CN116257757A - 基于人工智能的移动通讯终端的精准定位方法及系统 - Google Patents
基于人工智能的移动通讯终端的精准定位方法及系统 Download PDFInfo
- Publication number
- CN116257757A CN116257757A CN202310013805.9A CN202310013805A CN116257757A CN 116257757 A CN116257757 A CN 116257757A CN 202310013805 A CN202310013805 A CN 202310013805A CN 116257757 A CN116257757 A CN 116257757A
- Authority
- CN
- China
- Prior art keywords
- positioning
- module
- subsystem
- axis
- writer
- 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
- 238000010295 mobile communication Methods 0.000 title claims abstract description 37
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000010354 integration Effects 0.000 claims abstract description 25
- 238000000605 extraction Methods 0.000 claims description 62
- 238000012549 training Methods 0.000 claims description 53
- 238000012795 verification Methods 0.000 claims description 23
- 238000012800 visualization Methods 0.000 claims description 15
- 230000001502 supplementing effect Effects 0.000 claims description 13
- 238000003062 neural network model Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000005375 photometry Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/026—Services making use of location information using location based information parameters using orientation information, e.g. compass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及一种基于人工智能的移动通讯终端的精准定位方法及系统,包括定位标签、读写子系统、环境采集子系统和整合子系统,读写子系统包括X轴读写器、Y轴读写器和Z轴读写器,首先,定位标签实时定位移动通讯终端的位置,得到实时定位;接着,X轴读写器基于实时定位读写X轴位置;Y轴读写器基于实时定位读写Y轴位置;Z轴读写器基于实时定位读写Z轴位置;同时,环境采集子系统,用于采集定位标签所处的当前环境数据;最后,整合子系统将X轴位置、Y轴位置、Z轴位置和当前环境整合,得到定位数据,解决了现有的定位方法的定位误差过大的问题。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种基于人工智能的移动通讯终端的精准定位方法及系统。
背景技术
可通过定位功能追踪移动通讯终端的当前位置,从而进行终端的查找。而利用现有的定位方法通过GPS系统和GSM基站定位相结合的定位方法,也存在定位不准确,导致定位误差过大的问题。
发明内容
本发明的目的在于提供一种基于人工智能的移动通讯终端的精准定位方法及系统,旨在解决现有的定位方法的定位误差过大的问题。
为实现上述目的,第一方面,本发明提供了一种基于人工智能的移动通讯终端的精准定位系统,包括定位标签、读写子系统、环境采集子系统和整合子系统,所述定位标签、所述读写子系统和所述整合子系统依次连接,所述环境采集子系统与所述整合子系统连接;读写子系统包括X轴读写器、Y轴读写器和Z轴读写器,所述X轴读写器、所述Y轴读写器和Z轴读写器均与所述定位标签连接;
