CN110927758B - 一种车辆钥匙自动找回方法和系统 - Google Patents
一种车辆钥匙自动找回方法和系统 Download PDFInfo
- Publication number
- CN110927758B CN110927758B CN201911054448.0A CN201911054448A CN110927758B CN 110927758 B CN110927758 B CN 110927758B CN 201911054448 A CN201911054448 A CN 201911054448A CN 110927758 B CN110927758 B CN 110927758B
- Authority
- CN
- China
- Prior art keywords
- key
- mobile terminal
- module
- application module
- access
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000011084 recovery Methods 0.000 claims abstract description 12
- 238000012549 training Methods 0.000 claims description 15
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000013135 deep learning Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 230000005856 abnormality Effects 0.000 claims description 2
- 239000004973 liquid crystal related substance Substances 0.000 claims 2
- 238000009434 installation Methods 0.000 claims 1
- 230000006870 function Effects 0.000 abstract description 12
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001360 synchronised effect Effects 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
-
- 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)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种车辆钥匙找回方法和系统,包括以下步骤,钥匙与移动端进行设备配对;配对成功后,所述移动端内置应用模块上设置所述钥匙的访问密钥并保存;输入访问密钥获得所述钥匙访问权限,所述钥匙实时上传位置坐标至所述应用模块内或者所述应用模块主动获取所述钥匙的实时位置坐标;所述移动端根据获取的坐标调用第三方导航应用软件自动生成规划导航路径找寻钥匙。本发明的有益效果:相比与传统的仅搭载GPS功能的车钥匙功能更加强大,不用等到车主发现车钥匙丢失再寻找,提供了主动提示车主的功能,缩短了被他人损坏的时间,更加智能和安全,且AI功能提供了延伸能力,未来可以扩展更多功能。
Description
技术领域
本发明涉及汽车钥匙定位的技术领域,尤其涉及一种基于GPS和AI技术的汽车钥匙自动找回方法。
背景技术
近年来随着家用汽车的普及,尤其是新能源汽车浪潮的到来,未来中国以及世界将有原来越多的家庭拥有汽车,汽车功能也从单一的驾驶变得原来越多样化,集驾驶、娱乐、数据处理、通讯等功能于一体,汽车钥匙作为汽车隐私安全的一部分,现得越来越重要。而且普通车钥匙一旦丢失,找寻难度大、厂家重新配对价格高昂、周期较长,极大限制了车主的出行便利。
当前GPS技术和AI技术已经趋于成熟,并在多款终端设备(如手机,智能手表等)上广泛使用,但尚无在汽车钥匙上商用的案例,本申请将利用GPS定位、AI深度学习的功能赋予汽车钥匙主动提醒车主,帮助丢失车钥匙找回,为汽车安全保驾护航。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题,提出了本发明。
