高架桥下的导航路线;当惯性数据,计算出的识别结果为高架桥上,图像采集装置识别出的结果为高架桥下时,可确定车辆当前处于未知状态,此时,不进行导航路线的切换。也就是说,当惯性传感器的识别结果和图像采集装置的识别结果同为高架桥上的话,通过投票机制可确定车辆当前位于高架桥上;当惯性传感器的识别结果和图像采集装置的识别结果同为高架桥下的话,则通过投票机制可确定车辆当前位于高架桥下;若惯性传感器的识别结果和图像采集装置的识别结果同为未知或不相同的话,则通过投票机制可确定最终的识别结果为未知。
可选地,在确定车辆当前位于高架桥上或位于高架桥下时,可根据车辆当前的位置进行导航路线的切换,例如,当确定车辆当前位于高架桥上时,可切换为高架桥上的导航路线;当确定车辆当前位于高架桥下时,可切换为高架桥下的导航路线。
根据本申请实施例的车辆导航中高架桥区识别方法,确定车辆的当前位置,并根据当前位置判断车辆当前是否处于高架桥区的岔路口,在判断车辆当前处于高架桥区的岔路口时,获取惯性传感器在车辆行进第一距离过程中所测量的惯性数据,然后根据惯性数据,计算车辆当前运动方向与地球表面水平方向之间的夹角,获取图像采集装置在车辆行进第二距离过程中所采集的图像数据,之后对图像采集装置在所述车辆行进第二距离过程中所采集的图像数据进行分类识别,得到对应的图像识别结果,然后根据车辆当前运动方向与地球表面水平方向之间的夹角和图像识别结果,判断车辆当前是位于高架桥上还是位于高架桥下。该方法通过惯性传感器和图像采集装置的综合识别效果,对当前车辆的所处桥上桥下位置进行判断,可以准确识别出当前是位于高架桥上还是高架桥下,进而自动规划路线,避免手动切换上下高架路线,提高了导航的准确性,提高了用户体验。
与上述几种实施例提供的车辆导航中高架桥区识别方法相对应,本申请的一种实施例还提供一种车辆导航中高架桥区识别装置,由于本申请实施例提供的车辆导航中高架桥区识别装置与上述几种实施例提供的车辆导航中高架桥区识别方法相对应,因此在车辆导航中高架桥区识别方法的实施方式也适用于本实施例提供的车辆导航中高架桥区识别装置,在本实施例中不再详细描述。图3是根据本申请一个实施例的车辆导航中高架桥区识别装置的结构示意图。
如图3所示,该车辆导航中高架桥区识别装置300包括:位置确定模块310、岔路口判断模块320、惯性数据获取模块330、图像数据获取模块340和桥区识别模块350。其中:
位置确定模块310用于确定所述车辆的当前位置;
岔路口判断模块320用于根据所述当前位置判断所述车辆当前是否处于高架桥区的岔路口;
惯性数据获取模块330用于在判断所述车辆当前处于高架桥区的岔路口时,获取所述惯性传感器在所述车辆行进第一距离过程中所测量的惯性数据;
图像数据获取模块340用于获取所述图像采集装置在所述车辆行进第二距离过程中所采集的图像数据,作为一种示例,所述图像数据获取模块340还用于在位于所述车辆上的地图引擎端处于导航起始态或处于偏航态,且在确定所述车辆的当前位置属于高架桥区时,获取所述图像采集装置在所述车辆行进第三距离过程中采集的图像数据。
桥区识别模块350用于根据所述惯性传感器在所述车辆行进第一距离过程中所测量的惯性数据,和所述图像采集装置在所述车辆行进第二距离过程中所采集的图像数据,判断所述车辆当前是位于高架桥上还是位于高架桥下。
在本申请的实施例中,所述桥区识别模块350包括:惯性数据处理单元,用于根据所述惯性数据,计算所述车辆当前运动方向与地球表面水平方向之间的夹角;图像数据处理单元,用于对所述图像采集装置在所述车辆行进第二距离过程中所采集的图像数据进行分类识别,得到对应的图像识别结果;识别单元,用于根据所述车辆当前运动方向与地球表面水平方向之间的夹角和所述图像识别结果,判断所述车辆当前是位于高架桥上还是位于高架桥下。
在本申请的实施例中,所述惯性数据处理单元具体用于:根据所述惯性数据,确定车辆运动方向上的非引力加速度,并确定所述车辆的当前加速度;根据所述非引力加速度、所述车辆的当前加速度和重力加速度,计算所述车辆当前运动方向与地球表面水平方向之间的夹角。
在本申请的实施例中,所述图像数据处理单元具体用于:通过第一识别模型对所述图像数据进行粗略分类识别,并通过第二识别模型对所述第一识别模型输出的分类标签为未知标签的图像数据进行精细判断;根据所述第一识别模型输出的分类标签为桥上标签、桥下标签,以及所述第二识别模型输出的分类标签结果,最终得到对应的图像识别结果。
在本申请的实施例中,所述桥区识别模块450还用于对所述图像采集装置在所述车辆行进第三距离过程中采集的图像数据进行分类识别,以判断所述车辆当前是位于高架桥上还是位于高架桥下。
根据本申请实施例的车辆导航中高架桥区识别装置,可确定车辆的当前位置,并根据当前位置判断车辆当前是否处于高架桥区的岔路口,在判断车辆当前处于高架桥区的岔路口时,获取惯性传感器在车辆行进第一距离过程中所测量的惯性数据,之后获取图像采集装置在车辆行进第二距离过程中所采集的图像数据,然后根据惯性传感器在车辆行进第一距离过程中所测量的惯性数据,和图像采集装置在车辆行进第二距离过程中所采集的图像数据,判断车辆当前是位于高架桥上还是位于高架桥下。由此,通过惯性传感器和图像采集装置的综合识别效果,对当前车辆的所处桥上桥下位置进行判断,可以准确识别出当前是位于高架桥上还是高架桥下,进而自动规划路线,避免手动切换上下高架路线,提高了导航的准确性,提高了用户体验。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图4所示,是根据本申请实施例的车辆导航中高架桥区识别的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图4所示,该电子设备包括:一个或多个处理器401、存储器402,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图4中以一个处理器401为例。