所述定位标签,用于实时定位移动通讯终端的位置,得到实时定位;
所述X轴读写器,基于所述实时定位读写X轴位置;
所述Y轴读写器,基于所述实时定位读写Y轴位置;
所述Z轴读写器,基于所述实时定位读写Z轴位置;
所述环境采集子系统,用于采集所述定位标签所处的当前环境数据;
所述整合子系统,用于将所述X轴位置、所述Y轴位置、所述Z轴位置和所述当前环境数据整合,得到定位数据。
其中,所述环境采集子系统包括拍摄模块和关键提取模块,所述拍摄模块和所述关键提取模块连接;
所述拍摄模块,用于拍摄所述定位标签所处的当前环境画面;
所述关键提取模块,用于对所述当前环境画面进行关键提取,得到当前环境数据。
其中,所述环境采集子系统还包括测光模块和补光模块,所述测光模块和所述补光模块连接;
所述测光模块,用于测量当前光照条件;
所述补光模块,基于所述当前光照条件在所述拍摄模块拍摄时进行补光。
其中,所述关键提取模块包括建模子模块、训练子模块和提取子模块,所述建模子模块、所述训练子模块和所述提取子模块连接;
所述建模子模块,用于构建神经网络模型;
所述训练子模块,用于使用公开数据集对所述神经网络模型进行训练,得到关键提取模型;
所述提取子模块,用于将所述当前环境画面输入所述关键提取模型中进行训练,得到当前环境数据。
其中,所述训练子模块包括获取单元、预处理单元、训练单元和验证单元,所述获取单元、所述预处理单元、所述训练单元和所述验证单元依次连接;
所述获取单元,用于获取公开数据集;
所述预处理单元,用于对所述公开数据集依次进行过滤、标记和划分,得到训练集和验证集;
所述训练单元,用于使用所述训练集对所述神经网络模型进行训练,得到预训练模型;
所述验证单元,用于使用所述验证集对所述预训练模型进行验证寻优,得到关键提取模型。
其中,所述提取子模块包括格式调整单元和输入单元,所述格式调整单元和所述输入单元连接;
所述格式调整单元,基于所述关键提取模型的输入格式对所述当前环境画面进行格式调整,得到输入数据;
所述输入单元,用于将所述输入数据输入所述关键提取模型中进行训练,得到当前环境数据。
其中,所述基于人工智能的移动通讯终端的精准定位系统还包括可视化子系统,所述可视化子系统与所述整合子系统连接;
所述可视化子系统,基于所述定位数据生成定位显示模型。
第二方面,本发明提供了一种基于人工智能的移动通讯终端的精准定位方法,包括以下步骤:
定位标签实时定位移动通讯终端的位置,得到实时定位;
X轴读写器基于所述实时定位读写X轴位置;
Y轴读写器基于所述实时定位读写Y轴位置;
Z轴读写器基于所述实时定位读写Z轴位置;
环境采集子系统采集所述定位标签所处的当前环境数据;
整合子系统将所述X轴位置、所述Y轴位置、所述Z轴位置和所述当前环境数据整合,得到定位数据。
其中,所述环境采集子系统采集所述定位标签所处的当前环境数据,包括:
拍摄模块拍摄所述定位标签所处的当前环境画面;
关键提取模块对所述当前环境画面进行关键提取,得到当前环境数据。
其中,在步骤整合子系统将所述X轴位置、所述Y轴位置、所述Z轴位置和所述当前环境数据整合,得到定位数据之后,所述方法还包括:
可视化子系统基于所述定位数据生成定位显示模型。
本发明的一种基于人工智能的移动通讯终端的精准定位系统,首先,所述定位标签实时定位移动通讯终端的位置,得到实时定位;接着,所述X轴读写器基于所述实时定位读写X轴位置;所述Y轴读写器基于所述实时定位读写Y轴位置;所述Z轴读写器基于所述实时定位读写Z轴位置;同时,所述环境采集子系统,用于采集所述定位标签所处的当前环境数据;最后,所述整合子系统将所述X轴位置、所述Y轴位置、所述Z轴位置和所述当前环境数据整合,得到定位数据,对所述实时定位进行三个方位的读取,同时以当前环境数据作为查找参考,解决了现有的定位方法的定位误差过大的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的一种基于人工智能的移动通讯终端的精准定位系统的结构示意图。
图2是定位标签和读写子系统的结构示意图。
图3是环境采集子系统的结构示意图。
图4是关键提取模块的结构示意图。
图5是训练子模块的结构示意图。
图6是提取子模块的结构示意图。
图7是显示子系统的结构示意图。
图8是本发明提供的一种基于人工智能的移动通讯终端的精准定位方法的流程图。
