CN112651393B - 兴趣点数据处理方法、装置、设备及存储介质 - Google Patents
兴趣点数据处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112651393B CN112651393B CN202011552883.9A CN202011552883A CN112651393B CN 112651393 B CN112651393 B CN 112651393B CN 202011552883 A CN202011552883 A CN 202011552883A CN 112651393 B CN112651393 B CN 112651393B
- Authority
- CN
- China
- Prior art keywords
- interest point
- interest
- point
- determining
- relation
- 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 37
- 238000012545 processing Methods 0.000 title claims abstract description 33
- 239000000463 material Substances 0.000 claims description 42
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000003672 processing method Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Abstract
本公开公开了兴趣点数据处理方法、装置、设备及存储介质,涉及人工智能、智能交通、计算机视觉、知识图谱技术领域。具体实现方案为:基于第一兴趣点与第二兴趣点之间的位置关系,获取第一兴趣点的位置,所述第一兴趣点为已有兴趣点;根据所述位置关系和第一兴趣点的位置,确定所述第二兴趣点的位置。本公开能够提高兴趣点位置的精度和兴趣点位置确认、矫正的效率。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及人工智能、智能交通、计算机视觉、知识图谱技术领域。
背景技术
POI(Point of Interest或者Point of Information,兴趣点或信息点)是地图数据中的常见的数据,可以用于表示地理位置中人们所关注的一些设施或者场所,例如,公园、商场、公交车站等。
随着城乡建设和生活水平的发展,真实地理环境中的兴趣点数量也快速增加或变更。如何在兴趣点数量快速增加的同时,为各种用户提供准确的兴趣点数据,是兴趣点相关技术发展过程中的一个重要问题。
发明内容
本公开提供了一种用于兴趣点数据处理方法、装置、设备以及存储介质。
根据本公开的一方面,提供了一种兴趣点数据处理方法,包括:
基于第一兴趣点与第二兴趣点之间的位置关系,获取第一兴趣点的位置,第一兴趣点为已有兴趣点;
根据位置关系和第一兴趣点的位置,确定第二兴趣点的位置。
根据本公开的另一方面,提供了一种兴趣点数据处理装置,包括:
获取模块,用于基于第一兴趣点与第二兴趣点之间的位置关系,获取第一兴趣点的位置,第一兴趣点为已有兴趣点;
确定模块,用于根据位置关系和第一兴趣点的位置,确定第二兴趣点的位置。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现本公开任一实施例中的方法。
根据本公开的技术提高了兴趣点位置的准确性以及兴趣点创建和修正的效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开一实施例的兴趣点数据处理方法示意图;
图2是根据本公开另一实施例的兴趣点数据处理方法示意图;
图3是根据本公开一示例的兴趣点数据处理方法示意图;
图4A是根据本公开一示例的兴趣点链条关系示意图;
图4B是根据本公开一示例的兴趣点链条关系的另一示意图;
图5A是本公开一示例的兴趣点方向确定示意图一;
图5B是本公开一示例的兴趣点方向确定示意图二;
图6是本公开一示例中根据兴趣点间的链条关系确定兴趣点位置示意图;
图7是根据本公开一实施例的兴趣点数据处理装置示意图;
图8是根据本公开另一实施例的兴趣点数据处理装置示意图;
图9是根据本公开又一实施例的兴趣点数据处理装置示意图;
图10是根据本公开又一实施例的兴趣点数据处理装置示意图;