存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的车辆导航中高架桥区识别的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的车辆导航中高架桥区识别的方法。
存储器402作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的车辆导航中高架桥区识别的方法对应的程序指令/模块(例如,附图3所示的位置确定模块310、岔路口判断模块320、惯性数据获取模块330、图像数据获取模块340和桥区识别模块350)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的车辆导航中高架桥区识别的方法。
存储器402可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据车辆导航中高架桥区识别的电子设备的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器402可选包括相对于处理器401远程设置的存储器,这些远程存储器可以通过网络连接至车辆导航中高架桥区识别的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
车辆导航中高架桥区识别的方法的电子设备还可以包括:输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接,图4中以通过总线连接为例。
输入装置403可接收输入的数字或字符信息,以及产生与车辆导航中高架桥区识别的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,可确定车辆的当前位置,并根据当前位置判断车辆当前是否处于高架桥区的岔路口,在判断车辆当前处于高架桥区的岔路口时,获取惯性传感器在车辆行进第一距离过程中所测量的惯性数据,之后获取图像采集装置在车辆行进第二距离过程中所采集的图像数据,然后根据惯性传感器在车辆行进第一距离过程中所测量的惯性数据,和图像采集装置在车辆行进第二距离过程中所采集的图像数据,判断车辆当前是位于高架桥上还是位于高架桥下。由此,通过惯性传感器和图像采集装置的综合识别效果,对当前车辆的所处桥上桥下位置进行判断,可以准确识别出当前是位于高架桥上还是高架桥下,进而自动规划路线,避免手动切换上下高架路线,提高了导航的准确性,提高了用户体验。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (12)
1.一种车辆导航中高架桥区识别方法,其特征在于,所述车辆上设置有惯性传感器和图像采集装置,所述方法包括:
确定所述车辆的当前位置,并根据所述当前位置判断所述车辆当前是否处于高架桥区的岔路口;
如果所述车辆当前处于高架桥区的岔路口,则获取所述惯性传感器在所述车辆行进第一距离过程中所测量的惯性数据;
获取所述图像采集装置在所述车辆行进第二距离过程中所采集的图像数据;
根据所述惯性传感器在所述车辆行进第一距离过程中所测量的惯性数据,和所述图像采集装置在所述车辆行进第二距离过程中所采集的图像数据,判断所述车辆当前是位于高架桥上还是位于高架桥下。
2.根据权利要求1所述的方法,其特征在于,根据所述惯性传感器在所述车辆行进第一距离过程中所测量的惯性数据,和所述图像采集装置在所述车辆行进第二距离过程中所采集的图像数据,判断所述车辆当前是位于高架桥上还是位于高架桥下,包括:
根据所述惯性数据,计算所述车辆当前运动方向与地球表面水平方向之间的夹角;
对所述图像采集装置在所述车辆行进第二距离过程中所采集的图像数据进行分类识别,得到对应的图像识别结果;
根据所述车辆当前运动方向与地球表面水平方向之间的夹角和所述图像识别结果,判断所述车辆当前是位于高架桥上还是位于高架桥下。
3.根据权利要求2所述的方法,其特征在于,根据所述惯性数据,计算所述车辆当前运动方向与地球表面水平方向之间的夹角,包括:
根据所述惯性数据,确定车辆运动方向上的非引力加速度,并确定所述车辆的当前加速度;
根据所述非引力加速度、所述车辆的当前加速度和重力加速度,计算所述车辆当前运动方向与地球表面水平方向之间的夹角。
4.根据权利要求2所述的方法,其特征在于,对所述图像采集装置在所述车辆行进第二距离过程中所采集的图像数据进行分类识别,得到对应的图像识别结果,包括:
通过第一识别模型对所述图像数据进行粗略分类识别,并通过第二识别模型对所述第一识别模型输出的分类标签为未知标签的图像数据进行精细判断;
根据所述第一识别模型输出的分类标签为桥上标签、桥下标签,以及所述第二识别模型输出的分类标签结果,最终得到对应的图像识别结果。
5.根据权利要求1至4中任一项所述的方法,其特征在于,还包括:
如果位于所述车辆上的地图引擎端处于导航起始态或处于偏航态,且所述车辆的当前位置属于高架桥区,则获取所述图像采集装置在所述车辆行进第三距离过程中采集的图像数据;
对所述图像数据进行分类识别,以判断所述车辆当前是位于高架桥上还是位于高架桥下。
