CN113810591A - 一种高精地图作业系统及云端平台 - Google Patents
一种高精地图作业系统及云端平台 Download PDFInfo
- Publication number
- CN113810591A CN113810591A CN202010543869.6A CN202010543869A CN113810591A CN 113810591 A CN113810591 A CN 113810591A CN 202010543869 A CN202010543869 A CN 202010543869A CN 113810591 A CN113810591 A CN 113810591A
- Authority
- CN
- China
- Prior art keywords
- position information
- marker
- spatial position
- cloud platform
- 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
- 239000003550 marker Substances 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000004891 communication Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
-
- 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
Abstract
本申请关于一种高精地图作业系统及云端平台。所述高精地图作业系统包括:云端平台、车机;云端平台,向车机下发采集任务并实时接收终端的图像数据;车机,执行所述采集任务对道路进行图像采集,并将采集到的图像数据上传至云端平台;云端平台,从图像数据中抽取包含特定标识物的至少一张图像,根据所述标识物在图像中的像素坐标计算空间位置信息;保存所述空间位置信息并标记该采集任务完成。本申请提供的方案,能够自动化完成从下发采集任务到生成并检查高精地图信息的全部流程。
Description
技术领域
本申请涉及高精地图技术领域,尤其涉及服务器及高精地图作业系统。
背景技术
目前的高精地图数据作业方法大都基于点云作业平台。在这种作业方式下,点云采集设备获取的点云数据需要人工下载至服务器;然后,由服务器进行处理并生成高精地图数据;最后,还需要人工查找高精地图数据中的错误。
可以看出,相关技术中的高精地图数据作业自动化程度较低,且无法适用于单目相机等进行图像采集。
发明内容
本申请提供一种高精地图作业系统,包括:云端平台、车机;云端平台,向车机下发采集任务并实时接收终端的图像数据;车机,执行所述采集任务对道路进行图像采集,并将采集到的图像数据上传至云端平台;云端平台,从图像数据中抽取包含特定标识物的至少一张图像,根据所述标识物在图像中的像素坐标计算空间位置信息;保存所述空间位置信息并标记该采集任务完成。
所述云端平台计算标识物空间位置信息的方法包括:从图像数据中抽取包含同一标识物的至少两张图像,根据所述标识物分别在至少两张图像中的像素坐标计算所述标识物的空间位置信息。
上述系统中,云端平台在保存所述空间位置信息前,检查所述空间位置信息是否符合预置的规则;若不符合,则重新下发采集任务。
上述系统中,所述车机调用单目相机获取道路图像数据。
上述系统中,车机判断是否满足执行采集任务的条件,若满足,则执行采集任务并将采集数据发送到云端平台。
系统中,所述云端平台通过脚本工具进行调用功能接口执行任务操作。
本发明实施例还提供了一种云端平台,包括:采集任务管理模块,管理采集任务,以及,通过通讯模块将所述采集任务发送给车机;通讯模块,下发采集任务给车机;以及,接收车机发送的图像数据;处理器模块,从图像数据中抽取包含特定标识物的至少一张图像,根据所述标识物在图像中的像素坐标计算空间位置信息;地图数据模块;保存计算得到的空间位置信息,以及通知采集任务管理模块,该采集任务完成。
上述云端平台中,地图数据模块,在保存所述计算得到的空间位置信息前还调用检查模块对检查所述空间位置信息是否符合预置的规则;检查模块,检查所述空间位置信息是否符合预置的规则,若不符合,则触发任务管理模块重新下发该采集任务。
上述云端平台,检查模块根据所述特定标识物的类型,调用检查规则进行检查,检查规则包括:路牌与车道线的距离不超过第一预设门限值;或者,相邻车道线的间距为第二预设门限值。
