CN110826568A - 基于路标的室内定位方法、装置和电子设备 - Google Patents
基于路标的室内定位方法、装置和电子设备 Download PDFInfo
- Publication number
- CN110826568A CN110826568A CN201911085822.3A CN201911085822A CN110826568A CN 110826568 A CN110826568 A CN 110826568A CN 201911085822 A CN201911085822 A CN 201911085822A CN 110826568 A CN110826568 A CN 110826568A
- Authority
- CN
- China
- Prior art keywords
- road sign
- determining
- landmark
- user
- cnn model
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Navigation (AREA)
Abstract
本发明提供的基于路标的室内定位方法、装置和电子设备,涉及室内定位领域,该方法通过接收用户的定位请求,其中定位请求携带有用户发送的包含路标的图片信息;然后应用训练完成的CNN模型,基于图片信息确定路标的方向;以及应用OCR,基于图片信息确定路标的文字;最后基于路标的方向和文字确定用户的位置。因此,本发明实施例提供的技术方案,利用室内已有的路标指示牌实现室内定位,不需要在室内安装任何硬件,节约了成本。
Description
技术领域
本发明涉及定位领域,具体而言,涉及一种基于路标的室内定位方法、装置和电子设备。
背景技术
在室内定位系统的技术发展上,所采用的技术其实相当广泛,任何无线相关可以达到定位的技术均能够采用,这也让室内定位系统开发上,发展面向有相当大的不同。目前室内定位感测技术,常见的是基于无线网络实现的,而基于无线网络的定位主要是利用终端(例如接收机)和基站之间的位置关系,通过方程组的计算来得到定位结果,例如RFID定位技术、UWB定位技术、ZigBee定位技术、卫星定位技术等。
目前,现有的室内定位技术,为了实现室内定位,需要依赖设备管理方的积极配合,例如是提供室内定位用的基站等设备。该现有技术由于涉及跨部门的配合,往往需要的设备资金较大,成本较高,因此室内定位还不能很好的普及。
发明内容
有鉴于此,本发明的目的在于提供一种基于路标的室内定位方法、装置、电子设备和计算机可读存储介质。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,实施例提供一种基于路标的室内定位方法,包括:
接收用户的定位请求,所述定位请求携带有用户发送的包含路标的图片信息;
应用训练完成的CNN模型,基于所述图片信息确定所述路标的方向;
应用OCR,基于所述图片信息确定所述路标的文字;
基于所述方向和所述文字确定所述用户的位置。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实现方式,其中,所述基于所述方向和所述文字确定用户的位置,包括:
将所述方向和所述文字在路标指示数据库中进行查询,生成查询结果;
如果所述查询结果指示所述方向和所述文字在所述路标指示数据库中,确定所述路标的指示ID;
将所述路标的指示ID确定为用户的位置。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实现方式,其中,将所述方向和所述文字在路标指示数据库中进行查询,包括:
应用序列匹配算法,基于所述文字在所述路标指示数据库中进行匹配,将路标指示数据库中匹配阈值大于预设阈值的结果作为所述文字的识别结果。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实现方式,其中,还包括:
将所述路标的指示ID标识于预先构建的地图引擎上,生成定位结果;所述定位结果包括所述路标的指示ID在所述地图引擎上的标识位置;
将所述定位结果发送给用户。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实现方式,其中,所述CNN模型包括第一CNN模型和第二CNN模型;
应用训练完成的CNN模型,基于所述图片信息确定所述路标的方向的步骤,包括:
应用所述第一CNN模型,基于所述图片信息识别出所述路标;
应用所述第二CNN模型,基于所述路标确定所述路标的方向。
结合第一方面,本发明实施例提供了第一方面的第五种可能的实现方式,其中,在应用第二CNN模型,基于所述路标确定所述路标的方向的步骤之前,还包括:
对所述路标进行图像预处理,得到标准形状的路标。
结合第一方面,本发明实施例提供了第一方面的第六种可能的实现方式,其中,在基于所述方向和所述文字确定所述用户的位置的步骤之前,还包括:
对所述文字进行过滤处理。
第二方面,实施例提供一种基于路标的室内定位装置,包括:
接收模块,用于接收用户的定位请求,所述定位请求携带有用户发送的包含路标的图片信息;
第一确定模块,用于应用训练完成的CNN模型,基于所述图片信息确定所述路标的方向;
第二确定模块,用于应用OCR,基于所述图片信息确定所述路标的文字;
定位模块,用于基于所述方向和所述文字确定所述用户的位置。
第三方面,实施例提供一种电子设备,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器可执行所述机器可执行指令以实现前述实施方式任一项所述的方法。
第四方面,实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如前述实施方式中任一项所述的方法。
本发明实施例带来了以下有益效果:
本发明实施例提供的基于路标的室内定位方法、装置、电子设备和计算机可读存储介质,通过接收用户的定位请求,该定位请求携带有用户发送的包含路标的图片信息;然后应用训练完成的CNN模型,基于所述图片信息确定所述路标的方向;以及应用OCR,基于所述图片信息确定所述路标的文字;最后基于所述方向和所述文字确定所述用户的位置。因此,本发明实施例提供的技术方案,利用室内已有的路标指示牌做定位,不需要在室内安装任何定位硬件,节约了成本。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例提供的一种基于室内定位方法的示意图;
图2示出了图1中步骤S108的具体流程图;
图3示出了本发明实施例提供的另一种基于室内定位方法的示意图;
图4示出了本发明实施例提供的路标的示意图;
图5示出了本发明实施例提供的基于路标的室内定位方法的应用原理图;
图6示出了本发明实施例提供的路标的第一结果示意图;
图7示出了本发明实施例提供的路标的第二结果示意图;
图8示出了本发明实施例提供的路标的第一结果示意图;
图9示出了本发明实施例提供的方向图案样本集的示意图;
图10示出了本发明实施例提供的室内定位结果的示意图;
图11示出了本发明实施例提供的基于路标的室内定位装置的示意图;
图12示出了本发明实施例提供的电子设备的示意图。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
目前,现有的室内定位技术,为了实现室内定位,需要依赖设备管理方的积极配合,例如是提供室内定位用的基站等设备。该现有技术由于涉及跨部门的配合,往往需要的设备资金较大,成本较高,因此室内定位还不能很好的普及。
基于此,本发明实施例提供了一种基于路标的室内定位方法、装置和电子设备,可以缓解现有技术中成本较高的问题,能够降低室内定位的成本,同时定位精度较高。
本发明实施例提供了一种基于路标的室内定位方法,可以应用于具有路标指示的室内场所,例如机场、商场、医院、工厂等大型设施,由对应的电子设备执行,电子设备例如可以是服务器等,实现室内定位。
参照图1,该基于路标的室内定位方法包括:
步骤S102,接收用户的定位请求,上述定位请求携带有用户发送的包含路标的图片信息;
用户可以通过终端设备(例如手机、平板、可穿戴设备等移动设备)将图片信息发送到服务器来发送定位请求,其中,终端设备安装有基于路标定位的客户端(一种应用程序或软件),上述的图片信息包括有路标,服务器接收该定位请求,并可以对请求作出响应。
步骤S104,应用训练完成的CNN模型,基于上述图片信息确定上述路标的方向;
具体的,服务器响应于上述的定位请求,应用预先训练完成的CNN模型,对该图片信息中的路标进行识别,确定出路标的方向。
步骤S106,应用OCR,基于上述图片信息确定上述路标的文字;
具体的,服务器应用OCR对图片信息中路标进行识别,确定出路标的文字。
在可选的实施方式中,上述CNN模型包括第一CNN模型和第二CNN模型;
对于步骤S104,可以包括以下步骤:
A应用上述第一CNN模型,基于上述图片信息识别出上述路标;
这里采用第一CNN模型将图片信息中的路标识别出来。其中第一CNN模型可以通过对初始的CNN模型基于大量的路标样本图片来进行机器学习得到的。
在可选的实施方式中,可以采用AWS Rekognition对初始的CNN模型进行训练,得到第一CNN模型;
C应用上述第二CNN模型,基于上述路标确定上述路标的方向。