1-定位标签、2-读写子系统、3-环境采集子系统、4-整合子系统、5-可视化子系统、6-显示子系统、7-X轴读写器、8-Y轴读写器、9-Z轴读写器、10-拍摄模块、11-关键提取模块、12-测光模块、13-补光模块、14-建模子模块、15-训练子模块、16-提取子模块、17-获取单元、18-预处理单元、19-训练单元、20-验证单元、21-格式调整单元、22-输入单元、23-显示模块、24-场景采集模块、25-特征提取模块、26-角度转换模块。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
请参阅图1至图7,第一方面,本发明提供一种基于人工智能的移动通讯终端的精准定位系统,包括定位标签1、读写子系统2、环境采集子系统3和整合子系统4,所述定位标签1、所述读写子系统2和所述整合子系统4依次连接,所述环境采集子系统3与所述整合子系统4连接;读写子系统2包括X轴读写器7、Y轴读写器8和Z轴读写器9,所述X轴读写器7、所述Y轴读写器8和Z轴读写器9均与所述定位标签1连接;
所述定位标签1,用于实时定位移动通讯终端的位置,得到实时定位;
所述X轴读写器7,基于所述实时定位读写X轴位置;
所述Y轴读写器8,基于所述实时定位读写Y轴位置;
所述Z轴读写器9,基于所述实时定位读写Z轴位置;
所述环境采集子系统3,用于采集所述定位标签1所处的当前环境数据;
所述整合子系统4,用于将所述X轴位置、所述Y轴位置、所述Z轴位置和所述当前环境数据整合,得到定位数据。
具体的,首先,所述定位标签1实时定位移动通讯终端的位置,得到实时定位;接着,所述X轴读写器7基于所述实时定位读写X轴位置;所述Y轴读写器8基于所述实时定位读写Y轴位置;所述Z轴读写器9基于所述实时定位读写Z轴位置;同时,所述环境采集子系统3,用于采集所述定位标签1所处的当前环境数据;最后,所述整合子系统4将所述X轴位置、所述Y轴位置、所述Z轴位置和所述当前环境数据整合,得到定位数据,对所述实时定位进行三个方位的读取,同时以当前环境数据作为查找参考,解决了现有的定位方法的定位误差过大的问题。
进一步的,所述环境采集子系统3包括拍摄模块10和关键提取模块11,所述拍摄模块10和所述关键提取模块11连接;
所述拍摄模块10,用于拍摄所述定位标签1所处的当前环境画面;
所述关键提取模块11,用于对所述当前环境画面进行关键提取,得到当前环境数据。
所述环境采集子系统3还包括测光模块12和补光模块13,所述测光模块12和所述补光模块13连接;
所述测光模块12,用于测量当前光照条件;
所述补光模块13,基于所述当前光照条件在所述拍摄模块10拍摄时进行补光。
所述关键提取模块11包括建模子模块14、训练子模块15和提取子模块16,所述建模子模块14、所述训练子模块15和所述提取子模块16连接;
所述建模子模块14,用于构建神经网络模型;
所述训练子模块15,用于使用公开数据集对所述神经网络模型进行训练,得到关键提取模型;
所述提取子模块16,用于将所述当前环境画面输入所述关键提取模型中进行训练,得到当前环境数据。
所述训练子模块15包括获取单元17、预处理单元18、训练单元19和验证单元20,所述获取单元17、所述预处理单元18、所述训练单元19和所述验证单元20依次连接;
所述获取单元17,用于获取公开数据集;
所述预处理单元18,用于对所述公开数据集依次进行过滤、标记和划分,得到训练集和验证集;
所述训练单元19,用于使用所述训练集对所述神经网络模型进行训练,得到预训练模型;
所述验证单元20,用于使用所述验证集对所述预训练模型进行验证寻优,得到关键提取模型。
所述提取子模块16包括格式调整单元21和输入单元22,所述格式调整单元21和所述输入单元22连接;
所述格式调整单元21,基于所述关键提取模型的输入格式对所述当前环境画面进行格式调整,得到输入数据;
所述输入单元22,用于将所述输入数据输入所述关键提取模型中进行训练,得到当前环境数据。
具体的,所述拍摄模块10拍摄所述定位标签1所处的当前环境画面;所述建模子模块14构建神经网络模型;所述获取单元17获取公开数据集;所述预处理单元18对所述公开数据集依次进行过滤、标记和划分,得到训练集和验证集;所述训练单元19使用所述训练集对所述神经网络模型进行训练,得到预训练模型;所述验证单元20使用所述验证集对所述预训练模型进行验证寻优,得到关键提取模型;所述格式调整单元21基于所述关键提取模型的输入格式对所述当前环境画面进行格式调整,得到输入数据;所述输入单元22将所述输入数据输入所述关键提取模型中进行训练,得到当前环境数据。另外,所述测光模块12测量当前光照条件;所述补光模块13基于所述当前光照条件在所述拍摄模块10拍摄时进行补光,提高所述拍摄模块10的拍摄清晰度。
