CN116972870B - 基于计算机图像识别的道路导航增强方法、系统及介质 - Google Patents
基于计算机图像识别的道路导航增强方法、系统及介质 Download PDFInfo
- Publication number
- CN116972870B CN116972870B CN202311220736.5A CN202311220736A CN116972870B CN 116972870 B CN116972870 B CN 116972870B CN 202311220736 A CN202311220736 A CN 202311220736A CN 116972870 B CN116972870 B CN 116972870B
- Authority
- CN
- China
- Prior art keywords
- navigation
- signal
- distance
- road section
- lane
- 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 33
- 238000004458 analytical method Methods 0.000 claims description 40
- 230000002457 bidirectional effect Effects 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 12
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000013500 data storage Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000001965 increasing effect Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 238000010191 image analysis Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 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
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Navigation (AREA)
Abstract
本申请提供基于计算机图像识别的道路导航增强方法、系统及介质,涉及道路导航增强技术领域,包括如下步骤:步骤S1,获取待采集路段并录入历史导航数据库内;步骤S2,分析并选取不同的导航方案;步骤S3,采集待采集路段的路段信息;步骤S4,对路段信息进行分析;步骤S5,检测导航方案中的导航信息是否完整;步骤S6,分析是否需要开启导航增强系统;步骤S7,实时获取导航信号,对导航信号进行分析;本发明用于解决现有的道路导航增强技术还存在难以针对弱信号路段提供有效的导航增强方案以及对导航增强方案有效性的分析不足,导致用户行驶到弱信号路段后无法使用导航以及导航增强方案偏离实际的问题。
Description
技术领域
本发明涉及道路导航增强技术领域,尤其涉及基于计算机图像识别的道路导航增强方法、系统及介质。
背景技术
道路导航增强技术,是指利用先进的技术手段和算法,对传统的道路导航系统进行改进和升级,以提供更准确、更全面、更实用的导航服务,通过引入各种传感器、地图数据、人工智能等技术,道路导航增强技术能够帮助驾驶员更安全、高效地到达目的地。
现有的道路导航增强技术在导航过程中,难免会遇到导航信号较弱,难以接收到导航信号的路段,而现有的道路导航增强技术对弱信号路段没有较好的解决方案,难以快速且准确地对道路进行导航,同时,若导航系统在弱信号路段内无法显示具体的路段信息,可能导致司机出现违章或错过路口而绕路,比如在申请公开号为CN110617832A的申请文件中,公开了一种增强实景辅助导航方法,该方案就没有针对弱信号路段设置有效的导航增强方案,且其导航增强方案中将单次采集得到的数据应用到具体方案中,没有对其进行有效性分析,当采集数据出错时易导致导航增强方案严重错误,现有的道路导航增强技术还存在难以针对弱信号路段提供有效的导航增强方案以及对导航增强方案有效性的分析不足,导致用户行驶到弱信号路段后无法使用导航以及导航增强方案偏离实际的问题。
发明内容
针对现有技术存在的不足,本申请提供了基于计算机图像识别的道路导航增强方法、系统及介质,能够收录所有弱信号路段,采用图像识别的方式对不同走向的道路的车道进行分析,判断每个路口的车道的转向,收集到足够数据后启用导航方案,实时判断导航信号是否能够正常导航,在导航信号不足时再根据导航方案对行驶方向进行播报,以解决现有的道路导航增强技术还存在难以针对弱信号路段提供有效的导航增强方案以及对导航增强方案有效性的分析不足,导致用户行驶到弱信号路段后无法使用导航以及导航增强方案偏离实际的问题。
为了实现上述目的,第一方面,本申请提供基于计算机图像识别的道路导航增强方法,包括如下步骤:
步骤S1,建立历史导航数据库,连接导航系统,获取弱信号路段的路段名称、第一坐标以及第二坐标,标记为待采集路段并录入历史导航数据库内;
步骤S2,当导航路线中包括待采集路段时,获取车辆与第一坐标以及第二坐标的距离,分别标记为第一启动距离以及第二启动距离,分析得到是否需要开启图像采集系统,并选取不同的导航方案;
步骤S3,对待采集路段进行图像采集,得到待采集路段的路段信息;
步骤S4,对路段信息进行分析,得到不同情况下的导航信息,建立离线导航数据库,将导航信息录入对应的导航方案;
步骤S5,检测导航方案中的导航信息是否完整,若导航信息完整,则将导航方案投入使用,若导航信息不完整,则继续收集数据;
步骤S6,导航方案投入使用后,将待采集路段标记为离线导航路段,当车辆的导航路线中包括离线导航路段时,获取第一启动距离以及第二启动距离,分析得到是否需要开启导航增强系统;
步骤S7,实时获取导航信号,对导航信号进行分析,判断导航信号是否足够导航使用。
进一步地,所述步骤S1包括如下子步骤:
步骤S101,建立历史导航数据库;
步骤S102,与导航系统建立数据连接;
步骤S103,获取弱信号路段的路段名称、第一坐标以及第二坐标,标记为路段数据,所述第一坐标以及第二坐标分别为路段两端的端点;
步骤S104,将弱信号路段标记为待采集路段,录入待采集路段的路段数据至历史导航数据库。
进一步地,所述步骤S2包括如下子步骤:
步骤S201,当导航路线中包括待采集路段时,获取车辆与第一坐标以及第二坐标的距离,分别标记为第一启动距离以及第二启动距离;
步骤S202,将第一启动距离与第一距离阈值进行比对,若第一启动距离小于等于第一距离阈值,则输出已到达第一坐标预设距离信号;若第一启动距离大于第一距离阈值,则输出未到达第一坐标预设距离信号;
