CN114925295A - 确定兴趣点的引导点的方法、相关装置及计算机程序产品 - Google Patents
确定兴趣点的引导点的方法、相关装置及计算机程序产品 Download PDFInfo
- Publication number
- CN114925295A CN114925295A CN202210643210.7A CN202210643210A CN114925295A CN 114925295 A CN114925295 A CN 114925295A CN 202210643210 A CN202210643210 A CN 202210643210A CN 114925295 A CN114925295 A CN 114925295A
- Authority
- CN
- China
- Prior art keywords
- image
- point
- interest
- shooting
- images
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
本公开提供了确定兴趣点的引导点的方法、装置、电子设备、计算机可读存储介质及计算机程序产品,涉及计算机视觉、智能交通、电子地图等人工智能技术领域。该方法的一具体实施方式包括:获取位于兴趣点预设距离范围内的多张初选图像以及对应的拍摄坐标和拍摄角度,然后,确定该兴趣点的朝向角度,并将投票得分最高的初选图像确定为第一目标图像、将该朝向角度上与该兴趣点距离最近的初选图像确定为第二目标图像,在第一目标图像和第二目标图像之间的相似度超过相似度阈值时进行响应,基于第一目标图像和第二目标图像的融合图像的投影点坐标,确定该兴趣点的引导点。该实施方式可基于兴趣点周边的场景图像进行挖掘,准确的确定兴趣点的引导点。
Description
技术领域
本公开涉及计算机技术领域,具体涉及计算机视觉、智能交通、电子地图等人工智能技术领域,尤其涉及确定兴趣点的引导点的方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
背景技术
兴趣点(Points Of Interest,简称POI)是一种具有地理空间特征的信息点,在电子地图中每个住宅小区,公园、学校、公司、商场等都是一个POI。
在真实场景下,为方便、使得用户可顺利到访POI所对应的真实建筑,通常会对应该POI的真实建筑的真实出入口设置相应的引导点,以便于在实际导航过程中将该引导点作为导航终点,为用户提供指向该POI的导航服务,解决因导航不精确导致的诸如驾车绕路、需穿越隔离带等无法直接到达的问题。
发明内容
本公开实施例提出了一种确定兴趣点的引导点的方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
第一方面,本公开实施例提出了一种确定兴趣点的引导点的方法,包括:获取位于兴趣点预设距离范围内的多张初选图像以及该初选图像的拍摄坐标和拍摄角度;获取该兴趣点的朝向角度,并基于投票机制算法生成各该初选图像的投票得分;将该投票得分最高的初选图像确定为第一目标图像、将该朝向角度上与该兴趣点距离最近的初选图像确定为第二目标图像;响应于该第一目标图像和该第二目标图像之间的相似度超过相似度阈值,基于该第一目标图像和该第二目标图像的融合图像的投影点坐标,确定该兴趣点的引导点。
第二方面,本公开实施例提出了一种确定兴趣点的引导点的装置,包括:初选图像获取单元,被配置成获取位于兴趣点预设距离范围内的多张初选图像以及该初选图像的拍摄坐标和拍摄角度;朝向角及投票得分获取单元,包括被配置成获取该兴趣点的朝向角度朝向角获取子单元,以及被配置成基于投票机制算法生成各该初选图像的投票得分的投票得分获取子单元;目标图像确定单元,被配置成将该投票得分最高的初选图像确定为第一目标图像、将该朝向角度上与该兴趣点距离最近的初选图像确定为第二目标图像;引导点确定单元,被配置成响应于该第一目标图像和该第二目标图像之间的相似度超过相似度阈值,基于该第一目标图像和该第二目标图像的融合图像的投影点坐标,确定该兴趣点的引导点。
第三方面,本公开实施例提供了一种电子设备,该电子设备包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,该指令被至少一个处理器执行,以使至少一个处理器执行时能够实现如第一方面中任一实现方式描述的确定兴趣点的引导点的方法。
第四方面,本公开实施例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时能够实现如第一方面中任一实现方式描述的确定兴趣点的引导点的方法。
第五方面,本公开实施例提供了一种包括计算机程序的计算机程序产品,该计算机程序在被处理器执行时能够实现如第一方面中任一实现方式描述的确定兴趣点的引导点的方法。
本公开实施例提供的确定兴趣点的引导点的方法、装置、电子设备、计算机可读存储介质及计算机程序产品,获取位于兴趣点预设距离范围内的多张初选图像以及该初选图像的拍摄坐标和拍摄角度,然后,获取该兴趣点的朝向角度,并基于投票机制算法生成各该初选图像的投票得分,接下来,将该投票得分最高的初选图像确定为第一目标图像、将该朝向角度上与该兴趣点距离最近的初选图像确定为第二目标图像,最后,在该第一目标图像和该第二目标图像之间的相似度超过相似度阈值时进行响应,基于该第一目标图像和该第二目标图像的融合图像的投影点坐标,确定该兴趣点的引导点。