进一步的,所述基于人工智能的移动通讯终端的精准定位系统还包括可视化子系统5,所述可视化子系统5与所述整合子系统4连接;
所述可视化子系统5,基于所述定位数据生成定位显示模型。
具体的,通过所述可视化子系统5基于所述定位数据生成定位显示模型,便于查看。
进一步的,所述基于人工智能的移动通讯终端的精准定位系统还包括显示子系统6,所述显示子系统6与所述可视化子系统5连接;
所述显示子系统6,用于对所述定位显示模型进行显示。
具体的,通过所述显示子系统6对所述定位显示模型进行显示,提高对定位查看的实时性。
进一步的,所述显示子系统6包括显示模块23、场景采集模块24、特征提取模块25和角度转换模块26,所述显示模块23、所述场景采集模块24、所述特征提取模块25和所述角度转换模块26连接;
所述显示模块23,用于显示所述定位显示模型;
所述场景采集模块24,用于采集所述显示模块23显示范围的场景画面;
所述特征提取模块25,用于对所述场景画面进行特征提取,得到人群密度;
所述角度转换单元,基于所述人群密度对所述显示模块23的角度进行调整。
具体的,所述显示模块23显示所述定位显示模型;所述场景采集模块24采集所述显示模块23显示范围的场景画面;所述特征提取模块25对所述场景画面进行特征提取,得到人群密度;所述角度转换单元基于所述人群密度对所述显示模块23的角度进行调整,提高所述显示模块23对所述定位显示模型的展示效果。
请参阅图8,第二方面,本发明提供了一种基于人工智能的移动通讯终端的精准定位方法,包括以下步骤:
S1、定位标签1实时定位移动通讯终端的位置,得到实时定位;
S2、X轴读写器7基于所述实时定位读写X轴位置;
S3、Y轴读写器8基于所述实时定位读写Y轴位置;
S4、Z轴读写器9基于所述实时定位读写Z轴位置;
S5、环境采集子系统3采集所述定位标签1所处的当前环境数据;
具体的,拍摄模块10拍摄所述定位标签1所处的当前环境画面;关键提取模块11对所述当前环境画面进行关键提取,得到当前环境数据。
S6、整合子系统4将所述X轴位置、所述Y轴位置、所述Z轴位置和所述当前环境数据整合,得到定位数据。
具体的,在步骤整合子系统4将所述X轴位置、所述Y轴位置、所述Z轴位置和所述当前环境数据整合,得到定位数据之后,所述方法还包括:可视化子系统5基于所述定位数据生成定位显示模型。
以上所揭露的仅为本发明一种基于人工智能的移动通讯终端的精准定位方法及系统较佳实施例而已,当然不能以此来限定本发明之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本发明权利要求所作的等同变化,仍属于发明所涵盖的范围。
Claims (10)
1.一种基于人工智能的移动通讯终端的精准定位系统,其特征在于,
包括定位标签、读写子系统、环境采集子系统和整合子系统,所述定位标签、所述读写子系统和所述整合子系统依次连接,所述环境采集子系统与所述整合子系统连接;读写子系统包括X轴读写器、Y轴读写器和Z轴读写器,所述X轴读写器、所述Y轴读写器和Z轴读写器均与所述定位标签连接;
所述定位标签,用于实时定位移动通讯终端的位置,得到实时定位;
所述X轴读写器,基于所述实时定位读写X轴位置;
所述Y轴读写器,基于所述实时定位读写Y轴位置;
所述Z轴读写器,基于所述实时定位读写Z轴位置;
所述环境采集子系统,用于采集所述定位标签所处的当前环境数据;
所述整合子系统,用于将所述X轴位置、所述Y轴位置、所述Z轴位置和所述当前环境数据整合,得到定位数据。
2.如权利要求1所述的基于人工智能的移动通讯终端的精准定位系统,其特征在于,
所述环境采集子系统包括拍摄模块和关键提取模块,所述拍摄模块和所述关键提取模块连接;
所述拍摄模块,用于拍摄所述定位标签所处的当前环境画面;
所述关键提取模块,用于对所述当前环境画面进行关键提取,得到当前环境数据。
3.如权利要求2所述的基于人工智能的移动通讯终端的精准定位系统,其特征在于,
所述环境采集子系统还包括测光模块和补光模块,所述测光模块和所述补光模块连接;
所述测光模块,用于测量当前光照条件;
所述补光模块,基于所述当前光照条件在所述拍摄模块拍摄时进行补光。
4.如权利要求3所述的基于人工智能的移动通讯终端的精准定位系统,其特征在于,
所述关键提取模块包括建模子模块、训练子模块和提取子模块,所述建模子模块、所述训练子模块和所述提取子模块连接;
所述建模子模块,用于构建神经网络模型;
所述训练子模块,用于使用公开数据集对所述神经网络模型进行训练,得到关键提取模型;