步骤S203,将第二启动距离与第一距离阈值进行比对,若第二启动距离小于等于第一距离阈值,则输出已到达第二坐标预设距离信号;若第二启动距离大于第一距离阈值,则输出未到达第二坐标预设距离信号;
步骤S204,将已到达第一坐标预设距离信号以及已到达第二坐标预设距离信号标记为已到达信号,若输出已到达信号,则开启图像采集系统;
步骤S205,步骤S202以及步骤S203中的比对同步进行,获取输出的第一个已到达信号,若为已到达第一坐标预设距离信号,则选取第一导航方案;若为已到达第二坐标预设距离信号,则选取第二导航方案。
进一步地,所述步骤S3包括如下子步骤:
步骤S301,向着行驶方向采集图像,将采集到的图像标记为路段图像;
步骤S302,通过车道线检测算法对路段图像进行分析,识别路段图像中的车道中心线以及车道线,统计车道线的数量减一并标记为车道数量;
步骤S303,分析是否存在车道中心线,若存在车道中心线,则将车道类型标记为双向车道;若不存在车道中心线,则将车道类型标记为单向车道;将车道类型以及车道数量整合并标记为路段信息。
进一步地,所述步骤S4包括如下子步骤:
步骤S401,获取车道类型,所述车道类型包括双向车道以及单向车道,若为双向车道,则将车道中心线右边的车道数量设置为行驶方向车道数;若为单向车道,则将车道数量标记为行驶方向车道数;
步骤S402,对待采集路段内的路口进行编号,以第一坐标为起始,沿着待采集路段向第二坐标前进,途经路口依次标记为第一路口至第N路口,所述N为从1开始的正整数;
步骤S403,到达路口时,获取地面图像,通过车道线检测算法对地面图像进行分析,识别地面图像中的路口车道线,获取车道类型,统计车道中心线右侧的车道数量减一并标记为路口车道数,从左到右依次为路口车道进行编号,通过智能识别模型提取路口车道内的箭头图形,将箭头图形与路口箭头数据库中的箭头类型进行查找比对,得到箭头图形指示的车道可以转向的方向,标记为车道转向;
步骤S404,将行驶方向车道数与路口车道数进行比对,若行驶方向车道数小于路口车道数,则输出路口车道增加信号;若行驶方向车道数与路口车道数相等,则输出车道不变信号;若行驶方向车道数大于路口车道数,则输出路口并道信号;将路口车道增加信号、车道不变信号以及路口并道信号标记为车道更改信号;
步骤S405,设置路程计,记录车辆从第一坐标到达第一路口的距离,标记为路口第一距离,再记录当前路口到达下一路口的距离,依次标记为路口第二距离至路口第N距离,再获取第N路口至第二坐标的距离,标记为路口第N+1距离;将路口第一距离至路口第N+1距离整合为路口距离;
步骤S406,将路口编号、车道编号、对应的车道转向、车道更改信号以及路口距离录入离线导航数据库内对应的导航方案中。
进一步地,所述步骤S5包括如下子步骤:
步骤S501,读取导航方案,获取同一路口编号的记录数量,将记录数量与第一数量阈值进行比对,若记录数量小于第一数量阈值,则输出数据不足信号;若记录数量大于等于第一数量阈值,则输出数据充足信号;
步骤S502,若输出数据不足信号,则继续对待采集路段进行图像采集以及分析;
步骤S503,若输出数据充足信号,则对导航方案进行完整度检测。
进一步地,所述步骤S503包括如下子步骤:
步骤S5031,读取导航方案,获取同一路口编号的记录,标记为分析记录,记录所有相同的分析记录的占比,将最高的占比标记为记录相同率,同时将对应的分析记录标记为方案内容;
步骤S5032,将记录相同率与第一比例阈值进行比对,若记录相同率小于第一比例阈值,则输出方案不可靠信号;若记录相同率大于等于第一比例阈值,则输出方案可靠信号;
步骤S5033,对所有路口编号进行分析,若存在输出方案不可靠信号,则继续收集数据;若均输出方案可靠信号,则将导航方案投入使用。
进一步地,所述步骤S6包括如下子步骤:
步骤S601,导航方案投入使用后,将待采集路段标记为离线导航路段;
步骤S602,当车辆的导航路线中包括离线导航路段时,获取第一启动距离以及第二启动距离;
步骤S603,将第一启动距离与第一距离阈值进行比对,若第一启动距离小于等于第一距离阈值,则输出已到达第一坐标预设距离信号;若第一启动距离大于第一距离阈值,则输出未到达第一坐标预设距离信号;
步骤S604,将第二启动距离与第一距离阈值进行比对,若第二启动距离小于等于第一距离阈值,则输出已到达第二坐标预设距离信号;若第二启动距离大于第一距离阈值,则输出未到达第二坐标预设距离信号;
步骤S605,若输出已到达信号,则开启导航增强系统;
步骤S606,步骤S603以及步骤S604中的比对同步进行,获取输出的第一个已到达信号,若为已到达第一坐标预设距离信号,则选取第一导航方案;若为已到达第二坐标预设距离信号,则选取第二导航方案。
进一步地,所述步骤S7包括如下子步骤:
步骤S701,实时获取导航信号的强度,标记为信号强度;
步骤S702,将信号强度与第一信号阈值进行比对,若信号强度小于第一信号阈值,则输出信号强度不足信号;若信号强度大于等于第一信号阈值,则输出信号强度充足信号;
步骤S703,若输出信号强度不足信号,则采用导航增强系统的导航方案;若输出信号强度充足信号,则采用原有导航模式。
第二方面,本申请提供基于计算机图像识别的道路导航增强方法的系统,包括数据采集模块、数据分析模块、数据存储模块以及离线导航模块;所述数据采集模块、数据存储模块以及离线导航模块分别与数据分析模块数据连接;
所述数据采集模块包括道路图像采集单元、导航信息采集单元、行驶距离采集单元以及导航信号采集单元;所述道路图像采集单元用于采集待采集路段内的路段图像以及路口的地面图像;所述导航信息采集单元用于采集第一启动距离以及第二启动距离;所述行驶距离采集单元用于记录车辆行驶的路程;所述导航信号采集单元用于采集导航的信号强度;
所述数据分析模块包括导航信息分析单元、道路图像分析单元以及导航信号分析单元;所述导航信息分析单元用于分析第一启动距离以及第二启动距离,得到所需的导航方案;所述道路图像分析单元用于分析路段图像以及地面图像,得到各个路口的导航信息;所述导航信号分析单元用于分析信号强度,判断是否足够维持原有导航;
所述数据存储模块包括历史导航数据库以及离线导航数据库;所述历史导航数据库用于存储待采集路段及其对应的路段名称、第一坐标以及第二坐标;所述离线导航数据库用于存储导航方案;
所述离线导航模块用于根据导航方案对车辆进行离线导航。
第三方面,本申请提供一种电子设备,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如上所述方法中的步骤。
第四方面,本申请提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,运行如上所述方法中的步骤。