6.一种车辆导航中高架桥区识别装置,其特征在于,所述车辆上设置有惯性传感器和图像采集装置,所述装置包括:
位置确定模块,用于确定所述车辆的当前位置;
岔路口判断模块,用于根据所述当前位置判断所述车辆当前是否处于高架桥区的岔路口;
惯性数据获取模块,用于在判断所述车辆当前处于高架桥区的岔路口时,获取所述惯性传感器在所述车辆行进第一距离过程中所测量的惯性数据;
图像数据获取模块,用于获取所述图像采集装置在所述车辆行进第二距离过程中所采集的图像数据;
桥区识别模块,用于根据所述惯性传感器在所述车辆行进第一距离过程中所测量的惯性数据,和所述图像采集装置在所述车辆行进第二距离过程中所采集的图像数据,判断所述车辆当前是位于高架桥上还是位于高架桥下。
7.根据权利要求6所述的装置,其特征在于,所述桥区识别模块包括:
惯性数据处理单元,用于根据所述惯性数据,计算所述车辆当前运动方向与地球表面水平方向之间的夹角;
图像数据处理单元,用于对所述图像采集装置在所述车辆行进第二距离过程中所采集的图像数据进行分类识别,得到对应的图像识别结果;
识别单元,用于根据所述车辆当前运动方向与地球表面水平方向之间的夹角和所述图像识别结果,判断所述车辆当前是位于高架桥上还是位于高架桥下。
8.根据权利要求7所述的装置,其特征在于,所述惯性数据处理单元具体用于:
根据所述惯性数据,确定车辆运动方向上的非引力加速度,并确定所述车辆的当前加速度;
根据所述非引力加速度、所述车辆的当前加速度和重力加速度,计算所述车辆当前运动方向与地球表面水平方向之间的夹角。
9.根据权利要求7所述的装置,其特征在于,所述图像数据处理单元具体用于:
通过第一识别模型对所述图像数据进行粗略分类识别,并通过第二识别模型对所述第一识别模型输出的分类标签为未知标签的图像数据进行精细判断;
根据所述第一识别模型输出的分类标签为桥上标签、桥下标签,以及所述第二识别模型输出的分类标签结果,最终得到对应的图像识别结果。
10.根据权利要求6至9中任一项所述的装置,其特征在于,
所述图像数据获取模块,还用于在位于所述车辆上的地图引擎端处于导航起始态或处于偏航态,且在确定所述车辆的当前位置属于高架桥区时,获取所述图像采集装置在所述车辆行进第三距离过程中采集的图像数据;
所述桥区识别模块,还用于对所述图像采集装置在所述车辆行进第三距离过程中采集的图像数据进行分类识别,以判断所述车辆当前是位于高架桥上还是位于高架桥下。
11.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至5中任一项所述的车辆导航中高架桥区识别方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1至5中任一项所述的车辆导航中高架桥区识别方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910939195.9A CN110617826B (zh) | 2019-09-29 | 2019-09-29 | 车辆导航中高架桥区识别方法、装置、设备和存储介质 |
CN202110961517.7A CN113819910A (zh) | 2019-09-29 | 2019-09-29 | 车辆导航中高架桥区识别方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910939195.9A CN110617826B (zh) | 2019-09-29 | 2019-09-29 | 车辆导航中高架桥区识别方法、装置、设备和存储介质 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110961517.7A Division CN113819910A (zh) | 2019-09-29 | 2019-09-29 | 车辆导航中高架桥区识别方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110617826A true CN110617826A (zh) | 2019-12-27 |
CN110617826B CN110617826B (zh) | 2021-10-01 |
Family
ID=68924941
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110961517.7A Pending CN113819910A (zh) | 2019-09-29 | 2019-09-29 | 车辆导航中高架桥区识别方法及其装置 |
CN201910939195.9A Active CN110617826B (zh) | 2019-09-29 | 2019-09-29 | 车辆导航中高架桥区识别方法、装置、设备和存储介质 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110961517.7A Pending CN113819910A (zh) | 2019-09-29 | 2019-09-29 | 车辆导航中高架桥区识别方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN113819910A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111310675A (zh) * | 2020-02-20 | 2020-06-19 | 上海赛可出行科技服务有限公司 | 基于卷积神经网络的高架识别辅助定位方法 |