这里采用第二CNN模型对路标中的方向进行识别。其中,第二CNN模型可以通过对初始的CNN模型基于方向图案数据库中大量的方向样本进行机器学习得到的。
在可选的实施方式中,可以采用Google AutoML对初始的CNN模型进行训练,得到第二CNN模型,这样训练完成的第二CNN模型可以直接对图片信息中的路标进行识别,识别出路标的方向。
需要说明的是,在上述网络模型(不管是CNN模型还是第一CNN模型、第二CNN模型)的训练过程中,图案样本集会分成8:1:1(培训用的样本数量:测试用的样本数量:验证用的样本数量)。
在其他实施方式中,还可以直接采用大量的包括有路标的图片,并对图片进行标注,标记出路标的方向,利用这些标注的样本对初始的CNN模型进行训练,来得到训练完成的CNN模型;然后即可以应用该训练完成的CNN模型来对上述定位请求中的图片信息进行预测,确定路标的方向。
需要说明的是,CNN(Convolutional Neural Network,卷积神经网络)和OCR(Optical Character Reader,光学字符阅读)等已经成熟,其训练过程和开发流程可以参照现有技术,对此不再赘述。
在可选的实施方式中,在应用第二CNN模型,基于上述路标确定上述路标的方向的步骤之前,该方法还可以包括:
B对上述路标进行图像预处理,得到标准形状的路标。
上述的预处理包括直方图均衡处理(Histogram Equalisation,可用于增加图像的全局对比度),图像阈值处理(Thresholding,可用于提取路标指示牌形状和方向)、边缘膨胀和侵蚀(Edge Dilation and Erosion)处理、轮廓检测算法处理、旋转拉伸处理等。
具体的,该步骤B通过以下步骤实现:
B1应用直方图均衡,图像阈值处理、边缘膨胀和侵蚀处理,基于上述路标得到中间灰度图像;
B2应用轮廓检测算法对上述的中间灰度图像进行路标轮廓检测得到路标的图像;
B3应用旋转拉伸处理对路标的图像进行旋转拉伸,得到标准形状的路标;
在可选的实施方式中,上述的标准形状为矩形。
步骤S108,基于上述方向和上述文字确定上述用户的位置。
具体的,服务器根据分别由CNN和OCR读出的路标的方向、路标的文字,来确定用户的位置。
在可选的实施方式中,如图2所示,该步骤S108可以通过以下步骤执行:
步骤S202,将路标的方向和路标的文字在路标指示数据库中进行查询,生成查询结果;
这里路标的方向和路标的文字需要与路标指示数据库中的同一个路标的方向和文字进行比较,即方向和文字需要在同一个路标上,只要这样方向和文字均匹配得到一个路标,才认为匹配成功。
在实施时,该步骤S202可以通过以下步骤执行:
1、应用序列匹配算法,基于上述文字在上述路标指示数据库中进行匹配,将路标指示数据库中匹配阈值大于预设阈值的结果作为上述文字的识别结果。
步骤S204,如果上述查询结果指示上述方向和上述文字在上述路标指示数据库中,确定上述路标的指示ID;
步骤S206,将上述路标的指示ID确定为用户的位置。
在可选的实施方式中,该方法还可以包括:
步骤S208,将路标的指示ID标识于预先构建的地图引擎上,生成定位结果;
其中上述位结果包括上述路标的指示ID在上述地图引擎上的标识位置;
步骤S210,将上述定位结果发送给用户。
本发明实施例提供的基于路标的室内定位方法,通过接收用户的定位请求,该定位请求携带有用户发送的包含路标的图片信息;然后应用训练完成的CNN模型,基于上述图片信息确定上述路标的方向;以及应用OCR,基于上述图片信息确定上述路标的文字;最后基于上述方向和上述文字确定上述用户的位置。因此,本发明实施例提供的技术方案,利用室内已有的路标指示牌做定位,不需要在室内安装任何定位硬件,节约了成本。
如图3所示,本发明实施例提供了另一种基于路标的室内定位方法,应用于电子设备(例如服务器),其中路标包括黑色背景标识,发光文本、矩形形状、方向、图标、文本及其预设翻译文本;该方法包括:
步骤S302,接收用户的定位请求,上述定位请求携带有用户发送的包含路标的图片信息;
步骤S304,应用训练完成的CNN模型,基于上述图片信息确定上述路标的方向;
步骤S306,应用OCR,基于上述图片信息确定上述路标的文字;
步骤S308,对上述路标的文字进行过滤处理。
其中过滤处理包括数字过滤处理、字母过滤处理、字符过滤处理(例如空格处理)等。
步骤S310,基于路标的方向和路标的文字确定用户的位置。
本发明实施例提供的基于路标的室内定位方法,是一种基于室内路标的机器视觉方案,无需设施管理方设置任何硬件(例如基站),既可实现高精度的室内定位,节约了成本。
为了便于理解,下面结合实际应用场景对本实施例提供的基于路标的室内定位方法进行说明:
在大型室内场所,比如机场、商场等的路标指示通常都是标准化的指示路标。以图4示出的一种路标为例,该路标有以下的特点:
1、所有路标的标牌都具有平面;
2、路标标志背景是黑色的,文本发光;
3、路边的形状通常是矩形;
4、每行路标的标牌的格式一般包括“方向,图标,文字,翻译”;
5、方向,图标,文字、翻译(如英文)的颜色通常为蓝色或黄色。
参照图5,以图4所示的路标(该路标具有上述的特点,为彩色图,即实际上字体、颜色是都具有的)为例,对该基于路标的室内方法的工作流程介绍如下,该方法包括:
步骤S502,上传照片;
首先用户将包括路标指示的照片从手机上传到服务器;
步骤S504,CNN模型识别路标;
接着服务器用训练完成的CNN模型将路标识别出来;具体的,首先采用CNN将路标识别出来。由于CNN机器学习需要大量图(例如类似图4的样本数据库)来做训练,所以可以直接采用AWSRekognition已经训练好的CNN找出路标,结果如图6所示(该图为彩色图,仍然是字体、图标都具有颜色的)。
步骤S506,图像预处理;
图像预处理主要包括:首先采用直方图均衡(Histogram Equalisation),阈值处理(Thresholding)、边缘膨胀和侵蚀(Edge Dilation and Erosion)来获取图6的边缘形状,器结果如图7所示(此时图为黑白图);然后采用轮廓检测算法来找出图7中的矩形,之后再将找到的矩形拉伸到标准矩形形状,结果如图8所示。
需要指出的是,上述预处理的执行过程可以根据实际需要调整,例如先进行边缘膨胀和侵蚀,然后轮廓检测并拉到标准形状,再进行直方图均衡和阈值处理等。
步骤S508,CNN识别方向,OCR读取文字;
其中,采用CNN找出路标的方向。由于箭头方向的CNN没有在AWSRekognition的CNN被训练,所以需要收集方向图案训练,方向图案的样本集如图9所示。这里可采用GoogleAutoML训练。训练时,图案集分成8:1:1(即培训:测试:验证的比例),大约半个小时训练完成,之后直接放照片,方向便会被识别出来。
采用OCR读取路标的文字,再用数字过滤处理和英文过滤处理,处理的结果参照下表1。
表1 路标的文字过滤结果
步骤S510,在数据库中作对比,确定路标ID;
将上述得到的数据(方向和文字)跟数据库比较。由于OCR存在误差,例如是多了空格等,所以在比较时采用序列匹配算法。将阈值设置为0.75以上的数值,例如表2所示,表2中的阈值设置为0.8。
表2 序列匹配算法原理
步骤S510,上传路标ID,并在地图引擎上定位。
最后比较完得出的路标的ID发送到已经整理好的地图引擎上。该地图引擎预先将路标的ID和位置关系对应起来,从而实现室内定位,定位结果参见图10。
本发明实施例提供的基于路标的室内定位方法,能够做到没有硬件的纯软件室内定位,不需要设备管理方的任何配合能做得到高准确性的路标指示识别。相比于现有的RFID等无线室内定位技术,该方法在室内定位的开发和维护费用较低。此外,该方法没有对原来的设备架构带来任何改变,容易开发。
图11为本申请实施例提供的一种基于路标的室内定位装置的示意图。
参照图4,该装置包括:接收模块401、第一确定模块402、第二确定模块403以及定位模块404;
其中,接收模块401,用于接收用户的定位请求,所述定位请求携带有用户发送的包含路标的图片信息;
第一确定模块402,用于应用训练完成的CNN模型,基于所述图片信息确定所述路标的方向;
第二确定模块403,用于应用OCR,基于所述图片信息确定所述路标的文字;
定位模块404,用于基于所述方向和所述文字确定所述用户的位置。
一种可选实施方式中,该装置还包括:
定位模块404在基于所述方向和所述文字确定用户的位置时,用于将所述方向和所述文字在路标指示数据库中进行查询,生成查询结果;
如果所述查询结果指示所述方向和所述文字在所述路标指示数据库中,确定所述路标的指示ID;
将所述路标的指示ID确定为用户的位置。
一种可选实施方式中,定位模块404在将所述方向和所述文字在路标指示数据库中进行查询时,用于应用序列匹配算法,基于所述文字在所述路标指示数据库中进行匹配,将路标指示数据库中匹配阈值大于预设阈值的结果作为所述文字的识别结果。
一种可选实施方式中,该装置还包括:
发送模块405,用于将所述路标的指示ID标识于预先构建的地图引擎上,生成定位结果;所述定位结果包括所述路标的指示ID在所述地图引擎上的标识位置;将所述定位结果发送给用户。
一种可选实施方式中,所述CNN模型包括第一CNN模型和第二CNN模型;第一确定模块402在应用训练完成的CNN模型,基于所述图片信息确定所述路标的方向时,用于应用所述第一CNN模型,基于所述图片信息识别出所述路标;应用所述第二CNN模型,基于所述路标确定所述路标的方向。