图11是根据本公开又一实施例的兴趣点数据处理装置示意图;
图12是本公开一示例中确定图像素材中招牌位置关系的流程示意图;
图13是用来实现本公开实施例的兴趣点数据处理方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
本公开实施例提供一种兴趣点数据处理方法,如图1所示,包括:
步骤S11:基于第一兴趣点与第二兴趣点之间的位置关系,获取第一兴趣点的位置,第一兴趣点为已有兴趣点;
步骤S12:根据位置关系和第一兴趣点的位置,确定第二兴趣点的位置。
本实施例中,第一兴趣点和第二兴趣点之间的位置关系,可以是根据兴趣点素材确定的两个兴趣点之间的位置关系,具体可以为第一兴趣点在现实环境中对应的第一对象和第二兴趣点在显示环境中对应的第二对象之间的位置关系。
第一兴趣点和第二兴趣点可以是同一个兴趣点承载体上的兴趣点,比如,同一个建筑上的招牌对应的兴趣点、同一个街道的招牌对应的兴趣点、同一个广场内的店铺、同一个公园内的打卡地点等。
第一兴趣点和第二兴趣点之间的位置关系,也可以为提前记录的位置关系,该提前记录的位置关系,可以根据显示环境中第一兴趣点对应的第一对象与第二兴趣点对应的第二对象之间的实际位置关系进行确定。
本实施例中,第二兴趣点可以为第一兴趣点创建之后所创建的兴趣点,比如,在根据第二兴趣点的素材创建第二兴趣点时,可以参照先前创建的第一兴趣点的位置信息、以及第一兴趣点与第二兴趣点的位置关系确定第二兴趣点的位置。
第二兴趣点还可以为已有兴趣点,且第二兴趣点的位置存在一定的误差,需要进行修正。在这种情况下,可以根据第一兴趣点和第二兴趣点之间的位置关系,以及第一兴趣点的位置,确定第二兴趣点的位置。
第一兴趣点,还可以为比第二兴趣点位置信息更为准确的已有兴趣点。
根据位置关系和第一兴趣点的位置,确定第二兴趣点的位置,具体比如,根据第一兴趣点和第二兴趣点的上下位置关系,确定第二兴趣点的位置为第一兴趣点的位置。
在第一兴趣点和第二兴趣点之间的位置关系为可以确定间隔的相近位置关系,则可将第一兴趣点的位置加上或减去第一兴趣点与第二兴趣点之间的位置间隔,得到第二兴趣点的位置。
坐标作为POI的关键的属性之一,其准确度直接影响地图用户达到体验,同时POI坐标准确度也是衡量一个地图产品好坏的直观判断因素。一般情况下,地图的POI的坐标计算依赖直接的多种方式的实地采集,包括专业但高成本的全景采集车、以及来自手机、行车记录仪等低成本但质量差的众源素材,低质素材由于传感器精度问题无法准确计算POI坐标位置。
本实施例中,根据第一兴趣点的位置,以及第一兴趣点和第二兴趣点之间的位置关系,确定第二兴趣点的位置,从而可以根据已有兴趣点的信息,确定新创建的兴趣点或者需要修正信息的兴趣点的位置,使得根据第一兴趣点位置确定的第二兴趣点位置具有与第一兴趣点位置相同的精度,从而提高兴趣点创建、维护的效率,提高兴趣点位置信息的准确性和精确性,进而提高兴趣点的质量。
在一种实施方式中,在位置关系为左右相邻关系的情况下,根据位置关系和第一兴趣点的位置,确定第二兴趣点的位置,包括:
根据第一兴趣点的位置,确定第一兴趣点的位置范围内,具有左右相邻关系的兴趣点的平均间隔;
根据平均间隔和第一兴趣点的位置,确定第二兴趣点的位置。
本实施例中,相邻关系又可称为临近关系,即在现实环境中,第一兴趣点对应的第一对象和第二兴趣点对应的第二对象为相邻的对象。
第一兴趣点的位置范围内,具有左右相邻关系的兴趣点的平均间隔,具体可以是第一兴趣点对应的一定的位置范围内,相邻兴趣点之间的统计平均间隔或者通过计算得到的相邻兴趣点之间的平均间隔。
比如,在第一兴趣点和第二兴趣点所在的街道上、建筑物中,相邻对象之间的间隔。
在确定第一兴趣点的位置之后,可根据第一兴趣点的位置进行范围的确定,比如,通过第一兴趣点,确定第一兴趣点和第二兴趣点所在的第一建筑。根据第一建筑中的相邻兴趣点的平均间隔,以及第一兴趣点的位置,确定第二兴趣点的位置。
根据平均间隔和第一兴趣点的位置,确定第二兴趣点的位置,具体可以包括,将第一兴趣点的位置加上或减去平均间隔,得到第二兴趣点的位置。
本实施例中,第一兴趣点的位置,可以根据已有数据源进行获取,在获取第一兴趣点的位置时,可根据需要的精度进行获取。比如,根据高精地图数据,获得第一兴趣点的高精位置,从而根据第一兴趣点位置计算得到的第二兴趣点位置,也可认为是高精位置。
本实施例中,根据平均间隔和第一兴趣点的位置,确定第二兴趣点的位置,从而提高第二兴趣点的位置计算或矫正的准确性以及效率,无需实地测量第二兴趣点的准确位置。
