CN116403008B - 驾校训练场地的地图采集方法、装置、设备及存储介质 - Google Patents
驾校训练场地的地图采集方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116403008B CN116403008B CN202310610726.6A CN202310610726A CN116403008B CN 116403008 B CN116403008 B CN 116403008B CN 202310610726 A CN202310610726 A CN 202310610726A CN 116403008 B CN116403008 B CN 116403008B
- Authority
- CN
- China
- Prior art keywords
- calibration point
- image
- measurement
- information
- image calibration
- 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
- 238000012549 training Methods 0.000 title claims abstract description 127
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000005259 measurement Methods 0.000 claims abstract description 133
- 238000010276 construction Methods 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 11
- 238000002372 labelling Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
-
- 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
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种驾校训练场地的地图采集方法、装置、设备及存储介质。该方法包括:在科目训练场地的两个测量标定点上获取对应的测量标定点定位和全景图像;提取所述全景图像中包含的图像标定点的图像标定点信息;根据两个测量标定点定位和各所述图像标定点信息,确定各所述图像标定点的图像标定点定位;基于两个测量标定点定位和各所述图像标定点定位,构建所述科目训练场地的场地地图。本发明可以实现驾校训练场地信息的精准采集,快速构建场地地图,降低人工采集成本,减少采集误差,提高地图构建效率和准确度。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种驾校训练场地的地图采集方法、装置、设备及存储介质。
背景技术
在传统的驾校地图采集方法中,通常是采用RTK设备进行场地的精准定位,采集设备通常为手持设备,需要采集人员手持设备到达驾校训练场地的每一个点位进行定位,并且每个点位需要手动校准,效率很低。在面对一些大型驾校训练场地时,由于场地环境复杂,更容易出现点位漏采、人工标记错误、采集成本高效率低等问题。
发明内容
本发明提供了一种驾校训练场地的地图采集方法、装置、设备及存储介质,以实现快速准确采集驾校训练场地的场地地图。
根据本发明的一方面,提供了一种驾校训练场地的地图采集方法,该方法包括:
在科目训练场地的两个测量标定点上获取对应的测量标定点定位和全景图像;
提取所述全景图像中包含的图像标定点的图像标定点信息;
根据两个测量标定点定位和各所述图像标定点信息,确定各所述图像标定点的图像标定点定位;
基于两个测量标定点定位和各所述图像标定点定位,构建所述科目训练场地的场地地图。
可选的,所述图像标定点信息包括标定点距离信息和标定点方位信息。
可选的,所述提取所述全景图像中包含的图像标定点的图像标定点信息,包括:
将两个全景图像中包含的标定点信息进行匹配,确定所述科目训练场地内的图像标定点;
针对每个图像标定点,基于所述图像标定点与两个测量标定点的距离数据和方位数据构成图像标定点信息,其中,所述图像标定点信息中的标定点距离信息包含所述距离数据,所述图像标定点信息中的标定点方位信息包含所述方位数据。
可选的,所述根据两个测量标定点定位和各所述图像标定点信息,确定各所述图像标定点的图像标定点定位,包括:
针对每个图像标定点,根据两个测量标定点定位和所述图像标定点对应图像标定点信息中的标定点距离信息,得到所述图像标定点的两个待定坐标;
根据对应图像标定点信息中的标定点方位信息,从两个待定坐标中确定所述图像标定点的图像标定点定位。
可选的,所述根据两个测量标定点定位和所述图像标定点对应图像标定点信息中的标定点距离信息,得到所述图像标定点的两个待定坐标,包括:
提取所述图像标定点对应图像标定点信息中的标定点距离信息,确定所述图像标定点与第一测量标定点的第一图像标定点距离,以及所述图像标定点与第二测量标定点的第二图像标定点距离;
在所述科目训练场地所在的平面上确定所述图像标定点的两个待定坐标,其中,所述待定坐标与所述第一测量标定点的第一测量标定点定位的距离等于所述第一图像标定点距离,所述待定坐标与所述第二测量标定点的第二测量标定点定位的距离等于所述第二图像标定点距离。
可选的,该方法还包括:
基于各所述全景图像,采用训练好的科目类型识别模型识别所述科目训练场地的目标科目类型,根据目标科目类型标记所述科目训练场地的场地地图。
可选的,所述科目类型识别模型的训练过程包括:
对训练全景图像进行场地科目类型标注,得到标准科目类型;
将所述训练全景图像输入待训练科目类型识别模型,获得输出的实际科目类型;
根据所述标准科目类型和所述实际科目类型,获得拟合损失函数;
通过所述拟合损失函数对所述待训练科目类型识别模型进行反向传播,得到所述科目类型识别模型。
根据本发明的另一方面,提供了一种驾校训练场地的地图采集装置,该装置包括:
定位图像获取模块,用于在科目训练场地的两个测量标定点上获取对应的测量标定点定位和全景图像;
图像信息确定模块,用于提取所述全景图像中包含的图像标定点的图像标定点信息;
图像标定点定位模块,用于根据两个测量标定点定位和各所述图像标定点信息,确定各所述图像标定点的图像标定点定位;
场地地图构建模块,用于基于两个测量标定点定位和各所述图像标定点定位,构建所述科目训练场地的场地地图。
根据本发明的另一方面,提供了一种驾校训练场地的地图采集设备,所述设备包括:
定位装置,用于在测量标定点上获取测量标定点定位;
摄像装置,用于在测量标定点上获取科目训练场地的全景图像;
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计算机程序,所述计算机程序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本发明任一实施例所述的驾校训练场地的地图采集方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的驾校训练场地的地图采集方法。
本发明实施例的技术方案,通过在科目训练场地的两个测量标定点上获取对应的测量标定点定位和全景图像;提取全景图像中包含的图像标定点的图像标定点信息;根据两个测量标定点定位和各图像标定点信息,确定各图像标定点的图像标定点定位;基于两个测量标定点定位和各图像标定点定位,构建科目训练场地的场地地图。本发明通过在驾校的科目训练场地的任意两个标定点上进行定位及采集图像,就可快速构建科目训练场地的场地地图,降低了人工采集成本,减少了采集误差,提高了驾校地图构建效率和准确度。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明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
为了更清楚地说明本发明实施例中的技术方案,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是本发明实施例一提供的一种驾校训练场地的地图采集方法的流程图;
图2a是本发明实施例一所适用的第一原理示意图;
图2b是本发明实施例一所适用的第二原理示意图;
图3是本发明实施例二提供的一种驾校训练场地的地图采集装置的结构示意图;
图4a是本发明实施例三提供的一种驾校训练场地的地图采集设备的结构示意图;
图4b是本发明实施例三提供的一种驾校训练场地的地图采集设备的外观示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“目标”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种驾校训练场地的地图采集方法的流程图,本实施例可适用于对驾校训练场地进行地图采集的情况,该方法可以由驾校训练场地的地图采集装置来执行,该驾校训练场地的地图采集装置可以采用硬件和/或软件的形式实现,该驾校训练场地的地图采集装置可配置于计算机设备中。如图1所示,该方法包括:
S110、在科目训练场地的两个测量标定点上获取对应的测量标定点定位和全景图像。
在本实施例中,科目训练场地可以指驾校训练场地中任意科目的训练场地,场地中的任意标定点都可以作为测量标定点。在实际应用中,可以在科目训练场地内选取任意两个标定点作为测量标定点,采用带摄像功能的定位设备对测量标定点进行定位,并在测量标定点上采集科目训练场地的全景图像。
图2a是本发明实施例所适用的第一原理示意图,如图2a所示,该科目训练场地共有8个标定点,可以选取标定点1和标定点3作为测量标定点,测量人员可以持采集设备到达标定点1,获取标定点1的测量标定点定位和科目训练场地的全景图像,再持采集设备到达标定点3,获取标定点3的测量标定点定位和科目训练场地的全景图像。
S120、提取全景图像中包含的图像标定点的图像标定点信息。