一种可选实施方式中,第一确定模块402在应用第二CNN模型,基于所述路标确定所述路标的方向之前,还用于对所述路标进行图像预处理,得到标准形状的路标。
一种可选实施方式中,定位模块404在基于所述方向和所述文字确定所述用户的位置之前,还用于对所述文字进行过滤处理。
本申请实施例提供的基于路标的室内定位装置,与上述实施例提供的基于路标的室内定位方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
参见图12,本发明实施例还提供一种电子设备100,包括:
处理器41、存储器42、和总线43;存储器42用于存储执行指令,包括内存421和外部存储器422;这里的内存421也称内存储器,用于暂时存放处理器41中的运算数据,以及与硬盘等外部存储器422交换的数据,处理器41通过内存421与外部存储器422进行数据交换,当所述计算机设备400运行时,所述处理器41与所述存储器42之间通过总线43通信,使得所述处理器41在用户态执行以下指令:
接收用户的定位请求,所述定位请求携带有用户发送的包含路标的图片信息;应用训练完成的CNN模型,基于所述图片信息确定所述路标的方向;应用OCR,基于所述图片信息确定所述路标的文字;基于所述方向和所述文字确定所述用户的位置。
可选地,处理器41执行的指令中,所述基于所述方向和所述文字确定用户的位置,包括:将所述方向和所述文字在路标指示数据库中进行查询,生成查询结果;
如果所述查询结果指示所述方向和所述文字在所述路标指示数据库中,确定所述路标的指示ID;将所述路标的指示ID确定为用户的位置。
可选地,处理器41执行的指令中,将所述方向和所述文字在路标指示数据库中进行查询,包括:应用序列匹配算法,基于所述文字在所述路标指示数据库中进行匹配,将路标指示数据库中匹配阈值大于预设阈值的结果作为所述文字的识别结果。
可选地,处理器41执行的指令中,还包括:将所述路标的指示ID标识于预先构建的地图引擎上,生成定位结果;所述定位结果包括所述路标的指示ID在所述地图引擎上的标识位置;将所述定位结果发送给用户。
可选地,处理器41执行的指令中,所述CNN模型包括第一CNN模型和第二CNN模型;应用训练完成的CNN模型,基于所述图片信息确定所述路标的方向的步骤,包括:应用所述第一CNN模型,基于所述图片信息识别出所述路标;应用所述第二CNN模型,基于所述路标确定所述路标的方向。
可选地,处理器41执行的指令中,在应用第二CNN模型,基于所述路标确定所述路标的方向的步骤之前,还包括:对所述路标进行图像预处理,得到标准形状的路标。
可选地,处理器41执行的指令中,在基于所述方向和所述文字确定所述用户的位置的步骤之前,还包括:对所述文字进行过滤处理。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行上述实施例提供的基于路标的室内定位方法的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于路标的室内定位方法,其特征在于,包括:
接收用户的定位请求,所述定位请求携带有用户发送的包含路标的图片信息;
应用训练完成的CNN模型,基于所述图片信息确定所述路标的方向;
应用OCR,基于所述图片信息确定所述路标的文字;
基于所述方向和所述文字确定所述用户的位置。
2.根据权利要求1所述的方法,其特征在于,所述基于所述方向和所述文字确定用户的位置,包括:
将所述方向和所述文字在路标指示数据库中进行查询,生成查询结果;
如果所述查询结果指示所述方向和所述文字在所述路标指示数据库中,确定所述路标的指示ID;
将所述路标的指示ID确定为用户的位置。
3.根据权利要求2所述的方法,其特征在于,将所述方向和所述文字在路标指示数据库中进行查询,包括:
应用序列匹配算法,基于所述文字在所述路标指示数据库中进行匹配,将路标指示数据库中匹配阈值大于预设阈值的结果作为所述文字的识别结果。
4.根据权利要求2所述的方法,其特征在于,还包括:
将所述路标的指示ID标识于预先构建的地图引擎上,生成定位结果;所述定位结果包括所述路标的指示ID在所述地图引擎上的标识位置;
将所述定位结果发送给用户。
5.根据权利要求1所述的方法,其特征在于,所述CNN模型包括第一CNN模型和第二CNN模型;
应用训练完成的CNN模型,基于所述图片信息确定所述路标的方向的步骤,包括:
应用所述第一CNN模型,基于所述图片信息识别出所述路标;
应用所述第二CNN模型,基于所述路标确定所述路标的方向。