本公开可将兴趣点预设范围内的场景图像作为初选图像后,利用该多张场景图像中的内容、拍摄坐标、拍摄角度进行挖掘,以确定兴趣点的引导点位置,可在较为复杂的真实场景下,准确的确定兴趣点的引导点。
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
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开可以应用于其中的示例性系统架构;
图2为本公开实施例提供的一种确定兴趣点的引导点的方法的流程图;
图3为本公开实施例提供的另一种确定兴趣点的引导点的方法的流程图;
图4-1、4-2、4-3为本公开实施例提供的在一应用场景下的确定兴趣点的引导点的方法的效果示意图;
图5为本公开实施例提供的一种确定兴趣点的引导点的装置的结构框图;
图6为本公开实施例提供的一种适用于执行确定兴趣点的引导点的方法的电子设备的结构示意图。
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。需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
此外,本公开涉及的技术方案中,所涉及的用户个人信息的获取、存储、使用、加工、运输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
图1示出了可以应用本公开的确定兴趣点的引导点的方法、装置、电子设备及计算机可读存储介质的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103和服务器105上可以安装有各种用于实现两者之间进行信息通讯的应用,例如地图构建类应用、导航类应用、即时通讯类应用等。
终端设备101、102、103和服务器105可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等;当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中,其可以实现成多个软件或软件模块,也可以实现成单个软件或软件模块,在此不做具体限定。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器;服务器为软件时,可以实现成多个软件或软件模块,也可以实现成单个软件或软件模块,在此不做具体限定。
服务器105通过内置的各种应用可以提供各种服务,以可以提供场景图像的图像收集、并利用收集到的包括真实场景的初选图像构建电子地图的地图构建类应用为例,服务器105在运行该图像收集类应用时可实现如下效果:首先,通过网络104从终端设备101、102、103获取位于兴趣点预设距离范围内的多张初选图像以及该初选图像的拍摄坐标和拍摄角度;然后,服务器105获取该兴趣点的朝向角度,并基于投票机制算法生成各该初选图像的投票得分;接下来,服务器105,将该投票得分最高的初选图像确定为第一目标图像、将该朝向角度上与该兴趣点距离最近的初选图像确定为第二目标图像;最后,服务器105,在该第一目标图像和该第二目标图像之间的相似度超过相似度阈值时进行响应,基于该第一目标图像和该第二目标图像的融合图像的投影点坐标,确定该兴趣点的引导点。
需要指出的是,初选图像以及与初选图像对应的拍摄坐标和拍摄角度除可以从终端设备101、102、103通过网络104获取到之外,也可以通过各种方式预先存储在服务器105本地。因此,当服务器105检测到本地已经存储有这些数据时(例如开始处理之前留存的兴趣点的引导点确定任务),可选择直接从本地获取这些数据,在此种情况下,示例性系统架构100也可以不包括终端设备101、102、103和网络104。
由于收集初选图像以及对图像进行处理需要占用较多的运算资源和较强的运算能力,因此本公开后续各实施例所提供的确定兴趣点的引导点的方法一般由拥有较强运算能力、较多运算资源的服务器105来执行,相应地,确定兴趣点的引导点的装置一般也设置于服务器105中。但同时也需要指出的是,在终端设备101、102、103也具有满足要求的运算能力和运算资源时,终端设备101、102、103也可以通过其上安装的地图构建类应用完成上述本交由服务器105做的各项运算,进而输出与服务器105同样的结果。尤其是在同时存在多种具有不同运算能力的终端设备的情况下,但地图构建类应用判断所在的终端设备拥有较强的运算能力和剩余较多的运算资源时,可以让终端设备来执行上述运算,从而适当减轻服务器105的运算压力,相应的,确定兴趣点的引导点的装置也可以设置于终端设备101、102、103中。在此种情况下,示例性系统架构100也可以不包括服务器105和网络104。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
请参考图2,图2为本公开实施例提供的一种确定兴趣点的引导点的方法的流程图,其中流程200包括以下步骤:
步骤201,获取位于兴趣点预设距离范围内的多张初选图像以及该初选图像的拍摄坐标和拍摄角度。
在本实施例中,由确定兴趣点的引导点的方法的执行主体(例如图1所示的服务器105)获取位于兴趣点预设距离范围内的多张初选图像以及初选图像的拍摄坐标和拍摄角度,其中,该初选图像为包括该兴趣点所指向内容的真实场景图像,例如在兴趣点为商场时,该初选图像为从各角度拍摄该商场所对应建筑的真实场景图像,该预设距离范围可结合实际需求确定,通常可根据初选图像的拍摄用户所使用的拍摄用终端设备的拍摄能力确定,例如在拍摄用终端设备体现为手机等终端设备时,则可确定基于手机的拍摄能力确定该预设距离范围为150米。