在本实施例中,可以将科目训练场地内除测量标定点之外的其他标定点称为图像标定点。由于全景图像是在测量标定点采集的,因此,全景图像内会存在除该测量标定点之外的其他标定点的信息。每一个图像标定点可以对应存在一组图像标定点信息,图像标定点信息可以包含图像标定点与测量标定点之间的关系数据。
在一个实施例中,图像标定点信息可以包括标定点距离信息和标定点方位信息。对应的,S120可以分为以下步骤实现:
S1201、将两个全景图像中包含的标定点信息进行匹配,确定科目训练场地内的图像标定点。
具体的,在第一个测量标定点采集的全景图像中,会存在科目训练场地内除第一个测量标定点之外的其他标定点的信息;在第二个测量标定点采集的全景图像中,会存在科目训练场地内除第二个测量标定点之外的其他标定点的信息。对两个全景图像中包含的标定点信息进行匹配后,可以确定出科目训练场地内除这两个测量标定点以外的标定点,可以将这些标定点称为图像标定点。
S1202、针对每个图像标定点,基于图像标定点与两个测量标定点的距离数据和方位数据构成图像标定点信息,其中,图像标定点信息中的标定点距离信息包含距离数据,图像标定点信息中的标定点方位信息包含方位数据。
具体的,对于任一图像标定点而言,在第一个全景图像中可以提取到其与第一个测量标定点的距离数据和方位数据,在第二个全景图像中可以提取到其与第二个测量标定点的距离数据和方位数据,以上提取到的数据即可构成该图像标定点的图像标定点信息。从另一个角度说,对于任一图像标定点,在第一个全景图像中提取到的其与第一个测量标定点的距离数据,以及在第二个全景图像中可以提取到的其与第二个测量标定点的距离数据,构成了该图像标定点的标定点距离信息;在第一个全景图像中提取到的其与第一个测量标定点的方位数据,以及在第二个全景图像中可以提取到的其与第二个测量标定点的方位数据,构成了该图像标定点的标定点方位信息,该图像标定点的标定点距离信息和标定点方位信息就构成了该图像标定点的图像标定点信息。
示例性的,如图2a所示,标定点1和标定点3作为测量标定点,在标定点1采集的全景图像1中,会存在标定点2、标定点3、标定点4、标定点5、标定点6、标定点7和标定点8的信息;在标定点3采集的全景图像2中,会存在标定点1、标定点2、标定点4、标定点5、标定点6、标定点7和标定点8的信息。对两个全景图像中包含的标定点信息进行匹配后,可以确定出科目训练场地内的图像标定点有标定点2、标定点4、标定点5、标定点6、标定点7和标定点8。在全景图像1中可以提取标定点4相对于标定点1的距离数据和方位数据,在全景图像2中可以提取标定点4相对于标定点3的距离数据和方位数据,以上提取到的数据即可构成标定点4的图像标定点信息。
S130、根据两个测量标定点定位和各图像标定点信息,确定各图像标定点的图像标定点定位。
在本实施例中,两个测量标定点的定位通过测量已知,在从全景图像中提取到包含图像标定点与测量标定点的关系数据后,就可以通过计算标定点之间的距离角度等方式得到图像标定点所在的坐标,由此确定图像标定点的图像标定点定位。
在一个实施例中,图像标定点信息包括标定点距离信息和标定点方位信息,S130可以分为以下步骤实现:
S1301、针对每个图像标定点,根据两个测量标定点定位和图像标定点对应图像标定点信息中的标定点距离信息,得到图像标定点的两个待定坐标。
在一般情况下,驾校的科目训练场地是在一个平面上,在已知两个测量标定点的定位坐标以及图像标定点与两个测量标定点的距离信息时,可以计算出在科目训练场地的平面上图像标定点可能存在的两个坐标,将这两个坐标作为待定坐标。
进一步的,S1301还可以由以下具体方式实现:
提取图像标定点对应图像标定点信息中的标定点距离信息,确定图像标定点与第一测量标定点的第一图像标定点距离,以及图像标定点与第二测量标定点的第二图像标定点距离;在科目训练场地所在的平面上确定图像标定点的两个待定坐标,其中,待定坐标与第一测量标定点的第一测量标定点定位的距离等于第一图像标定点距离,待定坐标与第二测量标定点的第二测量标定点定位的距离等于第二图像标定点距离。
具体的,对于任一图像标定点,可以根据其图像标定点信息中的标定点距离信息,计算到图像标定点与第一测量标定点的第一图像标定点距离,和图像标定点与第二测量标定点的第二图像标定点距离;第一测量标定点和第二测量标定点的距离可以通过两个测量标定点定位计算得到;那么,图像标定点、第一测量标定点和第二测量标定点所构成的三角形的三条边长已知,此时可以计算出图像标定点在科目训练场地所在的平面上可能存在的两个坐标,将这两个坐标作为图像标定点的两个待定坐标。
示例性的,如图2b所示,标定点1和标定点3作为测量标定点,在确定标定点4的定位时,通过标定点1采集的全景图像1可以确定标定点4和标定点1之间的第一图像标定点距离为a,通过标定点3采集的全景图像2可以确定标定点4和标定点3之间的第二图像标定点距离为b,此时可以计算标定点4的两个待定坐标,为图2b中标定点4和待定坐标所在的坐标。
S1302、根据对应图像标定点信息中的标定点方位信息,从两个待定坐标中确定图像标定点的图像标定点定位。