因此,本发明解决的一个技术问题是:提供一种车辆钥匙找回方法,能够更加智能的帮助用户找回丢失的车钥匙,保障车主的财产和信息安全。
为解决上述技术问题,本发明提供如下技术方案:一种车辆钥匙找回方法,包括以下步骤,钥匙与移动端进行设备配对;配对成功后,所述移动端内置应用模块上设置所述钥匙的访问密钥并保存;输入访问密钥获得所述钥匙访问权限,所述钥匙实时上传位置坐标至所述应用模块内或者所述应用模块主动获取所述钥匙的实时位置坐标;所述移动端根据获取的坐标调用第三方导航应用软件自动生成规划导航路径找寻钥匙。
作为本发明所述的车辆钥匙找回方法的一种优选方案,其中:还包括以下训练步骤,所述钥匙与所述应用模块配对并保持连接;所述应用模块实时获取的所述钥匙位置坐标,用户选择标记其中的部分所述位置坐标属于家或者公司;将获取所述位置坐标和部分标记坐标共同输入所述钥匙内训练出合理的位置范围;所述钥匙生成训练的样本同步至所述应用模块中保存。
作为本发明所述的车辆钥匙找回方法的一种优选方案,其中:还包括所述钥匙异常步骤,当所述钥匙未在使用时;所述钥匙上传的实时位置坐标一段时间内偏离所述位置范围;所述钥匙发出异常报警,且所述应用模块提示用户所述钥匙是否丢失的选项。
作为本发明所述的车辆钥匙找回方法的一种优选方案,其中:所述钥匙与移动端进行设备通过蓝牙进行配对绑定,且配对成功后,在所述应用模块上输入所述钥匙的设备信息,包括设备型号、电量信息和内存使用信息。
作为本发明所述的车辆钥匙找回方法的一种优选方案,其中:所述访问密钥包括设置密码或者指纹,所述访问密钥与所述钥匙、所述移动端对应绑定,还包括以下步骤,初始装态时,所述钥匙未与任何设备绑定;当第一次与设备匹配成功后,直接设置所述访问密钥并保存,完成所述访问密钥的初始设置;当更换所述移动端绑定时,与其他移动端进行配对;配对成功后,在其他移动端内的所述应用模块输入初始设置的所述访问密钥,取得访问权限,进行访问操作或者更改所述访问密钥。
作为本发明所述的车辆钥匙找回方法的一种优选方案,其中:其中所述位置坐标为所述钥匙实时的经纬度坐标,获取坐标的周期为以1次/每秒,生成报文;所述位置范围为以所述钥匙放置位置的经纬度为坐标原点,以10m为半径画圆的范围内属于正常范围。
作为本发明所述的车辆钥匙找回方法的一种优选方案,其中:还包括所述钥匙被动找寻的步骤,用户发现所述钥匙丢失;打开所述移动端内的所述应用模块获取所述钥匙位置信息;所述移动端根据所述位置信息调用第三方地图,自动生成规划路径,用户根据导航地图寻找所述钥匙。
作为本发明所述的车辆钥匙找回方法的一种优选方案,其中:还包括所述钥匙主动找寻的步骤,当所述钥匙不在训练的所述放置范围超过一定时间后,钥匙发出异常报文到所述应用模块生成提示消息,提示钥匙是否异常选项;用户发现所述钥匙并未丢失,点击忽略消息;用户检查发现所述钥匙丢失,从所述应用模块获取所述钥匙的实时位置信息,根据导航找寻钥匙。
本发明解决的另一个技术问题是:提供一种车辆钥匙找回系统,能够更加智能的帮助用户找回丢失的车钥匙,保障车主的财产和信息安全。
为解决上述技术问题,本发明提供如下技术方案:包括钥匙,所述钥匙包括GPS模块、AI模块、存储模块,其中所述GPS模块、所述AI模块和所述存储模块均与所述网络模块连接;应用模块,应用于移动端,所述钥匙与所述移动端匹配后,提供操作界面用于用户,且所述移动端与所述网络模块通信连接。
作为本发明所述的车辆钥匙找回系统的一种优选方案,其中:所述GPS模块为定位设备,用于获取所述钥匙得实时位置信息并生成GPS报文;所述AI模块为具有深度学习的芯片,用于模拟训练所述钥匙的常放置位置,根据大量训练位置和日常放置的习惯位置,划分一定范围并生成样本数据;所述存储模块用于将存储或者更新所述样本数据。
本发明的有益效果:相比与传统的仅搭载GPS功能的车钥匙功能更加强大,不用等到车主发现车钥匙丢失再寻找,提供了主动提示车主的功能,缩短了被他人损坏的时间,更加智能和安全,且AI功能提供了延伸能力,未来可以扩展更多功能。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明第一种实施例所述被动寻找的方法流程图;
图2为本发明第一种实施例所述主动寻找的方法流程图;
图3为本发明第一种实施例所述设备连接示意图;
图4为本发明第一种实施例神经网络类型的表格示意图;