上述云端平台中,处理器模块根根据所述标识物在图像中的像素坐标计算空间位置信息具体为:接收终端发送的至少两张图像以及拍摄所述图像时的地理位置信息,识别所述至少两张图像中包含的同一标识物;分别计算得到所述标识物的至少两组像素坐标,以及拍摄图像时的地理位置信息;根据所述像素坐标以及所述地理位置信息生成所述标识物的空间位置信息。
以上可以看到,云端平台能够根据任务条件自动安排车辆车机进行数据采集,并在获得车机的图像数据后,根据脚本工具自动的完成从图像数据得到标识物空间位置信息的全部过程。从采集任务的整体调配,到图像处理,以及计算结果的校验,完全以任务管理模块的采集任务为对象进行管理,与现有技术相比,采集任务完成效率大大提高。
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,并不能限制本申请。
附图说明
通过结合附图对本申请示例性实施方式进行更详细的描述,本申请的上述以及其它目的、特征和优势将变得更加明显,其中,在本申请示例性实施方式中,相同的参考标号通常代表相同部件。
图1是本申请实施例高精地图作业系统结构示意图;
图2是本申请实施例云端服务器结构示意图;
图3是本申请实施例的图像像素坐标与世界坐标系换算示意图;
图4是本申请实施例生成空间位置坐标示意图。
具体实施方式
下面将参照附图更详细地描述本申请的优选实施方式。虽然附图中显示了本申请的优选实施方式,然而应该理解,可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本申请更加透彻和完整,并且能够将本申请的范围完整地传达给本领域的技术人员。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
本申请实施例提供一种高精地图作业系统,以及一种云端平台,能够自动化完成从下发采集任务到生成并检查高精地图信息的全部流程。
参照图1,本申请实施例示出的一种高精地图作业系统包括云端平台及车机。
车机,执行所述采集任务对道路进行图像采集,并将采集到的图像数据上传至云端平台。云端下发的采集任务通常是附条件的,例如采集的区域范围等,例如,车机可以根据当前GPS获取的位置信息判断是否满足执行采集任务的条件,若满足,则执行采集任务并将采集数据发送到云端平台。
车机调用单目相机对道路影响进行图像采集。并车机基于与云端平台共同实现的通信协议,例如4G、5G、Wifi、Zigbee通信协议的一种或多种实现数据通信,包括云端平台将采集任务发送给车机,以及车机将图像数据上传到云端平台。
云端平台,通过脚本工具调用相应的功能模块,执行以下任务:
向车机下发采集任务并实时接收终端的图像数据;
从车机上传的图像数据中抽取包含特定标识物的至少一张图像,根据所述标识物在图像中的像素坐标计算空间位置信息;
保存所述空间位置信息并标记该采集任务完成。
以及,上述系统中,所述云端平台保存所述空间位置信息前,检查所述空间位置信息是否符合预置的规则;若不符合,则重新下发采集任务。
为实现本实施例中云端平台的相关功能,参照图2,云端平台包含如下结构:
采集任务管理模块21,对采集任务进行管理,对每台车机需要完成的采集任务进行管理。不同的采集任务与车辆位置以及任务时间有关。采集任务管理模块对于每个任务均划定采集条件,例如,采集的区域范围以及时间。进一步根据采集条件下发采集任务。例如,车辆接近所述区域范围、或者按照既往轨迹,车辆会经过采集区域等条件,将采集任务通过通讯模块将相关采集任务发送给车机。
通讯模块22,下发采集任务给车机;以及,接收车机发送的图像数据。
在本申请中,通讯模块22接收终端车机发送的图像数据以及拍摄图像时的地理位置信息。终端可以位于行使中的地图采集车上,安装于地图采集车上的单目相机或行车记录仪按照一定频率对路面进行拍摄,同时安装于地图采集车上的定位装置实时获取地理位置信息。定位装置包括但不限于是全球定位系统(GPS)、北斗定位系统、伽利略定位系统、格洛纳斯定位系统。终端发送的每张图像均与定位装置实时获取的特定地理位置信息对应,该地理位置信息包括但不限于经纬度信息及高度信息。
处理器模块23,从图像数据中抽取包含特定标识物的至少一张图像,根据所述标识物在图像中的像素坐标计算空间位置信息。云端平台可以从移动终端获取行车记录仪拍摄的视频文件,进而根据预置的规则,从所述视频文件中通过抽帧获得待处理图像,经过图像处理计算得到图像中特定标识物的空间位置信息。该标识物可以是车道线、地面标识、路牌、建筑物等,本申请不限定标识物的具体类型。