所述提取子模块,用于将所述当前环境画面输入所述关键提取模型中进行训练,得到当前环境数据。
5.如权利要求4所述的基于人工智能的移动通讯终端的精准定位系统,其特征在于,
所述训练子模块包括获取单元、预处理单元、训练单元和验证单元,所述获取单元、所述预处理单元、所述训练单元和所述验证单元依次连接;
所述获取单元,用于获取公开数据集;
所述预处理单元,用于对所述公开数据集依次进行过滤、标记和划分,得到训练集和验证集;
所述训练单元,用于使用所述训练集对所述神经网络模型进行训练,得到预训练模型;
所述验证单元,用于使用所述验证集对所述预训练模型进行验证寻优,得到关键提取模型。
6.如权利要求5所述的基于人工智能的移动通讯终端的精准定位系统,其特征在于,
所述提取子模块包括格式调整单元和输入单元,所述格式调整单元和所述输入单元连接;
所述格式调整单元,基于所述关键提取模型的输入格式对所述当前环境画面进行格式调整,得到输入数据;
所述输入单元,用于将所述输入数据输入所述关键提取模型中进行训练,得到当前环境数据。
7.如权利要求6所述的基于人工智能的移动通讯终端的精准定位系统,其特征在于,
所述基于人工智能的移动通讯终端的精准定位系统还包括可视化子系统,所述可视化子系统与所述整合子系统连接;
所述可视化子系统,基于所述定位数据生成定位显示模型。
8.一种基于人工智能的移动通讯终端的精准定位方法,应用于权利要求7所述的基于人工智能的移动通讯终端的精准定位系统,其特征在于,包括以下步骤:
定位标签实时定位移动通讯终端的位置,得到实时定位;
X轴读写器基于所述实时定位读写X轴位置;
Y轴读写器基于所述实时定位读写Y轴位置;
Z轴读写器基于所述实时定位读写Z轴位置;
环境采集子系统采集所述定位标签所处的当前环境数据;
整合子系统将所述X轴位置、所述Y轴位置、所述Z轴位置和所述当前环境数据整合,得到定位数据。
9.如权利要求8所述的基于人工智能的移动通讯终端的精准定位方法,其特征在于,
所述环境采集子系统采集所述定位标签所处的当前环境数据,包括:
拍摄模块拍摄所述定位标签所处的当前环境画面;
关键提取模块对所述当前环境画面进行关键提取,得到当前环境数据。
10.如权利要求9所述的基于人工智能的移动通讯终端的精准定位方法,其特征在于,
在步骤整合子系统将所述X轴位置、所述Y轴位置、所述Z轴位置和所述当前环境数据整合,得到定位数据之后,所述方法还包括:
可视化子系统基于所述定位数据生成定位显示模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310013805.9A CN116257757A (zh) | 2023-01-05 | 2023-01-05 | 基于人工智能的移动通讯终端的精准定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310013805.9A CN116257757A (zh) | 2023-01-05 | 2023-01-05 | 基于人工智能的移动通讯终端的精准定位方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116257757A true CN116257757A (zh) | 2023-06-13 |
Family
ID=86683608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310013805.9A Pending CN116257757A (zh) | 2023-01-05 | 2023-01-05 | 基于人工智能的移动通讯终端的精准定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116257757A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103024663A (zh) * | 2012-11-19 | 2013-04-03 | 中国矿业大学(北京) | 一种井下人员定位系统 |
CN103679238A (zh) * | 2013-12-27 | 2014-03-26 | 三峡大学 | 物品运输途中环境的监控方法及装置 |
CN106228249A (zh) * | 2015-06-01 | 2016-12-14 | 埃科亚特姆公司 | 用于视觉上评估电子设备的方法和系统 |
CN113537716A (zh) * | 2021-06-16 | 2021-10-22 | 苏州科盈数智区块链科技有限公司 | 基于rfid和gps定位追踪的物流追溯智能终端和存储介质 |