图5为本发明第二种实施例所述车辆钥匙找回系统的整体原来结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1~2的示意,示意为本实施例中提出一种车辆钥匙找回方法的流程,提供了一个基于GPS和AI技术的汽车钥匙自动找回方法,能够更加智能的帮助用户找回丢失的车钥匙,及时保障车主的财产和信息安全。当前GPS技术和AI技术已经趋于成熟,并在多款终端设备,例如手机、智能手表上均广泛使用。具体的,一种车辆钥匙找回方法包括以下步骤,
S1:钥匙100与移动端300进行设备配对;本步骤中钥匙100与移动端300进行设备通过蓝牙进行配对绑定,且配对成功后,在应用模块200上输入钥匙100的设备信息,包括设备型号、电量信息和内存使用信息,需要说明的是,但本实施例不局限于蓝牙模式,可以使用wifi或者局域网的方式建立钥匙100与移动设备间的匹配连接。蓝牙连接方式可以参照现有蓝牙耳机和手机进行蓝牙配对通信的方式,对于wifi连接可以参照现有手机与跑步间通过wifi进行连接后,使用手机内下载的跑步软件进行通信控制的方式,例如比较常见的小乔快跑的软件等。
S2:配对成功后,移动端300内置应用模块200上设置钥匙100的访问密钥并保存;其中访问密钥包括设置密码或者指纹,访问密钥与钥匙100、移动端300对应绑定,还包括以下设置步骤,
初始装态时,钥匙100未与任何设备绑定;
当第一次与设备匹配成功后,直接设置访问密钥并保存,完成访问密钥的初始设置;
当更换移动端300绑定时,与其他移动端300进行配对;
配对成功后,在其他移动端300内的应用模块200输入初始设置的访问密钥;
取得访问权限,进行访问操作或者更改访问密钥。
S3:输入访问密钥获得钥匙100访问权限,钥匙100实时上传位置坐标至应用模块200内或者应用模块200主动获取钥匙100的实时位置坐标。
S4:移动端300根据获取的坐标调用第三方导航应用软件自动生成规划导航路径找寻钥匙。
根据上述钥匙100的寻找方法,包括利用直接GPS的被动寻找方式和利用AI技术的主动寻找方式,需要说明的是,本实施例中无论是被动寻找或是主动寻找,均是同时存在于本方法中,可以单独进行,也可以同时进行,二者之间没有任何限制,其使用均以用户的使用操作指令决定。
因此在完成上述找回钥匙100的过程中本实施例还区分为被动寻找和主动寻找的过程,当钥匙100无论处于异常或正常状态下,仅需要被动寻找时,因此参照上述方式包括以下步骤,
用户发现钥匙100丢失;
打开移动端300内的应用模块200获取钥匙100位置信息;
移动端300根据位置信息调用第三方地图,自动生成规划路径,用户根据导航地图寻找钥匙100。
上述过程中被动寻找时钥匙100可以不始终与移动端300保持连接,可以在当有找寻需求时,通过移动端300请求操作唤醒钥匙100,从而获取钥匙100的实时位置坐标。
进一步的,同样的,钥匙100主动找寻的实现,首先是基于AI技术训练出用于判断的样本数据,其训练包括以下过程:
钥匙100与应用模块200配对并保持连接;
应用模块200实时获取的钥匙100位置坐标,用户选择标记其中的部分位置坐标属于家或者公司;
将获取位置坐标和部分标记坐标共同输入钥匙100内训练出合理的位置范围;
钥匙100生成训练的样本同步至应用模块200中保存。
此处训练出合理的位置范围采用深度学习网络模型实现,目前主流的深度学习框架如图4所示,本实施例将钥匙100采集的位置坐标数据和用户在应用软件200中标注的部分位置坐标输入模型内,将划分为合理的范围内的坐标选择出落入范围内的坐标,本实施例中采用如下训练步骤:
例如一个完整神经网络分为2步,前向传播计算,反向传播,通常很多教程说的BP算法,这也是整个神经网络的核心基础。先来说前向传播,前向传播比较简单,就是我们把数据喂入神经网络,经过前面神经元的连接和权重的相乘计算,到最后经过一个全连接层,最后输出。
因此应用模块200内具有训练样本数据后,包括以下的主动找寻过程:
当判断钥匙100不在训练的放置范围超过一定时间后,例如30分钟,钥匙100发出异常报文到应用模块200生成提示消息,提示钥匙100是否异常选项;
用户发现钥匙100并未丢失,点击忽略消息;
用户检查发现钥匙100丢失,从应用模块200获取钥匙100的实时位置信息,根据导航找寻钥匙100。
需要说明的是,在主动找寻过程中还区分钥匙100是否属于使用状态下,当钥匙100插入车辆钥匙孔内处于正在使用的阶段,应用模块200发出确认信息,用户确认钥匙100属于使用状态,此时无论钥匙100随车辆的位置如何发生变化,都属于使用状态,从而不会进行位置的判读是否丢失。
但是当钥匙100拔出后,由用户操作应用模块200退出钥匙100的使用状态,此时认为钥匙100处于未在使用状态;