可以理解的是,通过上述方法确定的图像标定点的两个待定坐标,分别在两个测量标定点连线的两侧,因此,可以从图像标定点信息中提取标定点方位信息,判断图像标定点在两个测量标定点连线的哪一侧,从而在两个待定坐标中确定图像标定点的图像标定点定位。
S140、基于两个测量标定点定位和各图像标定点定位,构建科目训练场地的场地地图。
在本实施例中,通过以上步骤可以得到科目训练场地内所有标定点的定位坐标,基于各标定点的定位坐标构建科目训练场地的场地地图即可。
本发明实施例通过在科目训练场地的两个测量标定点上获取对应的测量标定点定位和全景图像;提取全景图像中包含的图像标定点的图像标定点信息;根据两个测量标定点定位和各图像标定点信息,确定各图像标定点的图像标定点定位;基于两个测量标定点定位和各图像标定点定位,构建科目训练场地的场地地图。本发明实施例在驾校的科目训练场地的任意两个标定点上进行定位及采集图像,就可快速构建科目训练场地的场地地图,降低了人工采集成本,减少了采集误差,提高了驾校地图构建效率和准确度。
在上述实施例的基础上,本发明实施例提供的驾校训练场地的地图采集方法,还可以包括:
基于各全景图像,采用训练好的科目类型识别模型识别科目训练场地的目标科目类型,根据目标科目类型标记科目训练场地的场地地图。
在实际应用中,可以预先搭建科目类型识别模型,并使用大量的驾校科目训练场地图像训练优化该科目类型识别模型。当采集到任一科目训练场地的全景图像时,就可以利用训练好的科目类型识别模型对该全景图像进行识别,确定图像中的科目训练场地所属的目标科目类型。在构建科目训练场地的场地地图时,可以根据识别出的目标科目类型进行标记。
在一个实施例中,科目类型识别模型的训练过程可以包括:
A、对训练全景图像进行场地科目类型标注,得到标准科目类型。
B、将训练全景图像输入待训练科目类型识别模型,获得输出的实际科目类型。
C、根据标准科目类型和实际科目类型,获得拟合损失函数。
D、通过拟合损失函数对待训练科目类型识别模型进行反向传播,得到科目类型识别模型。
在本实施例中,可以预先收集大量包含驾校科目训练场地的图像作为训练全景图像,并对图像中的科目训练场地的科目类型进行标注。将标注后的图像输入搭建好的初始待训练科目类型识别模型中,通过对模型反复训练,不断优化,可以得到识别准确性较高的科目类型识别模型,该模型可以用于识别科目训练场地的科目类型。
实施例二
图3为本发明实施例二提供了一种驾校训练场地的地图采集装置的结构示意图。如图3所示,该装置包括:
定位图像获取模块310,用于在科目训练场地的两个测量标定点上获取对应的测量标定点定位和全景图像;
图像信息确定模块320,用于提取所述全景图像中包含的图像标定点的图像标定点信息;
图像标定点定位模块330,用于根据两个测量标定点定位和各所述图像标定点信息,确定各所述图像标定点的图像标定点定位;
场地地图构建模块340,用于基于两个测量标定点定位和各所述图像标定点定位,构建所述科目训练场地的场地地图。
可选的,所述图像标定点信息包括标定点距离信息和标定点方位信息。
可选的,所述图像信息确定模块320,包括:
标定点匹配单元,用于将两个全景图像中包含的标定点信息进行匹配,确定所述科目训练场地内的图像标定点;
图像信息确定单元,用于针对每个图像标定点,基于所述图像标定点与两个测量标定点的距离数据和方位数据构成图像标定点信息,其中,所述图像标定点信息中的标定点距离信息包含所述距离数据,所述图像标定点信息中的标定点方位信息包含所述方位数据。
可选的,所述图像标定点定位模块330,包括:
待定坐标确定单元,用于针对每个图像标定点,根据两个测量标定点定位和所述图像标定点对应图像标定点信息中的标定点距离信息,得到所述图像标定点的两个待定坐标;
标定点定位确定单元,用于根据对应图像标定点信息中的标定点方位信息,从两个待定坐标中确定所述图像标定点的图像标定点定位。
可选的,所述待定坐标确定单元,具体用于:
针对每个图像标定点,提取所述图像标定点对应图像标定点信息中的标定点距离信息,确定所述图像标定点与第一测量标定点的第一图像标定点距离,以及所述图像标定点与第二测量标定点的第二图像标定点距离;
在所述科目训练场地所在的平面上确定所述图像标定点的两个待定坐标,其中,所述待定坐标与所述第一测量标定点的第一测量标定点定位的距离等于所述第一图像标定点距离,所述待定坐标与所述第二测量标定点的第二测量标定点定位的距离等于所述第二图像标定点距离。
可选的,所述装置还包括识别模型训练模块,用于:
基于各所述全景图像,采用训练好的科目类型识别模型识别所述科目训练场地的目标科目类型,根据目标科目类型标记所述科目训练场地的场地地图。
可选的,所述科目类型识别模型的训练过程包括:
对训练全景图像进行场地科目类型标注,得到标准科目类型;
将所述训练全景图像输入待训练科目类型识别模型,获得输出的实际科目类型;
根据所述标准科目类型和所述实际科目类型,获得拟合损失函数;
通过所述拟合损失函数对所述待训练科目类型识别模型进行反向传播,得到所述科目类型识别模型。
本发明实施例所提供的驾校训练场地的地图采集装置可执行本发明任意实施例所提供的驾校训练场地的地图采集方法,具备执行方法相应的功能模块和有益效果。