在一种实施方式中,在位置关系为上下相邻关系的情况下,根据位置关系和第一兴趣点的位置,确定第二兴趣点的位置,包括:
将第一兴趣点的位置作为第二兴趣点的位置。
第一兴趣点、第二兴趣点之间的位置关系为上下相邻关系,具体可以包括第一兴趣点、第二兴趣点同属于一个建筑,且处于上下楼层的情况。或者,可以包括第一兴趣点、第二兴趣点属于同一个建筑,且两个兴趣点对应的招牌处于上下相邻关系。
在第一兴趣点和第二兴趣点为上下相邻关系的情况下,第一兴趣点的地理位置与第二兴趣点的地理位置重合,二者只是高度有所不同,因此可以将第一兴趣点的位置作为第二兴趣点的位置。
本实施例中,在第一兴趣点和第二兴趣点之间的位置关系为上下向量关系的情况下,将第一兴趣点的位置作为第二兴趣点的位置,从而能够借助第一兴趣点的位置较为准确地确定第二兴趣点的位置。
在一种实施方式中,如图2所示,兴趣点数据处理方法还包括:
步骤S21:根据第二兴趣点与第三兴趣点的位置关系,以及第二兴趣点的位置确定第三兴趣点的位置。
本实施例中,可以根据多个兴趣点在现实环境中的位置关系,建立兴趣点链条,通过兴趣点链条中的一个已知位置的兴趣点,即可确定兴趣点链条中其它的兴趣点的位置。
根据第二兴趣点和第三兴趣点的位置关系,确定第三兴趣点的位置,具体方式可以根据在已知第一兴趣点位置的情况下,确定第二兴趣点的位置的方式相同。
本实施例中,通过第一兴趣点推知第二兴趣点的位置,然后根据第二兴趣点的位置,推知第三兴趣点的位置,从而,可以采用简单且准确性较高的方式确定多个兴趣点的位置,在保证准确性的同时,提高兴趣点创建或维护的效率。
在一种实施方式中,位置关系包括根据兴趣点素材图像确定的第一兴趣点和第二兴趣点之间的相邻关系。
本实施例中,可以根据车采图像确定第一兴趣点和第二兴趣点之间的相邻关系。
具体的,上述兴趣点素材图像中,可以包含第一兴趣点对应的第一对象和第二兴趣点对应的第二对象。
根据兴趣点素材确定第一兴趣点和第二兴趣点之间具有相邻关系,从而能够根据实际的图像对兴趣点之间的位置关系进行确定,使得位置关系具有较高的准确性。
在一种实施方式中,兴趣点数据处理方法还包括:
从兴趣点素材图像中,获取第一对象和第二对象;
根据兴趣点素材图像,确定第一对象与第二对象具有左右相邻关系或上下相邻关系;
根据第一对象的信息和兴趣点素材图像的拍摄信息,确定第一对象为第一兴趣点对应的对象,以及确定第二对象为第二兴趣点对应的对象;
根据第一对象与第二对象具有左右相邻关系或上下相邻关系,确定第一兴趣点与第二对象对应的第二兴趣点之间的位置关系。
本实施例中,可以通过文字识别等图形处理方式,从兴趣点素材图像中,获取第一对象和第二对象。
在识别出兴趣点素材图像中的第一对象和第二对象之后,可以通过第一对象与第一兴趣点之间的对应关系、第二对象与第二兴趣点之间的对应关系,确定第一兴趣点和第二兴趣点之间的位置关系。具体的,可以将兴趣点素材图像中第一对象和第二对象之间的位置关系,作为第一兴趣点和第二兴趣点之间的位置关系。
比如,第一对象和第二对象处于左右相邻关系,则第一兴趣点和第二兴趣点处于左右相邻关系。
根据第一对象的信息和兴趣点素材图像的拍摄信息,确定第一对象为第一兴趣点对应的对象,以及确定第二对象为第二兴趣点对应的对象,具体可以包括:根据兴趣点素材图形的拍摄信息,确定第一对象所处的位置;获取第一对象所处的位置范围内的所有兴趣点;将所有兴趣点与第一对象的信息进行比较,确定第一对象为第一兴趣点对应的对象;以及将第一对象周围的已有兴趣点与第二对象进行比较,确定第二对象是与第二兴趣点对应的对象。
本公开实施例还可以应用于对POI进行位置修正,通过已知高精位置信息的POI修正低质以及低精度的POI的位置。
本公开示例中利用POI临近关系(相邻关系),在已知高精坐标的情况下,通过其临近关系推算出周边其它POI坐标。如图3所示,具体步骤如下:
步骤S31:高精度POI坐标获取。
例如,通过一些方法获取一批精度非常高的已有POI坐标集合(后续都用“高精坐标”表示)已有POI坐标集合中的坐标对应的POI可以等同于本公开其它实施例中的第一兴趣点。获取POI高精坐标的方法包括但不限于多视角坐标计算方案。
步骤S32:POI临近关系获取。获取与第一兴趣点具有相邻或临近位置关系的POI,作为第二兴趣点。
例如,通过兴趣点图像素材中招牌的位置关系获取到POI临近关系,得到一批POI临近关系集合,每个POI临近关系集合中记录使用三元组表示:
(A,B,relation)
其中A和B分别代表不同POI,relation代表B相对A的临近关系,包含4个值:H+、H-、V+、V-,分别代表右相邻、左相邻、上相邻、下相邻。