钥匙100上传的实时位置坐标30分钟内偏离位置范围;
钥匙100发出异常报警,且应用模块200提示用户钥匙100是否丢失的选项。
其中本实施例所指位置坐标为钥匙100实时的经纬度坐标,获取坐标的周期为以1次/每秒,生成报文;位置范围为以钥匙100放置位置的经纬度为坐标原点,以10m为半径画圆的范围内属于正常范围。
场景一:
对本方法中采用的技术效果加以验证说明,本实施例选择的不同方法和采用本方法进行对比测试,以科学论证的手段对比试验结果,以验证本方法所具有的真实效果。
传统的技术方案:采用传统市场有售卖的带有GPS定位功能的定位器,均是用于定位车辆的实时位置,并未对车钥匙进行专门定位,都是利用定位与带定位对象进行绑定后定位,例如可以是影途个人钥匙扣gps定位器,其官方给出数据定位安全范围位于100~300米内,并需要手动设定安全范围,当车辆超出安全范围才会启动报警,电池使用寿命在2年,也没有进行常用位置的区分和学习,定位范围单一。
为验证本方法对于车辆钥匙的具有的优势。本实施例中将采用传统定位器和本方法的定位钥匙分别对车辆钥匙进行实时定位对比。
测试环境:分别选取范围1、5和15米为半径的安全距离进行测试对比,以及在本方法的地图中训练6个常用位置区域,其中3个位置分别与1、5和15为半径的安全距离有交集,另外3个常用位置区域与安全距离无任何交集且相距一定距离,此时让测试者分别佩戴定位器和本方法的钥匙,依次经过通过训练的6个常用位置区域,测试结果如下表1:
表1:测试结果数据表。
对上述测试进行多次测试后发现,本方法位于非常用位置时报警率高达百分之百,而对于传统定位器无法设定常用位置范围,仅能设定安全距离范围相比,本方法的定位钥匙更具优势,传统方法定位略显单一。
由于本方法的特殊性,与传统方法单一定位相比还具有如下的优势,参考下表2的对比表格:
表2:优势对比。
实施例2
参照图4的示意,为本实施例提出一种车辆钥匙找回系统的原理结构示意图,上述车辆钥匙找回方法依托于本系统进行实现。具体的,该一种车辆钥匙找回系统,包括钥匙100和应用模块200,其中应用模块200为下载于移动端300的应用软件。
钥匙100包括GPS模块101、AI模块102、存储模块103,其中GPS模块101、AI模块102和存储模块103均与网络模块104连接;其中GPS模块101为定位设备,用于获取钥匙100得实时位置信息并生成GPS报文;AI模块102为具有深度学习的芯片,用于模拟训练钥匙100的常放置位置,根据大量训练位置和日常放置的习惯位置,划分一定范围并生成样本数据;存储模块103用于将存储或者更新样本数据应用模块200,应用于移动端300,钥匙100与移动端300匹配后,提供操作界面用于用户,且移动端300与网络模块104通信连接,通信方式包括蓝牙、wifi等无线连接方式。移动端300包括手机、笔记本电脑或者PC端主机电脑等。
需要说明的是,利用GPS定位卫星,在全球范围内实时进行定位、导航的系统,称为全球卫星定位系统,简称GPS。GPS导航系统是以全球24颗定位人造卫星为基础,向全球各地全天候地提供三维位置、三维速度等信息的一种无线电导航定位系统。它由三部分构成,一是地面控制部分,由主控站、地面天线、监测站及通讯辅助系统组成;二是空间部分,由24颗卫星组成,分布在6个轨道平面;三是用户装置部分,由GPS接收机和卫星天线组成。
不难理解的是,该用户装置部分即用户设备部分,即GPS信号接收设备或者定位芯片(用于定位的特殊科技集成芯片),其主要功能是能够捕获到按一定卫星截止角所选择的待测卫星,并跟踪这些卫星的运行,当接收设备捕获到跟踪的卫星信号后,就可以测量出接收天线至卫星的伪距离和距离的变化率,解调出卫星轨道参数等数据,根据这些数据,接收机中的微处理计算机就可按定位解算方法进行定位计算,计算出用户所在地理位置的经纬度、高度、速度、时间等信息。例如当前国际上常见到的GPS芯片主要是美国SIRF。
AI模块102采用AI技术实现,即人工智能,它是研究人的智能的,并且进行模拟和延伸的新兴科学技术,具有深度学习神经网络,是一套模拟人脑构造和涉及的算法,能够通过感知系统对外界的输入信息进行标记和聚类,神经网络模拟人类的神经结构,深度学习就是通过神经网络进行学习,每一个神经网络的节点在前一层节点的学习基础上再进行学习,随着学习的一步步深入,越深的节点学习到经验就越多,可以参照上述学习过程实现。