应当理解的是,初选图像的拍摄坐标可基于用户拍摄该初选图像时的位置进行确定,在实践中,上述执行主体通常可预先构建坐标地图,以便于利用该坐标地图标识兴趣点的地理坐标以及各初选图像的拍摄坐标。
需要指出的是,初选图像以及初选图像的拍摄坐标和拍摄角度可以由上述执行主体直接从本地的存储设备获取,也可以从非本地的存储设备(例如图1所示的终端设备101、102、103)中获取。本地的存储设备可以是设置在上述执行主体内的一个数据存储模块,例如服务器硬盘,在此种情况下,初选图像以及初选图像的拍摄坐标和拍摄角度可以在本地快速读取到;非本地的存储设备还可以为其它任何被设置用于存储数据的电子设备,例如一些用户终端等,在此情况下,上述执行主体可以通过向该电子设备发送获取命令来获取所需的初选图像以及初选图像的拍摄坐标和拍摄角度。
步骤202,获取该兴趣点的朝向角度,并基于投票机制算法生成各初选图像的投票得分。
在本实施例中,获取该兴趣点的朝向角度,该朝向角度通常可基于初选图像中所包括的兴趣点与预先已知的目标对象、道路的夹角信息确定,并利用投票机制算法生成各初选图像的投票得分,其中,投票机制算法(Voting)是集成学习里面针对分类问题的一种结合策略,是一种遵循少数服从多数原则的集成学习模型,通过多个模型的集成降低方差,从而提高模型的鲁棒性(算法对数据变化的容忍度有多高),在所有集成学习方法中,最直观的是多数投票,因为其目的是输出基础学习者的预测中最受欢迎(或最受欢迎)的预测,而多数投票是最简单的集成学习技术,它允许多个基本学习器的预测相结合,与选举的工作方式类似,该算法假定每个基础学习器都是投票者,每个类别都是竞争者,为了选出竞争者为获胜者,该算法会考虑投票,在实践中将多种预测与投票结合起来的主要方法有两种:一种是硬投票,另一种是软投票。
其中,可根据兴趣点的种类不同以及实际需求确定投标机制算法的评分标准,例如在兴趣点为“商场”、期望确定的引导点为“商场入口位置”时,则可依据初选图像中包括“商场入口”相关信息内容的完整度、清晰度等确定投票机制算法的评分标准。
步骤203,将投票得分最高的初选图像确定为第一目标图像、将该朝向角度上与该兴趣点距离最近的初选图像确定为第二目标图像。
在本实施例中,在基于上述步骤202中获取朝向角度以及各初选图像的投票得分后,将其中投票得分最高的初选图像确定为第一目标图像,将各初选图像中,位于该朝向角度上且距离(即基于拍摄坐标与该兴趣点的坐标确定的距离)距离该兴趣点最近的初选图像确定为第二目标图像。
在实践中,在若在该兴趣点的朝向角度上不存在初选图像时,则可获取该朝向角度夹角数值最小的初选图像的拍摄坐标后,以该兴趣点的地理坐标为原点,指向该拍摄坐标的方向为方向确定指向后,以该指向拟制的表示该兴趣点的朝向、利用该拟制表示的朝向确定第二目标图像。
步骤204,响应于该第一目标图像和该第二目标图像之间的相似度超过相似度阈值,基于该第一目标图像和该第二目标图像的融合图像的投影点坐标,确定该兴趣点的引导点。
在本实施例中,生成第一目标图像和第二目标图像之间的相似度,在该相似度超过预先配置的相似度阈值的时进行响应,将该第一目标图像和该第二目标图像进行融合生成融合图像后,投影该融合图像的预测拍摄坐标后,将该投影坐标作为兴趣点的引导坐标,其中,该融合图像的预测拍摄坐标通常该兴趣点的引导点。
在实践中,还可以基于该融合图像对应的投影坐标与该兴趣点的坐标进行连线后,依兴趣点至融合图像的投影点坐标方向延伸至路侧,并将该延伸至路侧、与路侧交汇的目标点确定为兴趣点的引导点,或基于融合图像的投影点坐标确定距离路侧直线距离最短的点为兴趣点的引导点,以便于将引导点推置路侧,提供更便于用户使用、确定位置的引导点。
本公开实施例提供的确定兴趣点的引导点的方法,可将兴趣点预设范围内的场景图像作为初选图像后,利用该多张场景图像中的内容、拍摄坐标、拍摄角度进行挖掘,以确定兴趣点的引导点位置,可在较为复杂的真实场景下,准确的确定兴趣点的引导点。
在本实施例的一些可选的实现方式中,还包括:基于各该初选图像的拍摄角度的平均值确定该兴趣点的朝向角度。
具体的,可在汇总各初选图像的拍摄角度后,基于汇总后的拍摄角度与初选图像的数量确定拍摄角度的平均值,并基于该平均值的镜像对称角度确定兴趣点的朝向角度(即将该平均值的角度数值增加180°后,确定该朝向角度),以便于通过该方式直接利用兴趣点对应的各初选图像确定兴趣点的朝向角度,提升朝向角度的确定效率。
相应的,在基于该平均值确定的兴趣点的朝向角度上不直接存在初选图像的情况下,可基于上述步骤203中所说明的拟制朝向方式的对此进行调整,相同部分内容可参照步骤203中相应部分的说明,此处不再赘述。
请参考图3,图3为本公开实施例提供的另一种确定兴趣点的引导点的方法的流程图,其中流程300包括以下步骤:
步骤301,基于兴趣点数据库中所包括的兴趣点生成图像采集任务,并将该图像采集任务发布给用户。
在本实施例中,可预先对用于构建电子地图的兴趣点进行确定、收集后,将确定、收集到的兴趣点构建为兴趣点数据库,并基于该兴趣点数据库中的各兴趣点生成对应的图像采集任务,该图像采集任务用于指示用户采集对应的兴趣点周边的真实场景图像,然后,将各图像采集任务发布给用户。