步骤S33:POI临近关系链拼接。
将步骤S32获取到的临近关系按照顺序进行拼接,可得到一条临近关系链条,包含多个相邻POI之间的位置关系,示意图如图4A所示。
对于招牌位置为上下关系的POI,其经纬度坐标相同,如图4A中的兴趣点D和C、F和G、H和I,一旦计算其中一个坐标即可直接得出另外一个POI坐标。因此在后续的坐标计算中,可以将这种上下关系的POI 合并为一个单元,关系链条就变成一条线性链条,如图4B所示。
步骤S34:计算高精坐标POI招牌朝向和临近POI相对角度。
通过将高精坐标(记为A)放在路网环境内,并计算几何方法得到高精坐标最近的路,作为该高精坐标关联道路,进一步计算高精坐标点在关联道路最近边缘的投影点B。已知A、B两点坐标,则可以计算出向量的方向,记为招牌朝向face_dir。
根据招牌朝向face_dir和临近关系的左或右,即可得到相邻POI相对高精坐标A的方位near_dir。当相邻POI在左侧,则将face_dir顺时针旋转90度如图5A所示,如果在右侧则逆时针旋转90度,如图5B所示。
步骤S35:估计相邻POI的距离。
在已知临近POI的相对方向后,接下来只需要估计两点的距离。如图 6所示的POI关系链,C和F为高精坐标,那么剩余部分均为未知坐标,在本示例中,可以根据未知坐标左右两边是否都有高精坐标,来分成两种情况处理。
第一种情况:只有一边有高精坐标,如图6所示的兴趣点A、B、G、 H,图6中,阴影部分对应的兴趣点C、F具有高精坐标。
这种情况下,使用默认距离default_dist来作为每个相邻POI的距离near_dist,其中default_dist的值是根据已有临近POI的平均距离统计得到。
第二种情况:两侧都有高精坐标,如图6所示的兴趣点D、E。
这种距离根据两侧高精坐标的距离interval_dist,以及中间包含的poi 个数n来计算得到,每个POI的间隔距离near_dist计算方法为:
步骤S36:计算链条中的未知坐标的位置。
根据已知的起点POI的位置(即兴趣点关系链中已知高精坐标的兴趣点A)、方向near_dir、以及距离near_dist,则可以直接计算出临近兴趣点的坐标,然后依次辐射可计算出链条中未知坐标其它POI的位置。
本申请一种示例中,可以通过图12所示的方法确定第一兴趣点对应的招牌和第二兴趣点对应的招牌之间的位置关系。
步骤S121:图像素材招牌检测。在本步骤中,可以通过图像检测技术,找到图像素材中的POI招牌。
对实采图像素材进行招牌检测的方式,包含但不限于Faster-RCNN(快速循环卷积神经网络)、Resnet(Residual Net,残差网络)、Densenet(密集网络)、SEnet(Squeeze-and-Excitation Net,挤压活化网络)等目标检测算法。通过检测后得到图像素材中所有的招牌框,检测效果。
本示例中,图像素材检测效果可以如图3所示。
步骤S122:招牌与已有POI关联。
通过OCR识别除招牌区域内文字信息,召回拍摄图片素材的位置附近100m的已有POI,可以将OCR识别文字与已有POI的名称分别作比较,超过一定阈值的前提条件,选取相似度最大的为与图像素材中的招牌关联的已有POI。OCR招牌文字与POI名称相似度的确定,可以通过算法实现,可使用的算法包括但不限于LCS(Longest Common Subsequence,最长公共子序列)、分词与深度学习模型结合进行识别等方法。
通过步骤S123-步骤S125,计算招牌之间的关系数据。
在计算招牌之间的关系数据时,根据步骤S121中检测的图像素材中的招牌的结果,将图像素材中所有招牌进行两两排列组合,然后分别计算每组招牌在图像素材中的关系。
步骤S123:计算两个招牌中心点的相对角度,作为第一关系数据。通过第一关系数据,进而确定第一对象和第二对象的相对角度,从一个招牌的中心点指向另外一个招牌的中心点得到一个方向向量,比如,在图像中,以正上方为0度,计算从0度顺时针旋转到该方向向量出的角度,记为招牌中心点相对角度board_dir。
步骤S124:计算两个招牌的投影交并比(Intersection-over-Union,IOU),作为第二关系数据。将两个招牌分别投影到图像素材的X轴和Y轴。分别计算在每个轴上同组的两个招牌的IOU,可以分别记为iou_x,iou_y。
步骤S125:判断两个招牌图形的相似,作为第三关系数据。在两个招牌图形相似的情况下,进行后续步骤S124的相关操作。
示例性的,可以设定必须同时满足以下两个条件才能判断为相似从而排除一些非常规形状的招牌:
第一个条件可以为面积比。具体的,分别计算同组的两个招牌的面积,然后使用其中较大的面积与较小的面积相除,得到的商,结果小于一定阈值,从而确定两个招牌的面积较为接近。
第二个条件可以为宽高比。具体的,两个招牌分别求出宽高比,然后使用其中较大的宽高比与较小的宽高比相除,得到的商,结果小于一定阈值,从而确定两个招牌的宽高比较为接近。
步骤S126:根据关系数据得出同组的两个招牌的位置关系(H、V)。
通过前述步骤得到的board_dir和iou_x,iou_y,进而可以得出两个招牌的相对位置关系,具体判断方法如下:
根据board_dir是否处于设定的范围进行两个招牌的相对位置关系的判断,该范围如:-30度-+30度。
当board_dir范围在-60-+30度或者150-210度内,同时iou_x的值大于一定阈值(比如0.6)时,则判断为上下关系,记为V。进一步可以用 V+代表上方-60-+30度的范围内,V-代表下方+150-+210度内。
当board_dir范围在+60-+120度或者+240-+300度内,同时iou_y的值大于一定阈值(比如0.3)时,则判断为左右关系,记为H。进一步可以用H+代表右方+60-+120度的范围内,V-代表右方+240-+300度的范围内。
其他情况则属于其他位置关系。角度范围的划分方式如图10所示。
步骤S127:判断同组的两个招牌是否相邻。
根据步骤S126得出的位置关系,分两种情况进行判断:
如果关系为H,则两个招牌框的边缘最短距离board_dist满足以下条件则为临近(near),否则不临近(notnear)。
其中w1和w2分别为两个招牌框的宽度。
如果关系为V,则两个招牌框的边缘最短距离board_dist满足以下条件则为临近(near),否则不临近(notnear)。
其中h1和h2分别为两个招牌框的高度。
步骤S128:使用三元组记录具有相邻关系的招牌。
将上述步骤S125判断结果为near的招牌组,使用三元组进行记录:
(A,B,relation)。
其中A和B分别代表不同poi,relation代表B相对A的临近关系,包含4个值:H+、H-、V+、V-,分别代表右、左、上、下。relation用于表示招牌之间的位置关系。
本公开实施例还提供一种兴趣点数据处理装置,如图7所示包括:
获取模块71,用于基于第一兴趣点与第二兴趣点之间的位置关系,获取第一兴趣点的位置,第一兴趣点为已有兴趣点;
确定模块72,用于根据位置关系和第一兴趣点的位置,确定第二兴趣点的位置。
在一种实施方式中,在位置关系为左右相邻关系的情况下,如图8所示,确定模块包括:
间隔单元81,用于根据第一兴趣点的位置,确定第一兴趣点的位置范围内,具有左右相邻关系的兴趣点的平均间隔;
左右位置处理单元82,用于根据平均间隔和第一兴趣点的位置,确定第二兴趣点的位置。
在一种实施方式中,在位置关系为上下相邻关系的情况下,如图9所示,确定模块包括:
上下位置处理单元91,用于将第一兴趣点的位置作为第二兴趣点的位置。
在一种实施方式中,如图10所示,兴趣点数据处理装置还包括:
第三兴趣点位置确定模块101,用于根据第二兴趣点与第三兴趣点的位置关系,以及第二兴趣点的位置确定第三兴趣点的位置。
在一种实施方式中,位置关系包括根据兴趣点素材图像确定的第一兴趣点和第二兴趣点之间的相邻关系。
在一种实施方式中,如图11所示,兴趣点数据处理装置还包括:
对象获取模块111,用于从兴趣点素材图像中,获取第一对象和第二对象;
位置关系模块112,用于根据兴趣点素材图像,确定第一对象与第二对象具有左右相邻关系或上下相邻关系;
对象分析模块113,用于根据第一对象的信息和兴趣点素材图像的拍摄信息,确定第一对象为第一兴趣点对应的对象,以及确定第二对象为第二兴趣点对应的对象;
位置关系确定模块114,用于根据第一对象与第二对象具有左右相邻关系或上下相邻关系,确定第一兴趣点与第二对象对应的第二兴趣点之间的位置关系。
本公开实施例各数据处理装置中的各单元、模块或子模块的功能可以参见上述数据处理方法中的对应描述,在此不再赘述。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图13示出了可以用来实施本公开的实施例的示例电子设备130的示意性框图。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/或要求的本公开的实现。