CN111504334A (zh) * | 2020-04-13 | 2020-08-07 | 腾讯科技(深圳)有限公司 | 电子地图的道路更新方法、装置、计算机设备和存储介质 |
CN112197780A (zh) * | 2020-09-15 | 2021-01-08 | 汉海信息技术(上海)有限公司 | 路径规划方法、装置、电子设备 |
CN113758490A (zh) * | 2020-06-01 | 2021-12-07 | 南宁富桂精密工业有限公司 | 进入匝道判断方法及导航系统 |
CN113792589A (zh) * | 2021-08-06 | 2021-12-14 | 荣耀终端有限公司 | 一种高架识别方法及装置 |
CN114519935A (zh) * | 2020-11-20 | 2022-05-20 | 华为技术有限公司 | 道路识别方法以及装置 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101290230A (zh) * | 2008-04-14 | 2008-10-22 | 凯立德欣技术(深圳)有限公司 | 一种交叉路口的导航方法及使用了此导航方法的导航系统 |
CN102829791A (zh) * | 2011-06-14 | 2012-12-19 | 上海博泰悦臻电子设备制造有限公司 | 基于车载终端的导航装置及导航路径修正的方法 |
US20140362082A1 (en) * | 2011-05-03 | 2014-12-11 | Google Inc. | Automated Overpass Extraction from Aerial Imagery |
CN105547309A (zh) * | 2015-12-02 | 2016-05-04 | 百度在线网络技术(北京)有限公司 | 一种高架桥道路的识别方法及装置 |
US9558467B1 (en) * | 2016-03-02 | 2017-01-31 | Software Ag | Systems and/or methods for grid-based multi-level digitization of enterprise models |
CN106989743A (zh) * | 2017-03-31 | 2017-07-28 | 上海电机学院 | 一种能自动感知进出高架道路信息的车辆导航设备 |
CN108334831A (zh) * | 2018-01-26 | 2018-07-27 | 中南大学 | 一种监测图像处理方法、监测终端及系统 |
CN108873040A (zh) * | 2017-05-16 | 2018-11-23 | 通用汽车环球科技运作有限责任公司 | 用于检测道路层位置的方法和设备 |
US20180341739A1 (en) * | 2017-05-23 | 2018-11-29 | Globalfoundries Inc. | Multi-stage pattern recognition in circuit designs |
CN109635737A (zh) * | 2018-12-12 | 2019-04-16 | 中国地质大学(武汉) | 基于道路标记线视觉识别辅助车辆导航定位方法 |
CN109919177A (zh) * | 2019-01-23 | 2019-06-21 | 西北工业大学 | 基于层次化深度网络的特征选择方法 |
KR20190079047A (ko) * | 2017-12-27 | 2019-07-05 | 소프트온넷(주) | 육안 인식 검사원의 부하경감을 위한 등급별 영상인식 기술을 이용한 cctv 영상내 의심물체 부분검사 지원 시스템 및 방법 |
CN110031010A (zh) * | 2019-04-09 | 2019-07-19 | 百度在线网络技术(北京)有限公司 | 车辆引导路线绘制方法、装置及设备 |
CN110221328A (zh) * | 2019-07-23 | 2019-09-10 | 广州小鹏汽车科技有限公司 | 一种组合导航方法和装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016022108A1 (en) * | 2014-08-06 | 2016-02-11 | Robinson Kurt B | Systems and methods involving features of adaptive and/or autonomous traffic control |
CN107179088B (zh) * | 2017-04-14 | 2020-05-22 | 深圳市森国科科技股份有限公司 | 一种基于高架路面的车辆导航方法及其装置 |
US10140553B1 (en) * | 2018-03-08 | 2018-11-27 | Capital One Services, Llc | Machine learning artificial intelligence system for identifying vehicles |