本发明的有益效果:本发明通过建立历史导航数据库对所有弱信号路段进行收录,再通过所有搭载了本发明的车辆在日常行驶过程中对待采集路段进行图像采集,得到路段图像后再分析得到待采集路段的车道类型以及车道数量,进一步分析得到行驶方向车道数,再对路口车道线进行图像采集,识别其中的箭头图形,再与路口箭头数据库中的箭头类型进行查找比对,以此判断车道转向,同时对行驶方向车道数与路口车道数进行分析,得到前方路口车道是否更改,优势在于,可以以此为依据,在导航信号弱时对前方路口进行导航,提醒司机在前方路口应走的车道以及路口车道是否更改,提高了导航系统在弱信号路段的导航准确性以及可靠性;
本发明通过建立离线导航数据库,将每条弱信号路段的每个路口的信息录入离线导航数据库,再对各路口中不同车道所收集到的记录的数量进行分析,当记录数量达到一定阈值,能够提供足够的数据支持时,对分析记录进行分析,得到其记录相同率,对记录相同率进行分析得到导航方案是否完整,优势在于,大量的数据能够保证基本的数据支持,且能够提高数据的可信度,同时,在数据采集以及分析过程中难免会出现错误,导致分析结果错误,对记录相同率进行分析可以确保得到正确的分析结果,提高了弱信号路段导航的准确性以及可靠性;
本发明通过实时监测车辆导航的信号强度,分析是否能够满足导航需求,在能够满足导航需求时采用原有导航,在不能够满足导航需求时采用离线导航模式,通过导航方案对其进行导航,优势在于,可以最大限度地保持原有的导航模式,为用户提供精准导航,在难以维持原有导航时再采用离线导航模式,为用户提供基本的导航服务,避免用户因为没有导航而出现交通违章或事故,提高了弱信号路段导航的安全性以及有效性。
本发明附加方面的优点将在下面的具体实施方式的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其他特征、目的和优点将会变得更明显:
图1为本发明的方法的局部步骤流程图;
图2为本发明的导航信息完整度分析的流程图;
图3为本发明的系统的原理框图;
图4为本发明的实施例三中电子设备的连接框图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
实施例一
本申请提供了基于计算机图像识别的道路导航增强方法,能够收录所有弱信号路段,采用图像识别的方式对不同走向的道路的车道进行分析,判断每个路口的车道的转向,收集到足够数据后启用导航方案,实时判断导航信号是否能够正常导航,在导航信号不足时再根据导航方案对行驶方向进行播报,以解决现有的道路导航增强技术还存在难以针对弱信号路段提供有效的导航增强方案以及对导航增强方案有效性的分析不足,导致用户行驶到弱信号路段后无法使用导航以及导航增强方案偏离实际的问题。
请参阅图1所示,基于计算机图像识别的道路导航增强方法包括步骤S1,获取待采集路段并录入历史导航数据库内;步骤S2,分析并选取不同的导航方案;步骤S3,采集待采集路段的路段信息;步骤S4,对路段信息进行分析;步骤S5,检测导航方案中的导航信息是否完整;步骤S6,分析是否需要开启导航增强系统;步骤S7,实时获取导航信号,对导航信号进行分析;具体为:
步骤S1,建立历史导航数据库,连接导航系统,获取弱信号路段的路段名称、第一坐标以及第二坐标,标记为待采集路段并录入历史导航数据库内;步骤S1包括如下子步骤:
步骤S101,建立历史导航数据库;
步骤S102,与导航系统建立数据连接;
步骤S103,获取弱信号路段的路段名称、第一坐标以及第二坐标,标记为路段数据,第一坐标以及第二坐标分别为路段两端的端点;
步骤S104,将弱信号路段标记为待采集路段,录入待采集路段的路段数据至历史导航数据库;
具体实施中,通过导航系统获取其中的弱信号路段,并获取到路段名称为“A省B市C区D路”、第一坐标为(32.977745,117.710888)以及第二坐标为(32.980258,117.720078),将弱信号路段标记为待采集路段,录入待采集路段的路段数据至历史导航数据库。
步骤S2,当导航路线中包括待采集路段时,获取车辆与第一坐标以及第二坐标的距离,分别标记为第一启动距离以及第二启动距离,分析得到是否需要开启图像采集系统,并选取不同的导航方案;由于大部分车道都是双向车道,因此针对此类弱信号路段的导航需要区分为两个导航方案,以此来判断各路口的车道转向以及车道变更情况,此处的导航方案并非两种不同的方案,而是将对象车道进行区分;步骤S2包括如下子步骤:
步骤S201,当导航路线中包括待采集路段时,获取车辆与第一坐标以及第二坐标的距离,分别标记为第一启动距离以及第二启动距离;
步骤S202,将第一启动距离与第一距离阈值进行比对,若第一启动距离小于等于第一距离阈值,则输出已到达第一坐标预设距离信号;若第一启动距离大于第一距离阈值,则输出未到达第一坐标预设距离信号;
步骤S203,将第二启动距离与第一距离阈值进行比对,若第二启动距离小于等于第一距离阈值,则输出已到达第二坐标预设距离信号;若第二启动距离大于第一距离阈值,则输出未到达第二坐标预设距离信号;
具体实施中,第一距离阈值设置为200m,获取到第一启动距离为200m,第二启动距离为1029m,通过比对得到第一启动距离等于第一距离阈值,则输出已到达第一坐标预设距离信号;通过比对得到第二启动距离大于第一距离阈值,则输出未到达第二坐标预设距离信号;
步骤S204,将已到达第一坐标预设距离信号以及已到达第二坐标预设距离信号标记为已到达信号,若输出已到达信号,则开启图像采集系统;
步骤S205,步骤S202以及步骤S203中的比对同步进行,获取输出的第一个已到达信号,若为已到达第一坐标预设距离信号,则选取第一导航方案;若为已到达第二坐标预设距离信号,则选取第二导航方案;
具体实施中,获取到输出已到达信号,则开启图像采集系统,获取到第一个输出的已到达信号为已到达第一坐标预设距离信号,则选取第一导航方案。
步骤S3,对待采集路段进行图像采集,得到待采集路段的路段信息;步骤S3包括如下子步骤:
步骤S301,向着行驶方向采集图像,将采集到的图像标记为路段图像;
步骤S302,通过车道线检测算法对路段图像进行分析,识别路段图像中的车道中心线以及车道线,统计车道线的数量减一并标记为车道数量;
步骤S303,分析是否存在车道中心线,若存在车道中心线,则将车道类型标记为双向车道;若不存在车道中心线,则将车道类型标记为单向车道;将车道类型以及车道数量整合并标记为路段信息;
具体实施中,车道检测算法采用现有的基于OpenCV的车道线检测算法(Traditional Method),采集路段图像,通过车道线检测算法分析得到车道线为5,车道中心线为1,计算得到车道数量为4,存在车道中心线,则将车道类型标记为双向车道;将车道类型以及车道数量整合并标记为路段信息;
步骤S4,对路段信息进行分析,得到不同情况下的导航信息,建立离线导航数据库,将导航信息录入对应的导航方案;由于在现实车道中存在路口车道与行车道相比会有增加或减少的情况,因此需要对行车道的行驶方向车道数以及路口的路口车道数进行分析,以此判断是否存在车道变更情况,便于提醒司机前方道路需要变更车道;步骤S4包括如下子步骤:
步骤S401,获取车道类型,车道类型包括双向车道以及单向车道,若为双向车道,则将车道中心线右边的车道数量设置为行驶方向车道数;若为单向车道,则将车道数量标记为行驶方向车道数;
步骤S402,对待采集路段内的路口进行编号,以第一坐标为起始,沿着待采集路段向第二坐标前进,途经路口依次标记为第一路口至第N路口,N为从1开始的正整数;
具体实施中,获取到车道类型为双向车道,则获取车道中心线右边的车道数量为2,标记为行驶方向车道数;对待采集路段内的路口进行编号,分别为第一路口、第二路口以及第三路口;
步骤S403,到达路口时,获取地面图像,通过车道线检测算法对地面图像进行分析,识别地面图像中的路口车道线,获取车道类型,统计车道中心线右侧的车道数量减一并标记为路口车道数,从左到右依次为路口车道进行编号,通过智能识别模型提取路口车道内的箭头图形,将箭头图形与路口箭头数据库中的箭头类型进行查找比对,得到箭头图形指示的车道可以转向的方向,标记为车道转向;
具体实施中,智能识别模型采用现有技术中的图像识别系统,到达第一路口后,获取到车道类型为双向车道,则获取车道中心线右边的车道数量为4,减一得到路口车道数为3,从左到右依次为路口车道进行编号,分别为路口车道1、路口车道2以及路口车道3;通过智能识别模型提取路口车道内的箭头图形,将箭头图形与路口箭头数据库中的箭头类型进行查找比对,得到路口车道1的车道转向为左转及掉头,路口车道2的车道转向为直行,路口车道3的车道转向为右转;
步骤S404,将行驶方向车道数与路口车道数进行比对,若行驶方向车道数小于路口车道数,则输出路口车道增加信号;若行驶方向车道数与路口车道数相等,则输出车道不变信号;若行驶方向车道数大于路口车道数,则输出路口并道信号;将路口车道增加信号、车道不变信号以及路口并道信号标记为车道更改信号;
具体实施中,行驶方向车道数为2,路口车道数为3,通过比对得到行驶方向车道数小于路口车道数,输出路口车道增加信号;
步骤S405,设置路程计,记录车辆从第一坐标到达第一路口的距离,标记为路口第一距离,再记录当前路口到达下一路口的距离,依次标记为路口第二距离至路口第N距离,再获取第N路口至第二坐标的距离,标记为路口第N+1距离;将路口第一距离至路口第N+1距离整合为路口距离;
具体实施中,路程计采用现有技术中的里程计,记录到路口第一距离为333m,路口第二距离为307m,路口第三距离为266m,路口第四距离为284m;
步骤S406,将路口编号、车道编号、对应的车道转向、车道更改信号以及路口距离录入离线导航数据库内对应的导航方案中;
具体实施中,将第一路口、(路口车道1,左转及掉头)、(路口车道2,直行)、(路口车道3,右转)、路口车道增加信号、路口第一距离为333m、路口第二距离为307m、路口第三距离为266m以及路口第四距离为284m录入离线导航数据库内的第一导航方案中。
如图2所示,步骤S5,检测导航方案中的导航信息是否完整,若导航信息完整,则将导航方案投入使用,若导航信息不完整,则继续收集数据;由于具体图像采集过程中会受到诸多因素影响,所以需要对导航方案的完整性以及可靠性进行判断,只有当导航方案完整且可靠时才能正式投入使用,防止出现错误的导航方案,从而影响用户的使用体验;步骤S5包括如下子步骤:
步骤S501,读取导航方案,获取同一路口编号的记录数量,将记录数量与第一数量阈值进行比对,若记录数量小于第一数量阈值,则输出数据不足信号;若记录数量大于等于第一数量阈值,则输出数据充足信号;
步骤S502,若输出数据不足信号,则继续对待采集路段进行图像采集以及分析;
具体实施中,第一数量阈值设置为1000,读取第一导航方案,获取到记录数量为1053,通过比对得到记录数量大于第一数量阈值,则输出数据充足信号;
步骤S503,若输出数据充足信号,则对导航方案进行完整度检测;
步骤S503包括如下子步骤:
步骤S5031,读取导航方案,获取同一路口编号的记录,标记为分析记录,记录所有相同的分析记录的占比,将最高的占比标记为记录相同率,同时将对应的分析记录标记为方案内容;
具体实施中,获取到第一路口中的分析记录包括分析记录1:“(路口车道1,左转及掉头)、(路口车道2,直行)、(路口车道3,右转)、路口车道增加信号、路口第一距离为333m、路口第二距离为307m、路口第三距离为266m以及路口第四距离为284m”;分析记录2:“(路口车道1,左转及掉头)、(路口车道2,直行)、(路口车道3,直行及右转)、路口车道增加信号、路口第一距离为358m、路口第二距离为327m、路口第三距离为286m以及路口第四距离为295m”;分析记录3:“(路口车道1,左转)、(路口车道2,直行)、(路口车道3,右转)、路口车道增加信号、路口第一距离为333m、路口第二距离为320m、路口第三距离为266m以及路口第四距离为295m”;其中,分析记录1的占比为91%,分析记录2的占比为3%,分析记录3的占比为6%,则将分析记录1标记为方案内容,记录相同率为91%;
步骤S5032,将记录相同率与第一比例阈值进行比对,若记录相同率小于第一比例阈值,则输出方案不可靠信号;若记录相同率大于等于第一比例阈值,则输出方案可靠信号;
步骤S5033,对所有路口编号进行分析,若存在输出方案不可靠信号,则继续收集数据;若均输出方案可靠信号,则将导航方案投入使用;
具体实施中,第一比例阈值设置为90%,通过比对得到记录相同率大于第一比例阈值,则输出方案可靠信号;对第一路口、第二路口以及第三路口分析完成后,均输出方案可靠信号,则将导航方案投入使用。
步骤S6,导航方案投入使用后,将待采集路段标记为离线导航路段,当车辆的导航路线中包括离线导航路段时,获取第一启动距离以及第二启动距离,分析得到是否需要开启导航增强系统;步骤S6包括如下子步骤:
步骤S601,导航方案投入使用后,将待采集路段标记为离线导航路段;
步骤S602,当车辆的导航路线中包括离线导航路段时,获取第一启动距离以及第二启动距离;
步骤S603,将第一启动距离与第一距离阈值进行比对,若第一启动距离小于等于第一距离阈值,则输出已到达第一坐标预设距离信号;若第一启动距离大于第一距离阈值,则输出未到达第一坐标预设距离信号;
步骤S604,将第二启动距离与第一距离阈值进行比对,若第二启动距离小于等于第一距离阈值,则输出已到达第二坐标预设距离信号;若第二启动距离大于第一距离阈值,则输出未到达第二坐标预设距离信号;
步骤S605,若输出已到达信号,则开启导航增强系统;
步骤S606,步骤S603以及步骤S604中的比对同步进行,获取输出的第一个已到达信号,若为已到达第一坐标预设距离信号,则选取第一导航方案;若为已到达第二坐标预设距离信号,则选取第二导航方案;