本实施例中GPS模块101为设置于钥匙本体内GPS芯片,能够生成实时的位置坐标报文,并通过网络模块104将报文发送至应用模块200内,AI模块102为设置于钥匙本体内AI芯片,也被称为AI加速器或计算卡,即专门用于处理人工智能应用中的大量计算任务的模块,目前AI芯片主要分为GPU、FPGA、ASIC,基于深度学习等算法模型实现相关功能。将训练好的数据模型通过存储模块103存储,同步至移动端300,通过应用软件提供一个界面给用户,进行相关的操作。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种车辆钥匙找回方法,其特征在于:包括以下步骤,
钥匙(100)与移动端(300)进行设备配对;
所述钥匙(100)与移动端(300)进行设备通过蓝牙进行配对绑定,且配对成功后,在应用模块(200)上输入所述钥匙(100)的设备信息,包括设备型号、电量信息和内存使用信息;
配对成功后,所述移动端(300)内置应用模块(200)上设置所述钥匙(100)的访问密钥并保存;
输入访问密钥获得所述钥匙(100)访问权限,所述钥匙(100)实时上传位置坐标至所述应用模块(200)内或者所述应用模块(200)主动获取所述钥匙(100)的实时位置坐标;
所述访问密钥包括设置密码或者指纹,所述访问密钥与所述钥匙(100)、所述移动端(300)对应绑定,还包括以下步骤,
初始装态时,所述钥匙(100)未与任何设备绑定;
当第一次与设备匹配成功后,直接设置所述访问密钥并保存,完成所述访问密钥的初始设置;
当更换所述移动端(300)绑定时,与其他移动端(300)进行配对;
配对成功后,在其他移动端(300)内的所述应用模块(200)输入初始设置的所述访问密钥,
取得访问权限,进行访问操作或者更改所述访问密钥;
所述移动端(300)根据获取的坐标调用第三方导航应用软件自动生成规划导航路径找寻钥匙;
所述钥匙(100)被动找寻的步骤,
用户发现所述钥匙(100)丢失;
打开所述移动端(300)内的所述应用模块(200)获取所述钥匙(100)位置信息;
所述移动端(300)根据所述位置信息调用第三方地图,自动生成规划路径,用户根据导航地图寻找所述钥匙(100);
所述钥匙(100)主动找寻的步骤,
当所述钥匙(100)不在训练的放置范围超过一定时间后,钥匙(100)发出异常报文到所述应用模块(200)生成提示消息,提示钥匙(100)是否异常选项;
用户发现所述钥匙(100)并未丢失,点击忽略消息;
用户检查发现所述钥匙(100)丢失,从所述应用模块(200)获取所述钥匙(100)的实时位置信息,根据导航找寻钥匙(100)。
2.如权利要求1所述的车辆钥匙找回方法,其特征在于:还包括以下训练步骤,
所述钥匙(100)与所述应用模块(200)配对并保持连接;
所述应用模块(200)实时获取的所述钥匙(100)位置坐标,用户选择标记其中的部分所述位置坐标属于家或者公司;
将获取所述位置坐标和部分标记坐标共同输入所述钥匙(100)内训练出合理的位置范围;
所述钥匙(100)生成训练的样本同步至所述应用模块(200)中保存。
3.如权利要求1或2所述的车辆钥匙找回方法,其特征在于:还包括所述钥匙(100)异常步骤,
当所述钥匙(100)未在使用时;
所述钥匙(100)上传的实时位置坐标一段时间内偏离位置范围;
所述钥匙(100)发出异常报警,且所述应用模块(200)提示用户所述钥匙(100)是否丢失的选项。
4.如权利要求3所述的车辆钥匙找回方法,其特征在于:其中,
所述位置坐标为所述钥匙(100)实时的经纬度坐标,获取坐标的周期为以1次/每秒,生成报文;
所述位置范围为以所述钥匙(100)放置位置的经纬度为坐标原点,以10m为半径画圆的范围内属于正常范围。
5.一种车辆钥匙找回系统,该系统应用于实现如权利要求1~4任一所述的车辆钥匙找回方法,其特征在于:包括,
钥匙(100),所述钥匙(100)包括GPS模块(101)、AI模块(102)、存储模块(103),其中所述GPS模块(101)、所述AI模块(102)和所述存储模块(103)均与网络模块(104)连接;
应用模块(200),应用于移动端(300),所述钥匙(100)与所述移动端(300)匹配后,提供操作界面用于用户,且所述移动端(300)与所述网络模块(104)通信连接;
所述GPS模块(101)为定位设备,用于获取所述钥匙(100)得实时位置信息并生成GPS报文;
所述AI模块(102)为具有深度学习的芯片,用于模拟训练所述钥匙(100)的常放置位置,根据大量训练位置和日常放置的习惯位置,划分一定范围并生成样本数据;