由于标识物的不同,所采用的图像处理和计算方法也不同。例如,对于车道线而言,由于车道线位于水平地面,因而采用单张图像即可得到车道线的空间位置信息。
以下以路牌为例,说明处理器模块获得其空间位置信息的方法。
利用深度学习的全卷积神经网络算法识别至少两张图像中包含的同一标识物,即分别识别出两张图像中包含的相同的路牌,并分别计算得到标识物的至少两组像素坐标。
在每张图像的同一标识物上均选取同一特征点,并计算得到该标识物的对应于该同一特征点的至少两组像素坐标。标识物例如可以是矩形的路牌,同一特征点例如可以是矩形的路牌上相对应的同一个顶点。
图像像素坐标,用于描述物体成像后的像点在数字图像上的坐标。从相机内读取到的信息所在的坐标系。单位为个(像素数目)。以图像平面的左上角顶点为坐标原点,X轴和Y轴分别平行于图像坐标系的X轴和Y轴,用(u,v)表示其坐标值。数码相机采集的图像首先是形成标准电信号的形式,然后再通过模数转换变换为数字图像。每幅图像的存储形式是M×N的数组,M行N列的图像中的每一个元素的数值代表的是图像点的灰度。这样的每个元素叫像素,像素坐标系就是以像素为单位的图像坐标系。
参照图3为本发明实施例提供的图像像素坐标与世界坐标系的计算示意图。相机安放在三维空间中,因而世界坐标系这个基准坐标系来描述相机的位置,并且用相机的位置来描述安放在此三维环境中的其它任何物体的位置。假设P为真实世界中的一点,其在世界坐标系中的位置为P(xw,yw,zw),P即为本发明实施例中路牌某一点的真实位置。
OC-XCYCZC为相机坐标系,光心为原点,所述相机坐标系是以摄像机光心为原点,在针孔模型中也就是针孔为光心。z轴与光轴重合也就是z轴指向相机的前方,x轴与y轴的正方向与物体坐标系平行。其中f为相机的焦距,图3中可见,f为相机坐标系原点OC与图像物理坐标系中o的距离。
o-xy为图像物理坐标系,也叫平面坐标系。用物理单位表示像素的位置,坐标原点为相机光轴与图像物理坐标系的交点位置,即光心为图像中心点。o-xy坐标系单位是毫米(mm),其与相机内部CCD传感器的尺寸相适应。照片成像后是以像素为单位,比如640×480,因而需要进一步将图像物理坐标转换为图像像素坐标。
图像像素坐标系uv,如图3所示。以像素为单位,坐标原点为图像左上角。图像像素物理坐标与图像像素坐标之间的转换关系为毫米与像素点之间关系,即像素/毫米。举例而言,相机CCD传感器为8mm×6mm,图像像素大小为640×480,如果dx表示图像像素坐标系中每个像素的物理大小,则dx就是1/80mm。
世界坐标系中P(xw,yw,zw)点在图像中的成像点为p,在图像物理坐标系中的坐标为(x,y),在图像像素坐标系中的坐标为(u,v)。
按照以上换算关系,根据P点在图像中的像素坐标计算出P点相对于相机位置的世界坐标。根据以下换算公式可知,此时P点相对于相机而言,位于以相机为起始点且方向已确定的一条直线上。
其中,dx和dy分别表示x方向和y方向的一个像素分别占多少个长度单位。u0,v0表示图像的中心像素坐标和图像原点像素坐标之间相差的横向和纵向像素数。f为相机焦距。R为相机外部参数中的旋转矩阵,T为相机外部参数的偏移向量,相机的外部参数可根据现有技术可以获得。
按照以上方法可知,通过相机的内参和外参以及图像像素得到该元素相对于相机的两个世界坐标系的坐标集合,即分别计算出车辆在A点和B点所拍摄的图像中,路牌上某一点(即某一元素)分别相对于车辆相机的世界坐标PA(xw,yw,zw)和PB(xw,yw,zw)。此时得到的P点坐标PA(xw,yw,zw)和PB(xw,yw,zw)分别位于起始于车辆位于A点时的相机和车辆位于B点时的相机的直线上。参见图4所示。
本申请实施例中,根据地图采集车辆分别于A点和B点测得的地理位置信息,参照相机的外部参数获得相机的两个地理位置信息。参见图4所示,分别位于起始于车辆位于A点时的相机和车辆位于B点时的相机的直线上,因而,两条直线的交点即为P点。亦即由相机光心到图像中该元素所确定两条射线,该两条射线的交点即为P点。
进一步根据已获知的车辆分别于A、B两点时相机地理坐标信息,计算得到P点的地理坐标信息以及P点相对于相机的高度,从而生成标识物的空间位置信息。
地图数据模块24,保存处理器模块23计算得到的空间位置信息,以及通知采集任务管理模块,该采集任务完成。采集任务管理模块标记相应的采集任务完成,实现对采集任务的管理。
进一步,作为本发明较佳的实施例,云端平台还包括检查模块25.