具体实施中,将待采集路段标记为离线导航路段,当车辆的导航路线中包括离线导航路段时,获取到第一启动距离为200m,第二启动距离为1029m,通过比对得到第一启动距离等于第一距离阈值,则输出已到达第一坐标预设距离信号;第二启动距离大于第一距离阈值,则输出未到达第二坐标预设距离信号;开启导航增强系统,输出的第一个已到达信号为已到达第一坐标预设距离信号,则选取第一导航方案;
步骤S7,实时获取导航信号,对导航信号进行分析,判断导航信号是否足够导航使用;具体使用中,弱信号路段可能存在信号强度足以支持导航系统的情况,此时应优先使用导航系统,而非离线导航,因此,对车辆行驶过程中导航的信号强度进行监测,实时判断是否需要使用离线导航,能够提高道路导航的准确性以及实用性;步骤S7包括如下子步骤:
步骤S701,实时获取导航信号的强度,标记为信号强度;
步骤S702,将信号强度与第一信号阈值进行比对,若信号强度小于第一信号阈值,则输出信号强度不足信号;若信号强度大于等于第一信号阈值,则输出信号强度充足信号;
步骤S703,若输出信号强度不足信号,则采用导航增强系统的导航方案;若输出信号强度充足信号,则采用原有导航模式;
具体实施中,第一信号阈值设置为-100dbm,获取到信号强度为-120dbm,通过比对得到信号强度小于第一信号阈值,则输出信号强度不足信号,采用导航增强系统的导航方案。
实施例二
请参阅图3,第二方面,本申请提供基于计算机图像识别的道路导航增强方法的系统,包括数据采集模块、数据分析模块、数据存储模块以及离线导航模块;数据采集模块、数据存储模块以及离线导航模块分别与数据分析模块数据连接;
数据采集模块包括道路图像采集单元、导航信息采集单元、行驶距离采集单元以及导航信号采集单元;道路图像采集单元用于采集待采集路段内的路段图像以及路口的地面图像;导航信息采集单元用于采集第一启动距离以及第二启动距离;行驶距离采集单元用于记录车辆行驶的路程;导航信号采集单元用于采集导航的信号强度;
数据分析模块包括导航信息分析单元、道路图像分析单元以及导航信号分析单元;导航信息分析单元用于分析第一启动距离以及第二启动距离,得到所需的导航方案;道路图像分析单元用于分析路段图像以及地面图像,得到各个路口的导航信息;导航信号分析单元用于分析信号强度,判断是否足够维持原有导航;
数据存储模块包括历史导航数据库、路口箭头数据库以及离线导航数据库;历史导航数据库用于存储待采集路段及其对应的路段名称、第一坐标以及第二坐标;路口箭头数据库用于存储箭头类型以及箭头指向;离线导航数据库用于存储导航方案;
离线导航模块用于根据导航方案对车辆进行离线导航。
实施例三
请参阅图4所示,第三方面,本申请提供一种电子设备80,包括处理器801以及存储器802,存储器802存储有计算机可读取指令,当计算机可读取指令由处理器801执行时,运行如上任意一项方法中的步骤。通过上述技术方案,处理器801和存储器802通过通信总线和/或其他形式的连接机构(未标出)互连并相互通讯,存储器802存储有处理器801可执行的计算机程序,当电子设备80运行时,处理器801执行该计算机程序,以执行上述实施例的任一可选的实现方式中的方法,并实现以下功能:建立历史导航数据库,获取待采集路段并录入历史导航数据库内;获取第一启动距离以及第二启动距离,分析是否需要开启图像采集系统,并选取不同的导航方案;对待采集路段进行图像采集,得到待采集路段的路段信息;对路段信息进行分析;检测导航方案中的导航信息是否完整;分析是否需要开启导航增强系统;实时获取导航信号,对导航信号进行分析。
实施例四
第四方面,本申请提供一种存储介质,其上存储有计算机程序,计算机程序被处理器执行时,运行如上任意一项方法中的步骤。通过上述技术方案,计算机程序被处理器执行时,执行上述实施例的任一可选的实现方式中的方法,以实现以下功能:建立历史导航数据库,获取待采集路段并录入历史导航数据库内;获取第一启动距离以及第二启动距离,分析是否需要开启图像采集系统,并选取不同的导航方案;对待采集路段进行图像采集,得到待采集路段的路段信息;对路段信息进行分析;检测导航方案中的导航信息是否完整;分析是否需要开启导航增强系统;实时获取导航信号,对导航信号进行分析。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例,或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。其中,存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static RandomAccess Memory,简称SRAM),电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(ErasableProgrammable Red Only Memory,简称EPROM),可编程只读存储器(Programmable Red-Only Memory,简称PROM),只读存储器(Read-OnlyMemory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.基于计算机图像识别的道路导航增强方法,其特征在于,包括如下步骤:
步骤S1,建立历史导航数据库,连接导航系统,获取弱信号路段的路段名称、第一坐标以及第二坐标,标记为待采集路段并录入历史导航数据库内;所述步骤S1包括如下子步骤:
步骤S101,建立历史导航数据库;
步骤S102,与导航系统建立数据连接;
步骤S103,获取弱信号路段的路段名称、第一坐标以及第二坐标,标记为路段数据,所述第一坐标以及第二坐标分别为路段两端的端点;
步骤S104,将弱信号路段标记为待采集路段,录入待采集路段的路段数据至历史导航数据库;
步骤S2,当导航路线中包括待采集路段时,获取车辆与第一坐标以及第二坐标的距离,分别标记为第一启动距离以及第二启动距离,分析得到是否需要开启图像采集系统,并选取不同的导航方案;所述步骤S2包括如下子步骤:
步骤S201,当导航路线中包括待采集路段时,获取车辆与第一坐标以及第二坐标的距离,分别标记为第一启动距离以及第二启动距离;
步骤S202,将第一启动距离与第一距离阈值进行比对,若第一启动距离小于等于第一距离阈值,则输出已到达第一坐标预设距离信号;若第一启动距离大于第一距离阈值,则输出未到达第一坐标预设距离信号;
步骤S203,将第二启动距离与第一距离阈值进行比对,若第二启动距离小于等于第一距离阈值,则输出已到达第二坐标预设距离信号;若第二启动距离大于第一距离阈值,则输出未到达第二坐标预设距离信号;
步骤S204,将已到达第一坐标预设距离信号以及已到达第二坐标预设距离信号标记为已到达信号,若输出已到达信号,则开启图像采集系统;
步骤S205,步骤S202以及步骤S203中的比对同步进行,获取输出的第一个已到达信号,若为已到达第一坐标预设距离信号,则选取第一导航方案;若为已到达第二坐标预设距离信号,则选取第二导航方案;
步骤S3,对待采集路段进行图像采集,得到待采集路段的路段信息;