在实践中,可通过将图像采集任务发布至任务发送平台,或直接推送给各用户的方式向用户推送该图像采集任务,并且在实践中,在用户完成图像采集任务时,上述执行主体的运营商还可以适应性的为用户相应的反馈机制,以便于用户之间形成良好的交互。
进一步的,在图像采集任务中还可对应不同类型的兴趣点提出相应的采集要求,例如兴趣点为商场时,可相应的提出采集要求为“拍摄商场入口”。
步骤302,获取用户针对图像采集任务返回的采集图像、该采集图像的拍摄参数。
在本实施例中,在基于上述步骤302向用户发布有图像采集任务后,获取各用户针对图像采集任务返回的采集图像以及该采集图像的拍摄参数,拍摄参数至少包括:拍摄坐标和拍摄角度,应当理解的是,拍摄参数的获取方式,通常为在向用户发送图像采集任务的过程中,要求主动提供或授权上述执行主体采集用户完成该图像采集任务时(即拍摄采集图像时)的位置信息等,以确定该采集图像对应的拍摄坐标、拍摄角度。
在一些实施例中,还可针对各兴趣点(图像采集任务)配置合理的采集范围,并在确定采集图像的拍摄坐标后,基于该采集范围与拍摄坐标对采集图像进行筛选,以便于对于拍摄定位精度偏差较大的采集图像进行过滤。
此外,在实践中,还可在完成采集图像的采集、获取后,利用离群值挖掘算法过滤噪声数据,以进一步提升得到的采集图像的质量。
步骤303,将属于同一兴趣点的采集图像以及对应的拍摄参数存入相应的兴趣点的初选图像集合。
在本实施例中,预先针对不同的兴趣点配置初选图像集合,并在接收到指向该兴趣点的采集图像(以及采集图像对应的拍摄参数)后,将该采集图像以及对应的拍摄参数对应的存入该兴趣点的初选图像集合,在实践中,可通过返回的采集图像所指向的图像采集任务中所指向的兴趣点来确定采集图像对应的兴趣点,并将属于同一兴趣点的采集图像以及对应的拍摄参数存入相应的兴趣点的初选图像集合。
步骤304,从与兴趣点对应的初选图像集合中,获取位于兴趣点预设距离范围内的多张初选图像以及该初选图像的拍摄坐标和拍摄角度。
在本实施例中,在获取兴趣点对应的初选图像时,则可利用基于上述各步骤生成、得到的初选图像集合,利用设置预设距离范围的方式,从该初选图像集合中提取拍摄坐标满足该预设距离范围要求的各初选图像以及相应的拍摄坐标和拍摄角度。
步骤305,获取该兴趣点的朝向角度,并基于投票机制算法生成各初选图像的投票得分。
步骤306,将投票得分最高的初选图像确定为第一目标图像、将该朝向角度上与该兴趣点距离最近的初选图像确定为第二目标图像。
步骤307,响应于该第一目标图像和该第二目标图像之间的相似度超过相似度阈值,基于该第一目标图像和该第二目标图像的融合图像的投影点坐标,确定该兴趣点的引导点。
以上步骤305-307与如图2所示的步骤202-204一致,相同部分内容请参见上一实施例的相应部分,此处不再进行赘述,本实施例在上述图2所示实施例的基础上,进一步的,可通过基于兴趣点生成图像采集任务、向用户发送图像采集任务的方式来获取备选为初选图像的采集图像,可以丰富兴趣点周边真实场景图像的图像来源,以丰富用于还原真实场景、用于确定兴趣点的引导点的素材来源,进一步提高兴趣点的引导点的确定质量。
在本实施例的一些可选的实现方式中,将属于同一兴趣点的采集图像以及对应的拍摄参数存入相应的兴趣点的初选图像集合,包括:基于各该采集图像的拍摄参数对各该采集图像进行聚类算法,生成各该采集图像的拍摄类别;分别对各该拍摄类别中的采集图像进行无监督聚类处理,得到各拍摄类别的聚类中心;响应于存在该聚类中心对应的目标兴趣点,将该聚类中心对应的拍摄类别下的采集图像存入该目标兴趣点的初选图像集合。
具体的,基于各该采集图像的拍摄参数对各该采集图像进行聚类算法,生成各该采集图像的拍摄类别,即将可能属于同一兴趣点的图像采集任务的各采集图像分别进行聚类,得到多个拍摄类别(每一拍摄类别对应同一兴趣点的图像采集任务),然后利用例如基于密度的聚类算法(Density-Based Spatial Clustering of Applications with Noise,简称DBSCAN)一类的无监督聚类算法分别对各拍摄类别中的采集图像进行无监督聚类处理,得到各个拍摄类别的聚类中心后,将各聚类中心分别与各目标兴趣点进行匹配,在存在与该聚类中心所匹配的目标兴趣点时进行响应,将该聚类中心对应的拍摄类别下的采集图像存入该目标兴趣点的初选图像集合,该方式无需再要求用户准确反馈所指向的兴趣点,并可同时利用同一采集图像实现多个兴趣点的引导点的确定工作,不仅降低了对用户的上述数据要求,还进一步提高了采集图像的利用率。
在本实施例的一些可选的实现方式中,拍摄参数还包括拍摄时间,该确定兴趣点的引导点的方法,还包括:将该拍摄时间未超过预设时间阈值的采集图像确定为合格采集图像;以及该将属于同一兴趣点的采集图像以及对应的拍摄参数存入相应的兴趣点的初选图像集合,包括:将属于同一兴趣点的合格采集图像以及对应的拍摄参数存入相应的兴趣点的初选图像集合。
具体的,在拍摄参数还包括拍摄时间的情况下,还可结合实际需求预设时间阈值,以便于利用该时间阈值对采集图像进行筛选,该时间阈值为拍摄时间距离当前时间的时间距离(例如时间阈值为拍摄时间距离当前时间一年内),将未超过该预设时间阈值的采集图像确定为合格采集图像后,仅将合格采集图像存入初选图像集合,以便于通过该时间阈值对时效性较低的历史数据进行剔除,进一步的提升采集图像、初选图像的实用质量。
在本实施例的一些可选的实现方式中,还包括:获取各该兴趣点的标准文字信息,以及各该采集图像中所包括的采集文字信息;基于该标准文字信息与该采集文字信息的相似度建立该兴趣点与该采集图像之间的关联关系;清除不存在关联有该兴趣点的采集图像。