所述存储模块(103)用于将存储或者更新所述样本数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911054448.0A CN110927758B (zh) | 2019-10-31 | 2019-10-31 | 一种车辆钥匙自动找回方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911054448.0A CN110927758B (zh) | 2019-10-31 | 2019-10-31 | 一种车辆钥匙自动找回方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110927758A CN110927758A (zh) | 2020-03-27 |
CN110927758B true CN110927758B (zh) | 2023-09-26 |
Family
ID=69850098
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911054448.0A Active CN110927758B (zh) | 2019-10-31 | 2019-10-31 | 一种车辆钥匙自动找回方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110927758B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111918243B (zh) * | 2020-06-16 | 2022-08-02 | 宁波吉利汽车研究开发有限公司 | 一种数字车钥匙管理方法、装置、车辆及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104346946A (zh) * | 2013-07-26 | 2015-02-11 | 比亚迪股份有限公司 | 一种通过车钥匙寻车的系统及其寻车的方法 |
WO2015196943A1 (zh) * | 2014-06-24 | 2015-12-30 | 比亚迪股份有限公司 | 车辆的控制系统、方法、装置及计算机可读存储介质 |
CN106355718A (zh) * | 2016-09-14 | 2017-01-25 | 山东科技大学 | 一种防盗防丢失的智能汽车电子钥匙系统 |
CN106572098A (zh) * | 2016-11-01 | 2017-04-19 | 雷飏 | 二维码形式的虚拟钥匙方法及相应的装置、用户终端 |
CN108372842A (zh) * | 2018-03-19 | 2018-08-07 | 湖州宏威新能源汽车有限公司 | 防盗匹配系统及方法 |
CN109747586A (zh) * | 2018-12-17 | 2019-05-14 | 中国科学院长春光学精密机械与物理研究所 | 一种超远距离寻车的智能钥匙及寻车方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8188837B2 (en) * | 2008-08-08 | 2012-05-29 | General Motors Llc | Method of finding a key to a mobile vehicle |
US9355551B2 (en) * | 2014-10-21 | 2016-05-31 | Toyota Motor Engineering & Manufacturing North America, Inc. | Smart key locator |
-
2019
- 2019-10-31 CN CN201911054448.0A patent/CN110927758B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104346946A (zh) * | 2013-07-26 | 2015-02-11 | 比亚迪股份有限公司 | 一种通过车钥匙寻车的系统及其寻车的方法 |
WO2015196943A1 (zh) * | 2014-06-24 | 2015-12-30 | 比亚迪股份有限公司 | 车辆的控制系统、方法、装置及计算机可读存储介质 |