步骤S4,对路段信息进行分析,得到不同情况下的导航信息,建立离线导航数据库,将导航信息录入对应的导航方案;
步骤S5,检测导航方案中的导航信息是否完整,若导航信息完整,则将导航方案投入使用,若导航信息不完整,则继续收集数据; 所述步骤S5包括如下子步骤:
步骤S501,读取导航方案,获取同一路口编号的记录数量,将记录数量与第一数量阈值进行比对,若记录数量小于第一数量阈值,则输出数据不足信号;若记录数量大于等于第一数量阈值,则输出数据充足信号;
步骤S502,若输出数据不足信号,则继续对待采集路段进行图像采集以及分析;
步骤S503,若输出数据充足信号,则对导航方案进行完整度检测;
所述步骤S503包括如下子步骤:
步骤S5031,读取导航方案,获取同一路口编号的记录,标记为分析记录,记录所有相同的分析记录的占比,将最高的占比标记为记录相同率,同时将对应的分析记录标记为方案内容;
步骤S5032,将记录相同率与第一比例阈值进行比对,若记录相同率小于第一比例阈值,则输出方案不可靠信号;若记录相同率大于等于第一比例阈值,则输出方案可靠信号;
步骤S5033,对所有路口编号进行分析,若存在输出方案不可靠信号,则继续收集数据;若均输出方案可靠信号,则将导航方案投入使用;
步骤S6,导航方案投入使用后,将待采集路段标记为离线导航路段,当车辆的导航路线中包括离线导航路段时,获取第一启动距离以及第二启动距离,分析得到是否需要开启导航增强系统;
步骤S7,实时获取导航信号,对导航信号进行分析,判断导航信号是否足够导航使用。
2.根据权利要求1所述的基于计算机图像识别的道路导航增强方法,其特征在于,所述步骤S3包括如下子步骤:
步骤S301,向着行驶方向采集图像,将采集到的图像标记为路段图像;
步骤S302,通过车道线检测算法对路段图像进行分析,识别路段图像中的车道中心线以及车道线,统计车道线的数量减一并标记为车道数量;
步骤S303,分析是否存在车道中心线,若存在车道中心线,则将车道类型标记为双向车道;若不存在车道中心线,则将车道类型标记为单向车道;将车道类型以及车道数量整合并标记为路段信息。
3.根据权利要求2所述的基于计算机图像识别的道路导航增强方法,其特征在于,所述步骤S4包括如下子步骤:
步骤S401,获取车道类型,所述车道类型包括双向车道以及单向车道,若为双向车道,则将车道中心线右边的车道数量设置为行驶方向车道数;若为单向车道,则将车道数量标记为行驶方向车道数;
步骤S402,对待采集路段内的路口进行编号,以第一坐标为起始,沿着待采集路段向第二坐标前进,途经路口依次标记为第一路口至第N路口,所述N为从1开始的正整数;
步骤S403,到达路口时,获取地面图像,通过车道线检测算法对地面图像进行分析,识别地面图像中的路口车道线,获取车道类型,统计车道中心线右侧的车道数量减一并标记为路口车道数,从左到右依次为路口车道进行编号,通过智能识别模型提取路口车道内的箭头图形,将箭头图形与路口箭头数据库中的箭头类型进行查找比对,得到箭头图形指示的车道可以转向的方向,标记为车道转向;
步骤S404,将行驶方向车道数与路口车道数进行比对,若行驶方向车道数小于路口车道数,则输出路口车道增加信号;若行驶方向车道数与路口车道数相等,则输出车道不变信号;若行驶方向车道数大于路口车道数,则输出路口并道信号;将路口车道增加信号、车道不变信号以及路口并道信号标记为车道更改信号;
步骤S405,设置路程计,记录车辆从第一坐标到达第一路口的距离,标记为路口第一距离,再记录当前路口到达下一路口的距离,依次标记为路口第二距离至路口第N距离,再获取第N路口至第二坐标的距离,标记为路口第N+1距离;将路口第一距离至路口第N+1距离整合为路口距离;
步骤S406,将路口编号、车道编号、对应的车道转向、车道更改信号以及路口距离录入离线导航数据库内对应的导航方案中。
4.根据权利要求3所述的基于计算机图像识别的道路导航增强方法,其特征在于,所述步骤S6包括如下子步骤:
步骤S601,导航方案投入使用后,将待采集路段标记为离线导航路段;
步骤S602,当车辆的导航路线中包括离线导航路段时,获取第一启动距离以及第二启动距离;
步骤S603,将第一启动距离与第一距离阈值进行比对,若第一启动距离小于等于第一距离阈值,则输出已到达第一坐标预设距离信号;若第一启动距离大于第一距离阈值,则输出未到达第一坐标预设距离信号;
步骤S604,将第二启动距离与第一距离阈值进行比对,若第二启动距离小于等于第一距离阈值,则输出已到达第二坐标预设距离信号;若第二启动距离大于第一距离阈值,则输出未到达第二坐标预设距离信号;
步骤S605,若输出已到达信号,则开启导航增强系统;
步骤S606,步骤S603以及步骤S604中的比对同步进行,获取输出的第一个已到达信号,若为已到达第一坐标预设距离信号,则选取第一导航方案;若为已到达第二坐标预设距离信号,则选取第二导航方案。
5.根据权利要求4所述的基于计算机图像识别的道路导航增强方法,其特征在于,所述步骤S7包括如下子步骤:
步骤S701,实时获取导航信号的强度,标记为信号强度;
步骤S702,将信号强度与第一信号阈值进行比对,若信号强度小于第一信号阈值,则输出信号强度不足信号;若信号强度大于等于第一信号阈值,则输出信号强度充足信号;
步骤S703,若输出信号强度不足信号,则采用导航增强系统的导航方案;若输出信号强度充足信号,则采用原有导航模式。
6.根据权利要求1-5任意一项所述的基于计算机图像识别的道路导航增强方法的系统,其特征在于,包括数据采集模块、数据分析模块、数据存储模块以及离线导航模块;所述数据采集模块、数据存储模块以及离线导航模块分别与数据分析模块数据连接;
所述数据采集模块包括道路图像采集单元、导航信息采集单元、行驶距离采集单元以及导航信号采集单元;所述道路图像采集单元用于采集待采集路段内的路段图像以及路口的地面图像;所述导航信息采集单元用于采集第一启动距离以及第二启动距离;所述行驶距离采集单元用于记录车辆行驶的路程;所述导航信号采集单元用于采集导航的信号强度;
所述数据分析模块包括导航信息分析单元、道路图像分析单元以及导航信号分析单元;所述导航信息分析单元用于分析第一启动距离以及第二启动距离,得到所需的导航方案;所述道路图像分析单元用于分析路段图像以及地面图像,得到各个路口的导航信息;所述导航信号分析单元用于分析信号强度,判断是否足够维持原有导航;
所述数据存储模块包括历史导航数据库以及离线导航数据库;所述历史导航数据库用于存储待采集路段及其对应的路段名称、第一坐标以及第二坐标;所述离线导航数据库用于存储导航方案;
所述离线导航模块用于根据导航方案对车辆进行离线导航。
7.一种电子设备,其特征在于,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如权利要求1-5任一项所述方法中的步骤。