CN109737971B (zh) * | 2019-03-18 | 2020-12-04 | 爱驰汽车有限公司 | 车载辅助导航定位系统、方法、设备及存储介质 |
CN109883438B (zh) * | 2019-03-21 | 2021-07-20 | 斑马网络技术有限公司 | 车辆导航方法、装置、介质及电子设备 |
CN110164164B (zh) * | 2019-04-03 | 2022-11-25 | 浙江工业大学之江学院 | 利用摄像头拍摄功能增强手机导航软件识别复杂道路精准度的方法 |
CN110175533A (zh) * | 2019-05-07 | 2019-08-27 | 平安科技(深圳)有限公司 | 高架桥交通状况实时监测方法、装置、终端及存储介质 |
-
2019
- 2019-09-29 CN CN202110961517.7A patent/CN113819910A/zh active Pending
- 2019-09-29 CN CN201910939195.9A patent/CN110617826B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101290230A (zh) * | 2008-04-14 | 2008-10-22 | 凯立德欣技术(深圳)有限公司 | 一种交叉路口的导航方法及使用了此导航方法的导航系统 |
US20140362082A1 (en) * | 2011-05-03 | 2014-12-11 | Google Inc. | Automated Overpass Extraction from Aerial Imagery |
CN102829791A (zh) * | 2011-06-14 | 2012-12-19 | 上海博泰悦臻电子设备制造有限公司 | 基于车载终端的导航装置及导航路径修正的方法 |
CN105547309A (zh) * | 2015-12-02 | 2016-05-04 | 百度在线网络技术(北京)有限公司 | 一种高架桥道路的识别方法及装置 |
US9558467B1 (en) * | 2016-03-02 | 2017-01-31 | Software Ag | Systems and/or methods for grid-based multi-level digitization of enterprise models |
CN106989743A (zh) * | 2017-03-31 | 2017-07-28 | 上海电机学院 | 一种能自动感知进出高架道路信息的车辆导航设备 |
CN108873040A (zh) * | 2017-05-16 | 2018-11-23 | 通用汽车环球科技运作有限责任公司 | 用于检测道路层位置的方法和设备 |
US20180341739A1 (en) * | 2017-05-23 | 2018-11-29 | Globalfoundries Inc. | Multi-stage pattern recognition in circuit designs |
KR20190079047A (ko) * | 2017-12-27 | 2019-07-05 | 소프트온넷(주) | 육안 인식 검사원의 부하경감을 위한 등급별 영상인식 기술을 이용한 cctv 영상내 의심물체 부분검사 지원 시스템 및 방법 |
CN108334831A (zh) * | 2018-01-26 | 2018-07-27 | 中南大学 | 一种监测图像处理方法、监测终端及系统 |
CN109635737A (zh) * | 2018-12-12 | 2019-04-16 | 中国地质大学(武汉) | 基于道路标记线视觉识别辅助车辆导航定位方法 |
CN109919177A (zh) * | 2019-01-23 | 2019-06-21 | 西北工业大学 | 基于层次化深度网络的特征选择方法 |
CN110031010A (zh) * | 2019-04-09 | 2019-07-19 | 百度在线网络技术(北京)有限公司 | 车辆引导路线绘制方法、装置及设备 |
CN110221328A (zh) * | 2019-07-23 | 2019-09-10 | 广州小鹏汽车科技有限公司 | 一种组合导航方法和装置 |
Non-Patent Citations (2)
Title |
---|
LE DUY-DINH等: ""A Multi-Stage Approach to Fast Face Detection(Image Recognition, Computer Vision)"", 《IEICE TRANSACTIONS ON INFORMATION AND SYSTEMS》 * |
史少菲: ""基于卷积神经网络的图像精细识别研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111310675A (zh) * | 2020-02-20 | 2020-06-19 | 上海赛可出行科技服务有限公司 | 基于卷积神经网络的高架识别辅助定位方法 |
CN111504334A (zh) * | 2020-04-13 | 2020-08-07 | 腾讯科技(深圳)有限公司 | 电子地图的道路更新方法、装置、计算机设备和存储介质 |
CN111504334B (zh) * | 2020-04-13 | 2022-01-11 | 腾讯科技(深圳)有限公司 | 电子地图的道路更新方法、装置、计算机设备和存储介质 |