如图13所示,设备130包括计算单元131,其可以根据存储在只读存储器(ROM)132中的计算机程序或者从存储单元138加载到随机访问存储器(RAM)133中的计算机程序来执行各种适当的动作和处理。在RAM 133中,还可存储设备130操作所需的各种程序和数据。计算单元131、 ROM 132以及RAM 133通过总线134彼此相连。输入输出(I/O)接口 135也连接至总线134。
设备130中的多个部件连接至I/O接口135,包括:输入单元136,例如键盘、鼠标等;输出单元137,例如各种类型的显示器、扬声器等;存储单元138,例如磁盘、光盘等;以及通信单元139,例如网卡、调制解调器、无线通信收发机等。通信单元139允许设备130通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元131可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元131的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元13执行上文所描述的各个方法和处理,例如兴趣点数据处理方法。例如,在一些实施例中,兴趣点数据处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元138。在一些实施例中,计算机程序的部分或者全部可以经由ROM 132和/或通信单元139而被载入和/或安装到设备130上。当计算机程序加载到RAM 133并由计算单元131执行时,可以执行上文描述的兴趣点数据处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元131可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行兴趣点数据处理方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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。
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,本公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (10)
1.一种兴趣点数据处理方法,包括:
基于预设数据源获取第一兴趣点的位置,所述第一兴趣点为已有兴趣点;
基于兴趣点素材确定所述第一兴趣点与第二兴趣点之间的位置关系,其中,所述第一兴趣点和所述第二兴趣点为同一个兴趣点承载体上的兴趣点;
响应于所述位置关系为左右相邻关系,根据所述第一兴趣点的位置,确定所述第一兴趣点的位置范围内,具有左右相邻关系的兴趣点的平均间隔,并通过所述第一兴趣点的位置加上或减去所述平均间隔,得到所述第二兴趣点的位置;或,
响应于所述位置关系为上下相邻关系,所述第一兴趣点的地理位置与所述第二兴趣点的地理位置重合,将所述第一兴趣点的位置作为所述第二兴趣点的位置。
2.根据权利要求1中任意一项所述的方法,其中,所述方法还包括:
根据所述第二兴趣点与第三兴趣点的位置关系,以及所述第二兴趣点的位置确定所述第三兴趣点的位置。
3.根据权利要求1-2中任意一项所述的方法,其中,所述位置关系包括根据兴趣点素材图像确定的所述第一兴趣点和所述第二兴趣点之间的相邻关系。
4.根据权利要求3所述的方法,其中,所述方法还包括:
从所述兴趣点素材图像中,获取第一对象和第二对象;
根据所述兴趣点素材图像,确定所述第一对象与所述第二对象具有左右相邻关系或上下相邻关系;
根据所述第一对象的信息和所述兴趣点素材图像的拍摄信息,确定所述第一对象为所述第一兴趣点对应的对象,以及确定所述第二对象为所述第二兴趣点对应的对象;
根据所述第一对象与所述第二对象具有左右相邻关系或上下相邻关系,确定所述第一兴趣点与所述第二对象对应的第二兴趣点之间的位置关系。
5.一种兴趣点数据处理装置,包括:
获取模块,用于基于预设数据源获取第一兴趣点的位置,所述第一兴趣点为已有兴趣点;
确定模块,基于兴趣点素材确定所述第一兴趣点与第二兴趣点之间的位置关系,其中,所述第一兴趣点和所述第二兴趣点为同一个兴趣点承载体上的兴趣点;
间隔单元,用于响应于所述位置关系为左右相邻关系,根据所述第一兴趣点的位置,确定所述第一兴趣点的位置范围内,具有左右相邻关系的兴趣点的平均间隔,左右位置处理单元,用于通过所述第一兴趣点的位置加上或减去所述平均间隔,得到所述第二兴趣点的位置;或,
上下位置处理单元,响应于所述位置关系为上下相邻关系,所述第一兴趣点的地理位置与所述第二兴趣点的地理位置重合,将所述第一兴趣点的位置作为所述第二兴趣点的位置。