8.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,运行如权利要求1-5任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311220736.5A CN116972870B (zh) | 2023-09-21 | 2023-09-21 | 基于计算机图像识别的道路导航增强方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311220736.5A CN116972870B (zh) | 2023-09-21 | 2023-09-21 | 基于计算机图像识别的道路导航增强方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116972870A CN116972870A (zh) | 2023-10-31 |
CN116972870B true CN116972870B (zh) | 2023-12-15 |
Family
ID=88473306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311220736.5A Active CN116972870B (zh) | 2023-09-21 | 2023-09-21 | 基于计算机图像识别的道路导航增强方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116972870B (zh) |
Citations (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105405308A (zh) * | 2015-12-25 | 2016-03-16 | 苏州市康宏智能工程有限公司 | 一种汽车自动驾驶控制系统及方法 |
CN105928531A (zh) * | 2016-04-13 | 2016-09-07 | 浙江合众新能源汽车有限公司 | 一种适用于无人驾驶汽车的行进路线精准生成方法 |
KR20160122368A (ko) * | 2015-04-14 | 2016-10-24 | 백승렬 | 공간정보를 이용한 차량 네비게이션의 위치정확도 향상을 위한 영상정보 제공방법 및 그 제공장치 |
CN106441319A (zh) * | 2016-09-23 | 2017-02-22 | 中国科学院合肥物质科学研究院 | 一种无人驾驶车辆车道级导航地图的生成系统及方法 |
KR20170064093A (ko) * | 2015-11-30 | 2017-06-09 | 현대엠엔소프트 주식회사 | 영상 인식 시스템을 이용한 교차로에서의 주행 경로 이탈 및 재탐색 방법 |
WO2018015811A1 (en) * | 2016-07-21 | 2018-01-25 | Mobileye Vision Technologies Ltd. | Crowdsourcing and distributing a sparse map, and lane measurements for autonomous vehicle navigation |
CN107677269A (zh) * | 2017-08-28 | 2018-02-09 | 广东工业大学 | 一种基于拓扑地图的弱信号区域智能导航方法 |
CN107917716A (zh) * | 2018-01-02 | 2018-04-17 | 广东工业大学 | 固定线路导航方法、装置、终端及计算机可读存储介质 |
CN109029419A (zh) * | 2018-06-04 | 2018-12-18 | Oppo(重庆)智能科技有限公司 | 导航方法、装置、终端及计算机可读存储介质 |
CN109655073A (zh) * | 2018-12-06 | 2019-04-19 | 宁波吉利汽车研究开发有限公司 | 一种在无或弱信号区域中的地图绘制方法、装置及车辆 |
JP2019082431A (ja) * | 2017-10-31 | 2019-05-30 | パイオニア株式会社 | 地図データ構造 |
CN110118553A (zh) * | 2019-04-16 | 2019-08-13 | 中国平安财产保险股份有限公司 | 生成行车参考数据的方法、装置、计算机设备和存储介质 |
CN110411461A (zh) * | 2019-07-05 | 2019-11-05 | 上海博泰悦臻网络技术服务有限公司 | 一种辅助导航方法、车机及车辆 |
CN110617832A (zh) * | 2019-10-15 | 2019-12-27 | 天津津航计算技术研究所 | 一种增强实景辅助导航方法 |
CN110879072A (zh) * | 2019-12-30 | 2020-03-13 | 广东翔天智能汽车研究园有限公司 | 一种导航补偿方法 |
CN111024061A (zh) * | 2019-12-27 | 2020-04-17 | 上海闻泰电子科技有限公司 | 一种导航方法、装置、设备和介质 |
CN111896003A (zh) * | 2020-07-28 | 2020-11-06 | 广州中科智巡科技有限公司 | 一种用于实景路径导航的方法及系统 |
CN112019997A (zh) * | 2020-08-05 | 2020-12-01 | 锐捷网络股份有限公司 | 一种车辆定位方法及装置 |
EP3843000A1 (en) * | 2015-02-10 | 2021-06-30 | Mobileye Vision Technologies Ltd. | Sparse map for autonomous vehicle navigation |
CN114397685A (zh) * | 2021-12-27 | 2022-04-26 | 无锡行米科技有限公司 | 弱gnss信号区域的车辆导航方法、装置、设备及存储介质 |
CN114518122A (zh) * | 2022-02-18 | 2022-05-20 | 腾讯科技(深圳)有限公司 | 行车导航方法、装置、计算机设备、存储介质和计算机程序产品 |
CN114593739A (zh) * | 2022-03-17 | 2022-06-07 | 长沙慧联智能科技有限公司 | 基于视觉检测与参考线匹配的车辆全局定位方法及装置 |
CN114624744A (zh) * | 2022-01-20 | 2022-06-14 | 浙江零跑科技股份有限公司 | 一种汽车车机gps信号丢失处理方法 |
WO2023023936A1 (zh) * | 2021-08-24 | 2023-03-02 | 华为技术有限公司 | 定位方法和定位装置 |