具体的,还可获取各兴趣点的标准文字信息(例如招牌信息,商标信息等),以及获取各采集图像中所包括的采集文字信息,并获取标准文字信息与采集文字信息的相似度后,基于该相似度建立各兴趣点与各采集图像之间的关联关系,其中,该关联关系通常可分为多个等级(例如相似度<30%时,兴趣点与采集图像之间无关联关系,30%≤相似度≤70%时,兴趣点与采集图像之间为普通关联关系,70%≤相似度≤100%时,兴趣点与采集图像之间为强关联关系),进一步的,在确定兴趣点与采集图像之间的关联关系后,对不存在关联有兴趣点的采集图像进行清除,以便于确定采集图像对于兴趣点的使用价值的同时,对无法使用、与兴趣点无关的采集图像进行整理、清除,以提升采集图像的使用质量。
在本实施例的一些可选的实现方式中,还包括:获取该兴趣点的坐标信息,并基于该坐标信息确定该兴趣点该预设距离范围内的路网信息;清除该兴趣点对应的初选图像集合中拍摄坐标未位于该路网信息上的初选图像。
具体的,还可获取各兴趣点的坐标信息后,基于坐标信息确定各兴趣点在预设距离范围内的路网信息,并将各兴趣点对应的初选图像集合中拍摄坐标未位于相应路网信息上的初选图像清除,以便于对无法用于绑路操作的采集图像进行清理,避免无法绑路的拍摄坐标(位置)对确定兴趣点的引导点产生干扰、确定的引导点无法到达,提升引导点的实用质量。
为加深理解,本公开还结合一个具体应用场景,给出了一种具体的实现方案,其中,在该应用场景下为“A百货商场”的兴趣点确定引导点,具体如下:
获取位于该兴趣点与预设距离范围内的、如图4-1所示初选图像a、初选图像b、初选图像c以及各初选图像的拍摄坐标和拍摄角度,其中,如图4-2所示,以兴趣点为原点构建的坐标系,初选图像a的拍摄坐标为(-1,2)、初选图像b的拍摄坐标为(0,-15)、初选图像c的拍摄坐标为(12,-15),以及初选图像a的拍摄角度为-26.6°、初选图像b的拍摄角度为0°、初选图像c的拍摄角度为51°。
获取该“A百货商场”的朝向角度后,并利用投票机制算法、就与初选图像中所包括的“商场入口”标识的清晰度、完整度生成各初选图像的投票得分,确定初选图像a得分90、初选图像b得分80、初选图像c得分50。
将投票得分最高的初选图像a确定为第一目标图像,以及将朝向角度上与兴趣点距离最近的初选图像b确定为第二目标图像。
获取该第一目标图像和该第二目标图像之间的相似度(91%)后,确定该相似度超过相似度阈值(80%)进行响应,基于该第一目标图像和该第二目标图像生成融合图像,并基于该融合图像的融合图像的投影点坐标(0,-2)确定该兴趣点的引导点,可参考图4-3中所示,该引导点为“A百货商场”的“商场入口”。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种确定兴趣点的引导点的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的确定兴趣点的引导点的装置500可以包括:初选图像获取单元501、朝向角及投票得分获取单元502、目标图像确定单元503和引导点确定单元504。其中,初选图像获取单元501,被配置成获取位于兴趣点预设距离范围内的多张初选图像以及该初选图像的拍摄坐标和拍摄角度;朝向角及投票得分获取单元502,包括被配置成获取该兴趣点的朝向角度朝向角获取子单元,以及被配置成基于投票机制算法生成各该初选图像的投票得分的投票得分获取子单元;目标图像确定单元503,被配置成将该投票得分最高的初选图像确定为第一目标图像、将该朝向角度上与该兴趣点距离最近的初选图像确定为第二目标图像;引导点确定单元504,被配置成响应于该第一目标图像和该第二目标图像之间的相似度超过相似度阈值,基于该第一目标图像和该第二目标图像的融合图像的投影点坐标,确定该兴趣点的引导点。
在本实施例中,确定兴趣点的引导点的装置500中:初选图像获取单元501、朝向角及投票得分获取单元502、目标图像确定单元503和引导点确定单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-204的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,该确定兴趣点的引导点的装置500,还包括:采集任务分发单元,被配置成基于兴趣点数据库中所包括的兴趣点生成图像采集任务,并将该图像采集任务发布给用户;采集图像收集单元,被配置成获取该用户针对该图像采集任务返回的采集图像、该采集图像的拍摄参数,该拍摄参数至少包括:拍摄坐标和拍摄角度;初选图像存入单元,被配置成将属于同一兴趣点的采集图像以及对应的拍摄参数存入相应的兴趣点的初选图像集合;以及该初选图像获取单元,进一步被配置成,从与该兴趣点对应的初选图像集合中,获取位于兴趣点预设距离范围内的多张初选图像以及该初选图像的拍摄坐标和拍摄角度。
在本实施例的一些可选的实现方式中,该初选图像存入单元,包括:拍摄类别生成子单元,被配置成基于各该采集图像的拍摄参数对各该采集图像进行聚类算法,生成各该采集图像的拍摄类别;聚类中心生成子单元,被配置成分别对各该拍摄类别中的采集图像进行无监督聚类处理,得到各拍摄类别的聚类中心;初选图像集合存入子单元,被配置成响应于存在该聚类中心对应的目标兴趣点,将该聚类中心对应的拍摄类别下的采集图像存入该目标兴趣点的初选图像集合。