6.根据权利要求5中任意一项所述的装置,其中,所述装置还包括:
第三兴趣点位置确定模块,用于根据所述第二兴趣点与第三兴趣点的位置关系,以及所述第二兴趣点的位置确定所述第三兴趣点的位置。
7.根据权利要求5中任意一项所述的装置,其中,所述位置关系包括根据兴趣点素材图像确定的所述第一兴趣点和所述第二兴趣点之间的相邻关系。
8.根据权利要求7所述的装置,其中,所述装置还包括:
对象获取模块,用于从所述兴趣点素材图像中,获取第一对象和第二对象;
位置关系模块,用于根据所述兴趣点素材图像,确定所述第一对象与所述第二对象具有左右相邻关系或上下相邻关系;
对象分析模块,用于根据所述第一对象的信息和所述兴趣点素材图像的拍摄信息,确定所述第一对象为所述第一兴趣点对应的对象,以及确定所述第二对象为所述第二兴趣点对应的对象;
位置关系确定模块,用于根据所述第一对象与所述第二对象具有左右相邻关系或上下相邻关系,确定所述第一兴趣点与所述第二对象对应的第二兴趣点之间的位置关系。
9. 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1-4中任一项所述的方法。
10.一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计算机执行权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011552883.9A CN112651393B (zh) | 2020-12-24 | 2020-12-24 | 兴趣点数据处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011552883.9A CN112651393B (zh) | 2020-12-24 | 2020-12-24 | 兴趣点数据处理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112651393A CN112651393A (zh) | 2021-04-13 |
CN112651393B true CN112651393B (zh) | 2024-02-06 |
Family
ID=75360262
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011552883.9A Active CN112651393B (zh) | 2020-12-24 | 2020-12-24 | 兴趣点数据处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112651393B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114820960B (zh) * | 2022-04-18 | 2022-12-16 | 北京百度网讯科技有限公司 | 构建图谱的方法、装置、设备和介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108897824A (zh) * | 2018-06-21 | 2018-11-27 | 百度在线网络技术(北京)有限公司 | 兴趣点空间拓扑关系构建方法、装置及存储介质 |
CN111787489A (zh) * | 2020-07-17 | 2020-10-16 | 北京百度网讯科技有限公司 | 实采兴趣点的位置确定方法、装置、设备和可读存储介质 |
CN112033396A (zh) * | 2020-09-09 | 2020-12-04 | 北京百度网讯科技有限公司 | 用于获得兴趣点周围的引导点的方法、装置、设备与介质 |
CN112101339A (zh) * | 2020-09-15 | 2020-12-18 | 北京百度网讯科技有限公司 | 地图兴趣点的信息获取方法、装置、电子设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416776B (zh) * | 2018-03-16 | 2021-04-30 | 京东方科技集团股份有限公司 | 图像识别方法、图像识别装置、计算机产品和可读存储介质 |
-
2020