在地图数据模块24在保存所述计算得到的空间位置信息前还调用检查模块25对检查所述空间位置信息是否符合预置的规则。
检查模块25,对于不同类型的标识物保存了相应的检查规则。所述规则可以包括对标识物相互位置关系进行判断的规则、对标识物相对大小进行判断的规则。例如路牌和车道线的距离不超过100米;又例如比如车道线间的距离为3.5或者3.75米等。
地图数据模块在将处理器模块新计算得到的标识物空间位置信息保存之前调用检查模块,根据标识物的类型调用相应的规则对新得到的空间位置信息检查。检查的过程可能不仅是将当前从处理器模块获取的空间位置信息进行自我比较,判断是否满足规则;还可能调用已保存的数据与当前获得的数据进行比较。例如,本次获得一路牌的空间位置信息后,需要调用地图数据模块中已保存的道路车道线空间位置信息与路牌的空间位置信息进行比较,判断距离是否在100米之内。
利用检查模块25,对于处理器23模块发送来的位置数据,地图数据模块24保存那些通过检查的位置数据,并通知采集任务管理模块任务完成;否则丢弃处理器模块23发送来的位置数据。
采集任务管理模块21,如果未收到来自地图数据模块24通知的采集任务则不结束该任务,直至在达到任务期限时标记任务失败。或者进一步,按照预置的机制重新下发该任务。在另一种实现方式中,采集任务管理模块21获得地图数据模块24的消息,某采集任务数据未能通过检查,则采集任务管理模块21重新下发该任务。
本发明通过脚本工具,调用相关模块完成按照业务操作流程执行相应的功能,完成从任务采集下发、图像采集以及绘制得到高精地图数据以及对高精地图数据进行校验检查的过程,这使得云端平台能够自动化完成从下发采集任务到生成并检查高精地图信息的全部流程。并且,利用检查模块的检查规则检查标识物的空间位置信息的正确性,以便及时发现标识物的空间位置信息中的错误。
本申请提供的技术方案可以包括以下有益效果:云端平台能够根据任务条件自动安排车辆车机进行数据采集,并在获得车机的图像数据后,根据脚本工具自动的完成从图像数据得到标识物空间位置信息的全部过程。从采集任务的整体调配,到图像处理,以及计算结果的校验,完全以任务管理模块的采集任务为对象进行管理,与现有技术相比,采集任务完成效率大大提高。
进一步的,本申请技术方案的用于高精地图作业系统的服务器,可以通过计算模块利用深度学习的全卷积神经网络算法识别至少两张图像中包含的同一标识物,这能够使得标识物的识别过程高效、准确率较高,也使得标识物的像素坐标更加准确。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在上述实施例中进行了详细描述,此处将不再做详细阐述说明。
根据本申请的方案可以实现为一种计算机程序或计算机程序产品,该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。
或者,本申请还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质),其上存储有可执行代码(或计算机程序、或计算机指令代码),当所述可执行代码(或计算机程序、或计算机指令代码)被电子设备(或电子设备、服务器等)的处理器执行时,使所述处理器执行根据本申请的上述方法的各个步骤的部分或全部。
本领域技术人员还将明白的是,结合这里的申请所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。
附图中的流程图和框图显示了根据本申请的多个实施例的系统和方法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。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操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。
以上已经描述了本申请的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种高精地图作业系统,其特征在于,包括:云端平台、车机;
云端平台,向车机下发采集任务并实时接收终端的图像数据;
车机,执行所述采集任务对道路进行图像采集,并将采集到的图像数据上传至云端平台;
云端平台,从图像数据中抽取包含特定标识物的至少一张图像,根据所述标识物在图像中的像素坐标计算空间位置信息;保存所述空间位置信息并标记该采集任务完成。
2.根据权利要求1所述的系统,其特征在于,所述云端平台,计算标识物空间位置信息的方法包括:
从图像数据中抽取包含同一标识物的至少两张图像,根据所述标识物分别在至少两张图像中的像素坐标计算所述标识物的空间位置信息。
3.根据权利要求1或2所述的系统,其特征在于,还包括:
云端平台保存所述空间位置信息前,检查所述空间位置信息是否符合预置的规则;若不符合,则重新下发采集任务。
4.根据权利要求3所述的系统,其特征在于,
所述车机调用单目相机获取道路图像数据。
5.根据权利要求4所述的系统,其特征在于,还包括:
车机判断是否满足执行采集任务的条件,若满足,则执行采集任务并将采集数据发送到云端平台。
6.根据权利要求5所述的系统,其特征在于:
所述云端平台通过脚本工具进行调用功能接口执行任务操作。
7.一种云端平台,其特征在于,包括:
采集任务管理模块,管理采集任务,以及,通过通讯模块将所述采集任务发送给车机;
通讯模块,下发采集任务给车机;以及,接收车机发送的图像数据;