在本实施例的一些可选的实现方式中,拍摄参数还包括拍摄时间,该确定兴趣点的引导点的装置500,还包括:第一采集图像筛选单元,被配置成将该拍摄时间未超过预设时间阈值的采集图像确定为合格采集图像;以及该初选图像存入单元,进一步被配置成,将属于同一兴趣点的合格采集图像以及对应的拍摄参数存入相应的兴趣点的初选图像集合。
在本实施例的一些可选的实现方式中,该确定兴趣点的引导点的装置500,还包括:文字信息采集单元,被配置成获取各该兴趣点的标准文字信息,以及各该采集图像中所包括的采集文字信息;采集图像关联单元,被配置成基于该标准文字信息与该采集文字信息的相似度建立该兴趣点与该采集图像之间的关联关系;第二采集图像筛选单元,被配置成清除不存在关联有该兴趣点的采集图像。
在本实施例的一些可选的实现方式中,该确定兴趣点的引导点的装置500,还包括:路网信息获取单元,被配置成获取该兴趣点的坐标信息,并基于该坐标信息确定该兴趣点该预设距离范围内的路网信息;初选图像筛选单元,被配置成清除该兴趣点对应的初选图像集合中拍摄坐标未位于该路网信息上的初选图像。
在本实施例的一些可选的实现方式中,该确定兴趣点的引导点的装置500,还包括:朝向角确定单元,被配置成基于各该初选图像的拍摄角度的平均值确定该兴趣点的朝向角度。
本实施例作为对应于上述方法实施例的装置实施例存在,本实施例提供的确定兴趣点的引导点的装置,可将兴趣点预设范围内的场景图像作为初选图像后,利用该多张场景图像中的内容、拍摄坐标、拍摄角度进行挖掘,以确定兴趣点的引导点位置,可在较为复杂的真实场景下,准确的确定兴趣点的引导点。
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6示出了可以用来实施本公开的实施例的示例电子设备600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/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600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601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601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601执行上文所描述的各个方法和处理,例如确定兴趣点的引导点的方法。例如,在一些实施例中,确定兴趣点的引导点的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608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM603并由计算单元601执行时,可以执行上文描述的确定兴趣点的引导点的方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行确定兴趣点的引导点的方法。
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。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大,业务扩展性弱的缺陷。服务器也可以分为分布式系统的服务器,或者是结合了区块链的服务器。
根据本公开实施例的技术方案,可将兴趣点预设范围内的场景图像作为初选图像后,利用该多张场景图像中的内容、拍摄坐标、拍摄角度进行挖掘,以确定兴趣点的引导点位置,可在较为复杂的真实场景下,准确的确定兴趣点的引导点。
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提供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 (17)
1.一种确定兴趣点的引导点的方法,包括:
获取位于兴趣点预设距离范围内的多张初选图像以及所述初选图像的拍摄坐标和拍摄角度;
获取所述兴趣点的朝向角度,并基于投票机制算法生成各所述初选图像的投票得分;
将所述投票得分最高的初选图像确定为第一目标图像、将所述朝向角度上与所述兴趣点距离最近的初选图像确定为第二目标图像;
响应于所述第一目标图像和所述第二目标图像之间的相似度超过相似度阈值,基于所述第一目标图像和所述第二目标图像的融合图像的投影点坐标,确定所述兴趣点的引导点。
2.根据权利要求1所述的方法,还包括:
基于兴趣点数据库中所包括的兴趣点生成图像采集任务,并将所述图像采集任务发布给用户;
获取所述用户针对所述图像采集任务返回的采集图像、所述采集图像的拍摄参数,所述拍摄参数至少包括:拍摄坐标和拍摄角度;
将属于同一兴趣点的采集图像以及对应的拍摄参数存入相应的兴趣点的初选图像集合;以及
所述获取位于兴趣点预设距离范围内的多张初选图像以及所述初选图像的拍摄坐标和拍摄角度,包括:
从与所述兴趣点对应的初选图像集合中,获取位于兴趣点预设距离范围内的多张初选图像以及所述初选图像的拍摄坐标和拍摄角度。
3.根据权利要求2所述的方法,其中,所述将属于同一兴趣点的采集图像以及对应的拍摄参数存入相应的兴趣点的初选图像集合,包括:
基于各所述采集图像的拍摄参数对各所述采集图像进行聚类算法,生成各所述采集图像的拍摄类别;
分别对各所述拍摄类别中的采集图像进行无监督聚类处理,得到各拍摄类别的聚类中心;
响应于存在所述聚类中心对应的目标兴趣点,将所述聚类中心对应的拍摄类别下的采集图像存入所述目标兴趣点的初选图像集合。