- 2020-12-24 CN CN202011552883.9A patent/CN112651393B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108897824A (zh) * | 2018-06-21 | 2018-11-27 | 百度在线网络技术(北京)有限公司 | 兴趣点空间拓扑关系构建方法、装置及存储介质 |
CN111787489A (zh) * | 2020-07-17 | 2020-10-16 | 北京百度网讯科技有限公司 | 实采兴趣点的位置确定方法、装置、设备和可读存储介质 |
CN112033396A (zh) * | 2020-09-09 | 2020-12-04 | 北京百度网讯科技有限公司 | 用于获得兴趣点周围的引导点的方法、装置、设备与介质 |
CN112101339A (zh) * | 2020-09-15 | 2020-12-18 | 北京百度网讯科技有限公司 | 地图兴趣点的信息获取方法、装置、电子设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
融合社交网络和图像内容的兴趣点推荐;邵长城;陈平华;;计算机应用(第05期);第21-28页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112651393A (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2019133646A (ja) | 点群データ同士のマッチング関係を確定するための方法及び装置 | |
CN108279670B (zh) | 用于调整点云数据采集轨迹的方法、设备以及计算机可读介质 | |
CN109815831B (zh) | 一种车辆朝向获取方法及相关装置 | |
CN113077548B (zh) | 针对物体的碰撞检测方法、装置、设备和存储介质 | |
US10909714B2 (en) | Method, apparatus, and system for providing a distance marker in an image | |
CN111340890A (zh) | 相机外参标定方法、装置、设备和可读存储介质 | |
CN114332232B (zh) | 基于空间点线面特征混合建模的智能手机室内定位方法 | |
CN112651393B (zh) | 兴趣点数据处理方法、装置、设备及存储介质 | |
CN115510175A (zh) | dwg数据的地理坐标转换方法和装置、计算机设备及介质 | |
CN112422653A (zh) | 基于位置服务的场景信息推送方法、系统、存储介质及设备 | |
CN112509135B (zh) | 元素标注方法、装置、设备、存储介质及计算机程序产品 | |
CN113971723B (zh) | 高精地图中三维地图的构建方法、装置、设备和存储介质 | |
CN114299242A (zh) | 高精地图中图像处理方法、装置、设备以及存储介质 | |
CN111400537B (zh) | 一种道路元素信息获取方法、装置和电子设备 | |
CN112784175B (zh) | 兴趣点数据处理方法、装置、设备及存储介质 | |
WO2021189420A1 (zh) | 一种数据处理方法及装置 | |
US9811889B2 (en) | Method, apparatus and computer program product for generating unobstructed object views | |
CN113628284B (zh) | 位姿标定数据集生成方法、装置、系统、电子设备及介质 | |
CN113762397B (zh) | 检测模型训练、高精度地图更新方法、设备、介质及产品 | |
CN113112551B (zh) | 相机参数的确定方法、装置、路侧设备和云控平台 | |
CN110634159A (zh) | 一种目标检测方法和装置 | |
CN116129087A (zh) | 定位方法、视觉地图的生成方法及其装置 | |
CN113536025B (zh) | 兴趣点的招牌朝向确定方法、装置、电子设备和存储介质 | |
CN114387405B (zh) | 基于机器视觉的微小特征跨数量级快速定位方法和装置 | |
CN112507951B (zh) | 指示灯识别方法、装置、设备、路侧设备和云控平台 |
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 |