CN113758490A (zh) * | 2020-06-01 | 2021-12-07 | 南宁富桂精密工业有限公司 | 进入匝道判断方法及导航系统 |
CN112197780A (zh) * | 2020-09-15 | 2021-01-08 | 汉海信息技术(上海)有限公司 | 路径规划方法、装置、电子设备 |
CN114519935A (zh) * | 2020-11-20 | 2022-05-20 | 华为技术有限公司 | 道路识别方法以及装置 |
WO2022105758A1 (zh) * | 2020-11-20 | 2022-05-27 | 华为技术有限公司 | 道路识别方法以及装置 |
CN113792589A (zh) * | 2021-08-06 | 2021-12-14 | 荣耀终端有限公司 | 一种高架识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113819910A (zh) | 2021-12-21 |
CN110617826B (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110617826B (zh) | 车辆导航中高架桥区识别方法、装置、设备和存储介质 | |
CN110556012B (zh) | 车道定位方法及车辆定位系统 | |
CN111959495B (zh) | 车辆的控制方法、装置及车辆 | |
US11887376B2 (en) | Method and apparatus of estimating road condition, and method and apparatus of establishing road condition estimation model | |
CN110377025A (zh) | 用于自动驾驶车辆的传感器聚合框架 | |
CN109429518A (zh) | 基于地图图像的自动驾驶交通预测 | |
CN110675644B (zh) | 道路红绿灯的识别方法、装置、电子设备及存储介质 | |
CN112581763A (zh) | 道路事件检测的方法、装置、设备和存储介质 | |
US20150285639A1 (en) | Method and system for crowd sensing to be used for automatic semantic identification | |
CN111967301A (zh) | 定位导航方法、装置、电子设备和存储介质 | |
CN107816998B (zh) | 信息处理方法及装置 | |
CN110660219A (zh) | 停车场停车预测方法和装置 | |
CN113091757B (zh) | 地图生成方法和装置 | |
CN111985662A (zh) | 网络约车方法、装置、电子设备和存储介质 | |
CN112650772A (zh) | 数据处理方法、装置、存储介质及计算机设备 | |
CN111442775B (zh) | 道路的识别方法、装置、电子设备及可读存储介质 | |
CN107548466A (zh) | 一种检测道路障碍物的方法及装置 | |
JP2014160031A (ja) | 走行案内システム、走行案内方法及びコンピュータプログラム | |
CN113011298A (zh) | 截断物体样本生成、目标检测方法、路侧设备和云控平台 | |
WO2015150855A1 (en) | A method and system for crowd sensing to be used for automatic semantic identification | |
US20240166243A1 (en) | Automatic driving-based riding method, apparatus and device, and storage medium | |
CN112987707A (zh) | 一种车辆的自动驾驶控制方法及装置 | |
WO2008047449A1 (fr) | Dispositif d'affichage d'image, procédé d'affichage d'image, programme d'affichage d'image et support d'enregistrement | |
CN112612798B (zh) | 引导内容更新方法、训练方法、装置、设备及存储介质 | |
CN114528365A (zh) | 高速公路停车区域的识别方法及装置、电子设备和介质 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211013 Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing Patentee after: Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing Patentee before: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd. |
|
TR01 | Transfer of patent right |