6.根据权利要求5所述的方法,其特征在于,在应用第二CNN模型,基于所述路标确定所述路标的方向的步骤之前,还包括:
对所述路标进行图像预处理,得到标准形状的路标。
7.根据权利要求1所述的方法,其特征在于,在基于所述方向和所述文字确定所述用户的位置的步骤之前,还包括:
对所述文字进行过滤处理。
8.一种基于路标的室内定位装置,其特征在于,包括:
接收模块,用于接收用户的定位请求,所述定位请求携带有用户发送的包含路标的图片信息;
第一确定模块,用于应用训练完成的CNN模型,基于所述图片信息确定所述路标的方向;
第二确定模块,用于应用OCR,基于所述图片信息确定所述路标的文字;
定位模块,用于基于所述方向和所述文字确定所述用户的位置。
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器可执行所述机器可执行指令以实现权利要求1-7任一项所述的方法。
10.一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,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911085822.3A CN110826568A (zh) | 2019-11-08 | 2019-11-08 | 基于路标的室内定位方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911085822.3A CN110826568A (zh) | 2019-11-08 | 2019-11-08 | 基于路标的室内定位方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110826568A true CN110826568A (zh) | 2020-02-21 |
Family
ID=69553413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911085822.3A Pending CN110826568A (zh) | 2019-11-08 | 2019-11-08 | 基于路标的室内定位方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110826568A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116167687A (zh) * | 2023-04-25 | 2023-05-26 | 成都运荔枝科技有限公司 | 一种冷链系统智能调度方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101634563A (zh) * | 2008-07-25 | 2010-01-27 | 比亚迪股份有限公司 | 一种实现汽车导航的方法、装置及摄像机 |
CN107677282A (zh) * | 2017-10-30 | 2018-02-09 | 成都九壹通智能科技股份有限公司 | 一种高精度线路电子地图生成装置及方法 |
CN108734734A (zh) * | 2018-05-18 | 2018-11-02 | 中国科学院光电研究院 | 室内定位方法及系统 |
CN109858508A (zh) * | 2018-10-23 | 2019-06-07 | 重庆邮电大学 | 基于贝叶斯和深度神经网络的ip定位方法 |
CN109919157A (zh) * | 2019-03-28 | 2019-06-21 | 北京易达图灵科技有限公司 | 一种视觉定位方法及装置 |
CN110210362A (zh) * | 2019-05-27 | 2019-09-06 | 中国科学技术大学 | 一种基于卷积神经网络的交通标志检测方法 |
CN110297936A (zh) * | 2019-06-24 | 2019-10-01 | 福建工程学院 | 一种视频图像自动地理语义定位方法和系统 |
-
2019
- 2019-11-08 CN CN201911085822.3A patent/CN110826568A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101634563A (zh) * | 2008-07-25 | 2010-01-27 | 比亚迪股份有限公司 | 一种实现汽车导航的方法、装置及摄像机 |
CN107677282A (zh) * | 2017-10-30 | 2018-02-09 | 成都九壹通智能科技股份有限公司 | 一种高精度线路电子地图生成装置及方法 |