处理器模块,从图像数据中抽取包含特定标识物的至少一张图像,根据所述标识物在图像中的像素坐标计算空间位置信息;
地图数据模块;保存计算得到的空间位置信息,以及通知采集任务管理模块,该采集任务完成。
8.根据权利要求7所述的云端平台,其特征在于,
地图数据模块,在保存所述计算得到的空间位置信息前还调用检查模块对检查所述空间位置信息是否符合预置的规则;
检查模块,检查所述空间位置信息是否符合预置的规则,若不符合,则触发任务管理模块重新下发该采集任务。
9.根据权利要求8所述的云端平台,其特征在于,
检查模块根据所述特定标识物的类型,调用检查规则进行检查,检查规则包括:
路牌与车道线的距离不超过第一预设门限值;或者,相邻车道线的间距为第二预设门限值。
10.根据权利要求7所述的云端平台,其特征在于,
处理器模块根据所述标识物在图像中的像素坐标计算空间位置信息具体为:
接收终端发送的至少两张图像以及拍摄所述图像时的地理位置信息,
识别所述至少两张图像中包含的同一标识物;
分别计算得到所述标识物的至少两组像素坐标,以及拍摄图像时的地理位置信息;
根据所述像素坐标以及所述地理位置信息生成所述标识物的空间位置信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010543869.6A CN113810591B (zh) | 2020-06-15 | 2020-06-15 | 一种高精地图作业系统及云端平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010543869.6A CN113810591B (zh) | 2020-06-15 | 2020-06-15 | 一种高精地图作业系统及云端平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113810591A true CN113810591A (zh) | 2021-12-17 |
CN113810591B CN113810591B (zh) | 2023-11-21 |
Family
ID=78944054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010543869.6A Active CN113810591B (zh) | 2020-06-15 | 2020-06-15 | 一种高精地图作业系统及云端平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113810591B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105335155A (zh) * | 2015-10-20 | 2016-02-17 | 华东师范大学 | 一种仅需配置云端脚本即可实现不同IoT应用的方法 |
CN106503011A (zh) * | 2015-09-07 | 2017-03-15 | 高德软件有限公司 | 一种地图数据处理方法及装置 |
CN107801146A (zh) * | 2017-05-17 | 2018-03-13 | 胡志成 | 一种信息安全控制方法 |
WO2018108114A1 (zh) * | 2016-12-16 | 2018-06-21 | 北京奇虎科技有限公司 | 可穿戴设备及其任务执行控制方法和装置 |
CN108512888A (zh) * | 2017-12-28 | 2018-09-07 | 达闼科技(北京)有限公司 | 一种信息标注方法、云端服务器、系统、电子设备及计算机程序产品 |
CN108764166A (zh) * | 2018-05-30 | 2018-11-06 | 天仁民防建筑工程设计有限公司 | 一种基于支撑杆的人防门位置状态检测系统及方法 |
CN109446783A (zh) * | 2018-11-16 | 2019-03-08 | 济南浪潮高新科技投资发展有限公司 | 一种基于机器众包的图像识别高效样本采集方法及系统 |
CN109743233A (zh) * | 2019-02-19 | 2019-05-10 | 南威软件股份有限公司 | 一种对强身份认证系统进行数据采集的方法及计算机设备 |
CN110287276A (zh) * | 2019-05-27 | 2019-09-27 | 百度在线网络技术(北京)有限公司 | 高精地图更新方法、装置及存储介质 |
CN110807358A (zh) * | 2019-09-16 | 2020-02-18 | 成都数联铭品科技有限公司 | 基于周边信息的大数据定位校验系统 |
CN110837092A (zh) * | 2018-08-17 | 2020-02-25 | 北京四维图新科技股份有限公司 | 车辆定位、车道级路径规划的方法及装置 |
-
2020
- 2020-06-15 CN CN202010543869.6A patent/CN113810591B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106503011A (zh) * | 2015-09-07 | 2017-03-15 | 高德软件有限公司 | 一种地图数据处理方法及装置 |