4.根据权利要求2所述的方法,所述拍摄参数还包括拍摄时间,还包括:
将所述拍摄时间未超过预设时间阈值的采集图像确定为合格采集图像;以及
所述将属于同一兴趣点的采集图像以及对应的拍摄参数存入相应的兴趣点的初选图像集合,包括:
将属于同一兴趣点的合格采集图像以及对应的拍摄参数存入相应的兴趣点的初选图像集合。
5.根据权利要求2所述的方法,还包括:
获取各所述兴趣点的标准文字信息,以及各所述采集图像中所包括的采集文字信息;
基于所述标准文字信息与所述采集文字信息的相似度建立所述兴趣点与所述采集图像之间的关联关系;
清除不存在关联有所述兴趣点的采集图像。
6.根据权利要求2-5中任一项所述的方法,还包括:
获取所述兴趣点的坐标信息,并基于所述坐标信息确定所述兴趣点所述预设距离范围内的路网信息;
清除所述兴趣点对应的初选图像集合中拍摄坐标未位于所述路网信息上的初选图像。
7.根据权利要求1所述的方法,还包括:
基于各所述初选图像的拍摄角度的平均值确定所述兴趣点的朝向角度。
8.一种确定兴趣点的引导点的装置,包括:
初选图像获取单元,被配置成获取位于兴趣点预设距离范围内的多张初选图像以及所述初选图像的拍摄坐标和拍摄角度;
朝向角及投票得分获取单元,包括被配置成获取所述兴趣点的朝向角度朝向角获取子单元,以及被配置成基于投票机制算法生成各所述初选图像的投票得分的投票得分获取子单元;
目标图像确定单元,被配置成将所述投票得分最高的初选图像确定为第一目标图像、将所述朝向角度上与所述兴趣点距离最近的初选图像确定为第二目标图像;
引导点确定单元,被配置成响应于所述第一目标图像和所述第二目标图像之间的相似度超过相似度阈值,基于所述第一目标图像和所述第二目标图像的融合图像的投影点坐标,确定所述兴趣点的引导点。
9.根据权利要求8所述的装置,还包括:
采集任务分发单元,被配置成基于兴趣点数据库中所包括的兴趣点生成图像采集任务,并将所述图像采集任务发布给用户;
采集图像收集单元,被配置成获取所述用户针对所述图像采集任务返回的采集图像、所述采集图像的拍摄参数,所述拍摄参数至少包括:拍摄坐标和拍摄角度;
初选图像存入单元,被配置成将属于同一兴趣点的采集图像以及对应的拍摄参数存入相应的兴趣点的初选图像集合;以及
所述初选图像获取单元,进一步被配置成,从与所述兴趣点对应的初选图像集合中,获取位于兴趣点预设距离范围内的多张初选图像以及所述初选图像的拍摄坐标和拍摄角度。
10.根据权利要求9所述的装置,其中,所述初选图像存入单元,包括:
拍摄类别生成子单元,被配置成基于各所述采集图像的拍摄参数对各所述采集图像进行聚类算法,生成各所述采集图像的拍摄类别;
聚类中心生成子单元,被配置成分别对各所述拍摄类别中的采集图像进行无监督聚类处理,得到各拍摄类别的聚类中心;
初选图像集合存入子单元,被配置成响应于存在所述聚类中心对应的目标兴趣点,将所述聚类中心对应的拍摄类别下的采集图像存入所述目标兴趣点的初选图像集合。
11.根据权利要求9所述的装置,所述拍摄参数还包括拍摄时间,还包括:
第一采集图像筛选单元,被配置成将所述拍摄时间未超过预设时间阈值的采集图像确定为合格采集图像;以及
所述初选图像存入单元,进一步被配置成,将属于同一兴趣点的合格采集图像以及对应的拍摄参数存入相应的兴趣点的初选图像集合。
12.根据权利要求9所述的装置,还包括:
文字信息采集单元,被配置成获取各所述兴趣点的标准文字信息,以及各所述采集图像中所包括的采集文字信息;
采集图像关联单元,被配置成基于所述标准文字信息与所述采集文字信息的相似度建立所述兴趣点与所述采集图像之间的关联关系;
第二采集图像筛选单元,被配置成清除不存在关联有所述兴趣点的采集图像。
13.根据权利要求9-12中任一项所述的装置,还包括:
路网信息获取单元,被配置成获取所述兴趣点的坐标信息,并基于所述坐标信息确定所述兴趣点所述预设距离范围内的路网信息;
初选图像筛选单元,被配置成清除所述兴趣点对应的初选图像集合中拍摄坐标未位于所述路网信息上的初选图像。
14.根据权利要求8所述的装置,还包括:
朝向角确定单元,被配置成基于各所述初选图像的拍摄角度的平均值确定所述兴趣点的朝向角度。
15.一种电子设备,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权利要求1-7中任一项所述的确定兴趣点的引导点的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的确定兴趣点的引导点的方法。
17.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的确定兴趣点的引导点的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210643210.7A CN114925295A (zh) | 2022-06-08 | 2022-06-08 | 确定兴趣点的引导点的方法、相关装置及计算机程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210643210.7A CN114925295A (zh) | 2022-06-08 | 2022-06-08 | 确定兴趣点的引导点的方法、相关装置及计算机程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114925295A true CN114925295A (zh) | 2022-08-19 |