实施例三
图4a是本发明实施例三提供的一种驾校训练场地的地图采集设备的结构示意图,如图4a所示,该设备包括处理器410、存储器420、定位装置430和摄像装置440;设备中处理器410的数量可以是一个或多个,图4a中以一个处理器410为例;设备中的处理器410、存储器420、定位装置430和摄像装置440可以通过总线或其他方式连接,图4a中以通过总线连接为例。
存储器420作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的驾校训练场地的地图采集方法对应的程序指令/模块(例如,驾校训练场地的地图采集装置中的定位图像获取模块310、图像信息确定模块320、图像标定点定位模块330和场地地图构建模块340)。处理器410通过运行存储在存储器420中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的驾校训练场地的地图采集方法。
存储器420可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器420可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器420可进一步包括相对于处理器410远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
定位装置430可在测量标定点上获取测量标定点定位,以及产生与设备的用户设置以及功能控制有关的键信号输入。摄像装置440可在测量标定点上获取科目训练场地的全景图像。
图4b是本发明实施例三提供的一种驾校训练场地的地图采集设备的外观示意图。如4b所示,本实施例提供的驾校训练场地的地图采集设备可以包含元件10和元件20,以及连接元件10和元件20的对中杆,处理器410、存储器420和定位装置430可以集中安装在元件10处,摄像装置440可以安装在元件20处。在进行地图采集时,可以将对中杆的底部对准测量标定点,由定位装置430获取测量标定点的测量标定点定位,由摄像装置440采集科目训练场地的全景图像。
实施例四
本发明实施例四还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种驾校训练场地的地图采集方法,该方法包括:
在科目训练场地的两个测量标定点上获取对应的测量标定点定位和全景图像;
提取所述全景图像中包含的图像标定点的图像标定点信息;
根据两个测量标定点定位和各所述图像标定点信息,确定各所述图像标定点的图像标定点定位;
基于两个测量标定点定位和各所述图像标定点定位,构建所述科目训练场地的场地地图。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的驾校训练场地的地图采集方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory, ROM)、随机存取存储器(RandomAccess Memory, RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述驾校训练场地的地图采集装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (7)
1.一种驾校训练场地的地图采集方法,其特征在于,包括:
在科目训练场地的两个测量标定点上获取对应的测量标定点定位和全景图像;
提取所述全景图像中包含的图像标定点的图像标定点信息,其中,所述图像标定点信息包括标定点距离信息和标定点方位信息;
根据两个测量标定点定位和各所述图像标定点信息,确定各所述图像标定点的图像标定点定位;
基于两个测量标定点定位和各所述图像标定点定位,构建所述科目训练场地的场地地图;
其中,所述根据两个测量标定点定位和各所述图像标定点信息,确定各所述图像标定点的图像标定点定位,包括:
针对每个图像标定点,根据两个测量标定点定位和所述图像标定点对应图像标定点信息中的标定点距离信息,得到所述图像标定点的两个待定坐标;
根据对应图像标定点信息中的标定点方位信息,从两个待定坐标中确定所述图像标定点的图像标定点定位;
所述根据两个测量标定点定位和所述图像标定点对应图像标定点信息中的标定点距离信息,得到所述图像标定点的两个待定坐标,包括:
提取所述图像标定点对应图像标定点信息中的标定点距离信息,确定所述图像标定点与第一测量标定点的第一图像标定点距离,以及所述图像标定点与第二测量标定点的第二图像标定点距离;
在所述科目训练场地所在的平面上确定所述图像标定点的两个待定坐标,其中,所述待定坐标与所述第一测量标定点的第一测量标定点定位的距离等于所述第一图像标定点距离,所述待定坐标与所述第二测量标定点的第二测量标定点定位的距离等于所述第二图像标定点距离。
2.根据权利要求1所述的方法,其特征在于,所述提取所述全景图像中包含的图像标定点的图像标定点信息,包括:
将两个全景图像中包含的标定点信息进行匹配,确定所述科目训练场地内的图像标定点;