CN105335155A (zh) * | 2015-10-20 | 2016-02-17 | 华东师范大学 | 一种仅需配置云端脚本即可实现不同IoT应用的方法 |
WO2018108114A1 (zh) * | 2016-12-16 | 2018-06-21 | 北京奇虎科技有限公司 | 可穿戴设备及其任务执行控制方法和装置 |
CN107801146A (zh) * | 2017-05-17 | 2018-03-13 | 胡志成 | 一种信息安全控制方法 |
CN108512888A (zh) * | 2017-12-28 | 2018-09-07 | 达闼科技(北京)有限公司 | 一种信息标注方法、云端服务器、系统、电子设备及计算机程序产品 |
CN108764166A (zh) * | 2018-05-30 | 2018-11-06 | 天仁民防建筑工程设计有限公司 | 一种基于支撑杆的人防门位置状态检测系统及方法 |
CN110837092A (zh) * | 2018-08-17 | 2020-02-25 | 北京四维图新科技股份有限公司 | 车辆定位、车道级路径规划的方法及装置 |
CN109446783A (zh) * | 2018-11-16 | 2019-03-08 | 济南浪潮高新科技投资发展有限公司 | 一种基于机器众包的图像识别高效样本采集方法及系统 |
CN109743233A (zh) * | 2019-02-19 | 2019-05-10 | 南威软件股份有限公司 | 一种对强身份认证系统进行数据采集的方法及计算机设备 |
CN110287276A (zh) * | 2019-05-27 | 2019-09-27 | 百度在线网络技术(北京)有限公司 | 高精地图更新方法、装置及存储介质 |
CN110807358A (zh) * | 2019-09-16 | 2020-02-18 | 成都数联铭品科技有限公司 | 基于周边信息的大数据定位校验系统 |
Non-Patent Citations (2)
Title |
---|
杨林等: "高速公路沿线设施管理信息系统", 《地球信息科学》 * |
杨林等: "高速公路沿线设施管理信息系统", 《地球信息科学》, no. 05, 15 October 2007 (2007-10-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN113810591B (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3505869B1 (en) | Method, apparatus, and computer readable storage medium for updating electronic map | |
CN108694882B (zh) | 用于标注地图的方法、装置和设备 | |
CN111652940A (zh) | 目标异常识别方法、装置、电子设备及存储介质 | |
CN110146869A (zh) | 确定坐标系转换参数的方法、装置、电子设备和存储介质 | |
CN106646566A (zh) | 乘客定位方法、装置及系统 | |
JP4978615B2 (ja) | 対象特定装置 | |
CN109920009B (zh) | 基于二维码标识的控制点检测与管理方法及装置 | |
CN113706594B (zh) | 三维场景信息生成的系统、方法及电子设备 | |
CN103884335A (zh) | 基于二维码地理信息标志的遥感与摄影测量定位方法 | |
CN116192044A (zh) | 一种故障光伏板编号定位方法、装置、电子设备及存储介质 | |
CN111353453A (zh) | 用于车辆的障碍物检测方法和装置 | |
CN113804100B (zh) | 确定目标对象的空间坐标的方法、装置、设备和存储介质 | |
CN113810591B (zh) | 一种高精地图作业系统及云端平台 | |
CN113240744A (zh) | 图像处理的方法和装置 | |
Yuan et al. | High accuracy virtual electronic fence management technique based on GNSS | |
CN110930455B (zh) | 定位方法、装置、终端设备及存储介质 | |
CN113048988B (zh) | 一种导航地图对应场景的变化元素检测方法及装置 | |
CN114463654A (zh) | 状态检测方法、装置、设备及计算机存储介质 | |
CN113932793A (zh) | 三维坐标定位方法、装置、电子设备和存储介质 | |
CN113218392A (zh) | 室内定位导航方法及导航装置 | |
CN114531580B (zh) | 图像处理方法及装置 | |
CN116465422A (zh) | 地图信息的生成方法、装置、电子设备及存储介质 | |
CN113223076A (zh) | 车辆与车载摄像头的坐标系标定方法、设备及存储介质 | |
CN117671645A (zh) | 对象的确定方法、装置、存储介质及电子装置 | |
CN117557596A (zh) | 静态物体跟踪及集成方法、装置、介质、设备和程序产品 |
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 |