Family
ID=82812988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210643210.7A Pending CN114925295A (zh) | 2022-06-08 | 2022-06-08 | 确定兴趣点的引导点的方法、相关装置及计算机程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114925295A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115797349A (zh) * | 2023-02-07 | 2023-03-14 | 广东奥普特科技股份有限公司 | 一种缺陷检测方法、装置和设备 |
CN116309494A (zh) * | 2023-03-23 | 2023-06-23 | 宁波斯年智驾科技有限公司 | 一种电子地图中兴趣点信息确定方法、装置、设备及介质 |
-
2022
- 2022-06-08 CN CN202210643210.7A patent/CN114925295A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115797349A (zh) * | 2023-02-07 | 2023-03-14 | 广东奥普特科技股份有限公司 | 一种缺陷检测方法、装置和设备 |
CN116309494A (zh) * | 2023-03-23 | 2023-06-23 | 宁波斯年智驾科技有限公司 | 一种电子地图中兴趣点信息确定方法、装置、设备及介质 |
CN116309494B (zh) * | 2023-03-23 | 2024-01-23 | 宁波斯年智驾科技有限公司 | 一种电子地图中兴趣点信息确定方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110726418B (zh) | 兴趣点区域确定方法、装置、设备及存储介质 | |
CN114925295A (zh) | 确定兴趣点的引导点的方法、相关装置及计算机程序产品 | |
CN112132113A (zh) | 车辆再识别的方法、装置、训练方法以及电子设备 | |
CN112101339B (zh) | 地图兴趣点的信息获取方法、装置、电子设备和存储介质 | |
CN113392794B (zh) | 车辆跨线识别方法、装置、电子设备和存储介质 | |
CN114627239B (zh) | 包围盒生成方法、装置、设备及存储介质 | |
CN113932796A (zh) | 高精地图车道线生成方法、装置和电子设备 | |
CN113378768A (zh) | 垃圾桶状态识别方法、装置、设备以及存储介质 | |
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 | |
CN114674328B (zh) | 地图生成方法、装置、电子设备、存储介质、及车辆 | |
CN113114929B (zh) | 引导拍照方法、终端设备、电子设备以及存储介质 | |
CN115062240A (zh) | 一种停车场排序方法、装置、电子设备和存储介质 | |
CN115527028A (zh) | 地图数据处理方法及装置 | |
CN114429631A (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN113902898A (zh) | 目标检测模型的训练、目标检测方法、装置、设备和介质 | |
CN113810665A (zh) | 视频处理方法、装置、设备、存储介质及产品 | |
CN111753960A (zh) | 模型训练及图像处理方法、装置、电子设备、存储介质 | |
CN114323039B (zh) | 高精地图的数据采集方法、装置、车辆、设备和存储介质 | |
CN113868532B (zh) | 一种地点推荐方法、装置、电子设备及存储介质 | |
EP4198769A1 (en) | Video generation method and apparatus, electronic device, non-transitory computer-readable storage medium, and computer program product | |
CN112989992B (zh) | 目标检测方法、装置、路侧设备和云控平台 | |
US20220383613A1 (en) | Object association method and apparatus and electronic device | |
CN112966606B (zh) | 图像识别方法、相关装置及计算机程序产品 | |
CN115049895B (zh) | 一种图像属性识别方法、属性识别模型训练方法及装置 | |
US20240013364A1 (en) | Image-based vehicle damage assessment method, apparatus and storage medium |
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 |