针对每个图像标定点,基于所述图像标定点与两个测量标定点的距离数据和方位数据构成图像标定点信息,其中,所述图像标定点信息中的标定点距离信息包含所述距离数据,所述图像标定点信息中的标定点方位信息包含所述方位数据。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于各所述全景图像,采用训练好的科目类型识别模型识别所述科目训练场地的目标科目类型,根据目标科目类型标记所述科目训练场地的场地地图。
4.根据权利要求3所述的方法,其特征在于,所述科目类型识别模型的训练过程包括:
对训练全景图像进行场地科目类型标注,得到标准科目类型;
将所述训练全景图像输入待训练科目类型识别模型,获得输出的实际科目类型;
根据所述标准科目类型和所述实际科目类型,获得拟合损失函数;
通过所述拟合损失函数对所述待训练科目类型识别模型进行反向传播,得到所述科目类型识别模型。
5.一种驾校训练场地的地图采集装置,其特征在于,包括:
定位图像获取模块,用于在科目训练场地的两个测量标定点上获取对应的测量标定点定位和全景图像;
图像信息确定模块,用于提取所述全景图像中包含的图像标定点的图像标定点信息,其中,所述图像标定点信息包括标定点距离信息和标定点方位信息;
图像标定点定位模块,用于根据两个测量标定点定位和各所述图像标定点信息,确定各所述图像标定点的图像标定点定位;
场地地图构建模块,用于基于两个测量标定点定位和各所述图像标定点定位,构建所述科目训练场地的场地地图;
其中,所述图像标定点定位模块,包括:
待定坐标确定单元,用于针对每个图像标定点,根据两个测量标定点定位和所述图像标定点对应图像标定点信息中的标定点距离信息,得到所述图像标定点的两个待定坐标;
标定点定位确定单元,用于根据对应图像标定点信息中的标定点方位信息,从两个待定坐标中确定所述图像标定点的图像标定点定位;
所述待定坐标确定单元,具体用于:针对每个图像标定点,提取所述图像标定点对应图像标定点信息中的标定点距离信息,确定所述图像标定点与第一测量标定点的第一图像标定点距离,以及所述图像标定点与第二测量标定点的第二图像标定点距离;在所述科目训练场地所在的平面上确定所述图像标定点的两个待定坐标,其中,所述待定坐标与所述第一测量标定点的第一测量标定点定位的距离等于所述第一图像标定点距离,所述待定坐标与所述第二测量标定点的第二测量标定点定位的距离等于所述第二图像标定点距离。
6.一种驾校训练场地的地图采集设备,其特征在于,所述设备包括:
定位装置,用于在测量标定点上获取测量标定点定位;
摄像装置,用于在测量标定点上获取科目训练场地的全景图像;
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计算机程序,所述计算机程序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中任一项所述的驾校训练场地的地图采集方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-4中任一项所述的驾校训练场地的地图采集方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310610726.6A CN116403008B (zh) | 2023-05-29 | 2023-05-29 | 驾校训练场地的地图采集方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310610726.6A CN116403008B (zh) | 2023-05-29 | 2023-05-29 | 驾校训练场地的地图采集方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116403008A CN116403008A (zh) | 2023-07-07 |
CN116403008B true CN116403008B (zh) | 2023-09-01 |
Family
ID=87007916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310610726.6A Active CN116403008B (zh) | 2023-05-29 | 2023-05-29 | 驾校训练场地的地图采集方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116403008B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021146862A1 (zh) * | 2020-01-20 | 2021-07-29 | 珊口(深圳)智能科技有限公司 | 移动设备的室内定位方法、移动设备及控制系统 |
WO2021185217A1 (zh) * | 2020-03-16 | 2021-09-23 | 左忠斌 | 一种基于多激光测距和测角的标定方法 |