CN108734734A (zh) * | 2018-05-18 | 2018-11-02 | 中国科学院光电研究院 | 室内定位方法及系统 |
CN109858508A (zh) * | 2018-10-23 | 2019-06-07 | 重庆邮电大学 | 基于贝叶斯和深度神经网络的ip定位方法 |
CN109919157A (zh) * | 2019-03-28 | 2019-06-21 | 北京易达图灵科技有限公司 | 一种视觉定位方法及装置 |
CN110210362A (zh) * | 2019-05-27 | 2019-09-06 | 中国科学技术大学 | 一种基于卷积神经网络的交通标志检测方法 |
CN110297936A (zh) * | 2019-06-24 | 2019-10-01 | 福建工程学院 | 一种视频图像自动地理语义定位方法和系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116167687A (zh) * | 2023-04-25 | 2023-05-26 | 成都运荔枝科技有限公司 | 一种冷链系统智能调度方法 |
CN116167687B (zh) * | 2023-04-25 | 2023-06-27 | 成都运荔枝科技有限公司 | 一种冷链系统智能调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109582880B (zh) | 兴趣点信息处理方法、装置、终端及存储介质 | |
US10007867B2 (en) | Systems and methods for identifying entities directly from imagery | |
Baatz et al. | Leveraging 3D city models for rotation invariant place-of-interest recognition | |
CN105637530B (zh) | 一种使用众包视频的3d模型更新的方法及系统 | |
US20180188033A1 (en) | Navigation method and device | |
CN104090970A (zh) | 兴趣点的展现方法及装置 | |
CN110704712A (zh) | 基于图像检索的场景图片拍摄位置范围识别方法及系统 | |
CN104281840A (zh) | 一种基于智能终端定位识别建筑物的方法及装置 | |
CN107636646B (zh) | 利用地理定位的成像进行设施锚定 | |
CN111832579B (zh) | 地图兴趣点数据处理方法、装置、电子设备以及可读介质 | |
CN111340015B (zh) | 定位方法和装置 | |
CN110781195B (zh) | 一种兴趣点信息更新的系统、方法和装置 | |
CN110609879B (zh) | 兴趣点判重方法、装置、计算机设备及存储介质 | |
JP2014009993A (ja) | 情報処理システム、情報処理装置、サーバ、端末装置、情報処理方法、及びプログラム | |
CN112396060B (zh) | 基于身份证分割模型的身份证识别方法及其相关设备 | |
CN108512888B (zh) | 一种信息标注方法、云端服务器、系统及电子设备 | |
CN110826568A (zh) | 基于路标的室内定位方法、装置和电子设备 | |
JP2000047579A (ja) | 地図データベース更新装置 | |
CN113704276A (zh) | 地图更新方法、装置、电子设备及计算机可读存储介质 | |
CN111383271B (zh) | 一种基于图片的方向标注方法及装置 | |
CN109558809B (zh) | 一种图像处理方法及装置 | |
CN114386156B (zh) | 基于bim的隐蔽构件显示方法、装置、设备及可读存储介质 | |
CN111522988B (zh) | 图像定位模型获取方法及相关装置 | |
JP6244887B2 (ja) | 情報処理装置、画像探索方法、及びプログラム | |
WO2006035476A1 (ja) | 位置特定サーバ及び移動体端末 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200221 |
|
RJ01 | Rejection of invention patent application after publication |