-
2023
- 2023-01-05 CN CN202310013805.9A patent/CN116257757A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103024663A (zh) * | 2012-11-19 | 2013-04-03 | 中国矿业大学(北京) | 一种井下人员定位系统 |
CN103679238A (zh) * | 2013-12-27 | 2014-03-26 | 三峡大学 | 物品运输途中环境的监控方法及装置 |
CN106228249A (zh) * | 2015-06-01 | 2016-12-14 | 埃科亚特姆公司 | 用于视觉上评估电子设备的方法和系统 |
CN113537716A (zh) * | 2021-06-16 | 2021-10-22 | 苏州科盈数智区块链科技有限公司 | 基于rfid和gps定位追踪的物流追溯智能终端和存储介质 |
Non-Patent Citations (1)
Title |
---|
RFID世界网编译: "麻省理工学院研究人员结合RFID和计算机视觉技术,探讨商业化之道", pages 12 - 15, Retrieved from the Internet <URL:https://news.rfidworld.com.cn/2021_05/eac0ca6fa5d22679.html> * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Choi et al. | KAIST multi-spectral day/night data set for autonomous and assisted driving | |
CN110659646A (zh) | 一种多任务证件图像自动处理方法、装置、设备及可读存储介质 | |
CN108256439A (zh) | 一种基于循环生成式对抗网络的行人图像生成方法及系统 | |
CN115439424A (zh) | 一种无人机航拍视频图像智能检测方法 | |
CN110858414A (zh) | 图像处理方法、装置、可读存储介质与增强现实系统 | |
CN112508071B (zh) | 基于bim的桥梁病害标记方法和装置 | |
CN104504904A (zh) | 一种交通设施移动采集方法 | |
CN110634138A (zh) | 一种基于视觉感知的桥梁变形的监测方法、装置及设备 | |
CN112037543A (zh) | 基于三维建模的城市交通灯控制方法、装置、设备和介质 | |
CN116030194A (zh) | 一种基于目标检测规避的空地协同实景三维建模优化方法 | |
CN109829421B (zh) | 车辆检测的方法、装置及计算机可读存储介质 | |
CN111552762A (zh) | 一种基于果树编码的果园种植数字地图化管理方法和系统 | |
CN116257757A (zh) | 基于人工智能的移动通讯终端的精准定位方法及系统 | |
CN111795703B (zh) | 地图构建方法、装置、存储介质及移动设备 | |
CN111194015A (zh) | 基于建筑物的室外定位方法、装置及移动设备 | |
CN109900358A (zh) | 一种基于图像亮度信息的天空类型识别系统及方法 | |
CN113283285A (zh) | 一种基于图像识别技术精确地址定位的方法 | |
CN109974660A (zh) | 基于无人机悬停视频测量无人机悬停精度的方法 | |
CN108592789A (zh) | 一种基于bim和机器视觉技术的钢结构工厂预拼装方法 | |
CN117291864A (zh) | 能见度估计装置及方法、以及记录介质 | |
CN114996805A (zh) | 一种基于bim的高速公路建设协同管理系统 | |
CN109033164A (zh) | 一种全景地图数据采集系统及其移动采集终端 | |
CN112770066A (zh) | 一种用于多传感器融合图像拼接技术的时间同步方法 | |
CN114463654A (zh) | 状态检测方法、装置、设备及计算机存储介质 | |
CN114119389A (zh) | 一种图像复原方法、系统和存储模块 |
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 |