CN114494436A (zh) * | 2022-01-25 | 2022-05-13 | 北京建筑大学 | 室内场景定位方法及装置 |
CN115527156A (zh) * | 2022-04-24 | 2022-12-27 | 武汉木仓科技股份有限公司 | 基于驾校训练场地3d模型的练车监控方法及相关设备 |
CN115683046A (zh) * | 2022-09-14 | 2023-02-03 | 深圳市志奋领科技有限公司 | 测距方法、装置、传感器及计算机可读存储介质 |
-
2023
- 2023-05-29 CN CN202310610726.6A patent/CN116403008B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021146862A1 (zh) * | 2020-01-20 | 2021-07-29 | 珊口(深圳)智能科技有限公司 | 移动设备的室内定位方法、移动设备及控制系统 |
WO2021185217A1 (zh) * | 2020-03-16 | 2021-09-23 | 左忠斌 | 一种基于多激光测距和测角的标定方法 |
CN114494436A (zh) * | 2022-01-25 | 2022-05-13 | 北京建筑大学 | 室内场景定位方法及装置 |
CN115527156A (zh) * | 2022-04-24 | 2022-12-27 | 武汉木仓科技股份有限公司 | 基于驾校训练场地3d模型的练车监控方法及相关设备 |
CN115683046A (zh) * | 2022-09-14 | 2023-02-03 | 深圳市志奋领科技有限公司 | 测距方法、装置、传感器及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116403008A (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021000809A1 (zh) | 利用激光slam在长走廊建图的方法、装置、系统、存储介质 | |
JP4985166B2 (ja) | 自己位置推定装置 | |
CN105246039A (zh) | 一种基于图像处理的室内定位方法及系统 | |
CN109425348B (zh) | 一种同时定位与建图的方法和装置 | |
CN112556685B (zh) | 导航路线的显示方法、装置和存储介质及电子设备 | |
CN111192331A (zh) | 一种激光雷达和相机的外参标定方法及装置 | |
CN111340012A (zh) | 一种地质灾害解译方法、装置、终端设备 | |
CN111652929A (zh) | 一种视觉特征的识别定位方法及系统 | |
Houshiar et al. | A study of projections for key point based registration of panoramic terrestrial 3D laser scan | |
CN110134117B (zh) | 一种移动机器人重定位方法、移动机器人及电子设备 | |
CN103198477A (zh) | 一种苹果套袋机器人视觉定位方法 | |
CN110796095B (zh) | 仪表模板建立方法、终端设备以及计算机存储介质 | |
CN113945937A (zh) | 精度检测方法、装置及存储介质 | |
CN115294317A (zh) | 一种用于工业生产厂区的指针式仪表读数智能检测方法 | |
US20200013170A1 (en) | Information processing apparatus, rebar counting apparatus, and method | |
WO2022205750A1 (zh) | 点云数据生成方法、装置、电子设备及存储介质 | |
CN116403008B (zh) | 驾校训练场地的地图采集方法、装置、设备及存储介质 | |
Arth et al. | Full 6dof pose estimation from geo-located images | |
CN111191596B (zh) | 一种封闭区域制图方法、装置及存储介质 | |
CN111383271B (zh) | 一种基于图片的方向标注方法及装置 | |
CN116645612A (zh) | 一种森林资源资产确定方法及系统 | |
CN114882115B (zh) | 车辆位姿的预测方法和装置、电子设备和存储介质 | |
CN111652034A (zh) | 一种基于sift算法的船只检索方法及装置 | |
CN104809745A (zh) | 一种改进低空间分辨率遥感影像提取的湖面面积的方法 | |
CN116266402A (zh) | 对象自动标注方法、装置、电子设备及存储介质 |
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 |