CN106355718A (zh) * | 2016-09-14 | 2017-01-25 | 山东科技大学 | 一种防盗防丢失的智能汽车电子钥匙系统 |
CN106572098A (zh) * | 2016-11-01 | 2017-04-19 | 雷飏 | 二维码形式的虚拟钥匙方法及相应的装置、用户终端 |
CN108372842A (zh) * | 2018-03-19 | 2018-08-07 | 湖州宏威新能源汽车有限公司 | 防盗匹配系统及方法 |
CN109747586A (zh) * | 2018-12-17 | 2019-05-14 | 中国科学院长春光学精密机械与物理研究所 | 一种超远距离寻车的智能钥匙及寻车方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110927758A (zh) | 2020-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101902685B (zh) | 一种组群成员间位置查询的终端、系统及方法 | |
CN104539782B (zh) | 一种事件提醒方法及其装置 | |
CN105303875A (zh) | 一种停车管理系统及其工作方法 | |
CN104507162A (zh) | 基于绑定关系的蓝牙信标数据业务系统 | |
CN102724751B (zh) | 一种基于非现场勘测的无线室内定位方法 | |
CN105577907A (zh) | 一种信息处理方法及装置 | |
CN202186347U (zh) | 移动终端、车辆控制模块、车辆及车辆控制系统 | |
CN105188072B (zh) | 智能全网无线信号侦测系统 | |
CN101179851A (zh) | 导航手机的定位系统及方法 | |
CN101483002A (zh) | 越界报警系统及其越界报警方法 | |
CN106302129A (zh) | 一种基于地理位置的聊天方法及移动终端 | |
CN110927758B (zh) | 一种车辆钥匙自动找回方法和系统 | |
CN105070050A (zh) | 一种远程车辆定位方法及系统 | |
CN106226786A (zh) | 一种基于龙芯的北斗定位终端 | |
CN207460515U (zh) | 一种便携式安全旅游装置 | |
CN105872246A (zh) | 一种防沉迷方法、防沉迷装置及终端 | |
CN101995564A (zh) | 儿童定位跟踪器及其定位跟踪方法 | |
CN104688176B (zh) | 一种基于ZigBee的无线视力测试装置 | |
CN103313385A (zh) | Wifi在旅游中的定位方法 | |
CN109100769A (zh) | 车联蓝牙钥匙的定位方法及系统 | |
CN103612614A (zh) | 汽车的防盗追踪装置 | |
CN109116380A (zh) | 一种gnss接收机、基于gnss接收机的定位系统和方法 | |
CN106707303A (zh) | 一种穿戴式设备 | |
CN202714386U (zh) | 一种新型gps防盗定位一体化箱包 | |
CN203283185U (zh) | 汽车的防盗追踪装置 |
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 | ||
CP02 | Change in the address of a patent holder |
Address after: 11th Floor, Building A1, Huizhi Science and Technology Park, No. 8 Hengtai Road, Nanjing Economic and Technological Development Zone, Jiangsu Province, 211000 Patentee after: DILU TECHNOLOGY Co.,Ltd. Address before: Building C4, No.55 Liyuan South Road, moling street, Nanjing, Jiangsu Province Patentee before: DILU TECHNOLOGY Co.,Ltd. |
|
CP02 | Change in the address of a patent holder |