CN115752438A (zh) * | 2022-11-22 | 2023-03-07 | 重庆长安汽车股份有限公司 | 车辆定位方法、装置、车辆及存储介质 |
CN116009046A (zh) * | 2023-02-17 | 2023-04-25 | 阿里云计算有限公司 | 车辆定位方法及装置 |
CN116046007A (zh) * | 2023-01-09 | 2023-05-02 | 润芯微科技(江苏)有限公司 | 一种车辆导航辅助方法、系统及存储介质 |
CN116691659A (zh) * | 2023-05-30 | 2023-09-05 | 重庆长安汽车股份有限公司 | 一种无gps信号下车辆行驶轨迹的评估方法、装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9222787B2 (en) * | 2012-06-05 | 2015-12-29 | Apple Inc. | System and method for acquiring map portions based on expected signal strength of route segments |
JP7460502B2 (ja) * | 2020-10-14 | 2024-04-02 | 本田技研工業株式会社 | 経路設定装置、経路設定方法、記憶媒体及びプログラム |
-
2023
- 2023-09-21 CN CN202311220736.5A patent/CN116972870B/zh active Active
Patent Citations (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3843000A1 (en) * | 2015-02-10 | 2021-06-30 | Mobileye Vision Technologies Ltd. | Sparse map for autonomous vehicle navigation |
KR20160122368A (ko) * | 2015-04-14 | 2016-10-24 | 백승렬 | 공간정보를 이용한 차량 네비게이션의 위치정확도 향상을 위한 영상정보 제공방법 및 그 제공장치 |
KR20170064093A (ko) * | 2015-11-30 | 2017-06-09 | 현대엠엔소프트 주식회사 | 영상 인식 시스템을 이용한 교차로에서의 주행 경로 이탈 및 재탐색 방법 |
CN105405308A (zh) * | 2015-12-25 | 2016-03-16 | 苏州市康宏智能工程有限公司 | 一种汽车自动驾驶控制系统及方法 |
CN105928531A (zh) * | 2016-04-13 | 2016-09-07 | 浙江合众新能源汽车有限公司 | 一种适用于无人驾驶汽车的行进路线精准生成方法 |
WO2018015811A1 (en) * | 2016-07-21 | 2018-01-25 | Mobileye Vision Technologies Ltd. | Crowdsourcing and distributing a sparse map, and lane measurements for autonomous vehicle navigation |
CN106441319A (zh) * | 2016-09-23 | 2017-02-22 | 中国科学院合肥物质科学研究院 | 一种无人驾驶车辆车道级导航地图的生成系统及方法 |
CN107677269A (zh) * | 2017-08-28 | 2018-02-09 | 广东工业大学 | 一种基于拓扑地图的弱信号区域智能导航方法 |
JP2019082431A (ja) * | 2017-10-31 | 2019-05-30 | パイオニア株式会社 | 地図データ構造 |
CN107917716A (zh) * | 2018-01-02 | 2018-04-17 | 广东工业大学 | 固定线路导航方法、装置、终端及计算机可读存储介质 |
CN109029419A (zh) * | 2018-06-04 | 2018-12-18 | Oppo(重庆)智能科技有限公司 | 导航方法、装置、终端及计算机可读存储介质 |
CN109655073A (zh) * | 2018-12-06 | 2019-04-19 | 宁波吉利汽车研究开发有限公司 | 一种在无或弱信号区域中的地图绘制方法、装置及车辆 |
CN110118553A (zh) * | 2019-04-16 | 2019-08-13 | 中国平安财产保险股份有限公司 | 生成行车参考数据的方法、装置、计算机设备和存储介质 |
CN110411461A (zh) * | 2019-07-05 | 2019-11-05 | 上海博泰悦臻网络技术服务有限公司 | 一种辅助导航方法、车机及车辆 |
CN110617832A (zh) * | 2019-10-15 | 2019-12-27 | 天津津航计算技术研究所 | 一种增强实景辅助导航方法 |
CN111024061A (zh) * | 2019-12-27 | 2020-04-17 | 上海闻泰电子科技有限公司 | 一种导航方法、装置、设备和介质 |
CN110879072A (zh) * | 2019-12-30 | 2020-03-13 | 广东翔天智能汽车研究园有限公司 | 一种导航补偿方法 |
CN111896003A (zh) * | 2020-07-28 | 2020-11-06 | 广州中科智巡科技有限公司 | 一种用于实景路径导航的方法及系统 |
CN112019997A (zh) * | 2020-08-05 | 2020-12-01 | 锐捷网络股份有限公司 | 一种车辆定位方法及装置 |
WO2023023936A1 (zh) * | 2021-08-24 | 2023-03-02 | 华为技术有限公司 | 定位方法和定位装置 |
CN114397685A (zh) * | 2021-12-27 | 2022-04-26 | 无锡行米科技有限公司 | 弱gnss信号区域的车辆导航方法、装置、设备及存储介质 |
CN114624744A (zh) * | 2022-01-20 | 2022-06-14 | 浙江零跑科技股份有限公司 | 一种汽车车机gps信号丢失处理方法 |
CN114518122A (zh) * | 2022-02-18 | 2022-05-20 | 腾讯科技(深圳)有限公司 | 行车导航方法、装置、计算机设备、存储介质和计算机程序产品 |
CN114593739A (zh) * | 2022-03-17 | 2022-06-07 | 长沙慧联智能科技有限公司 | 基于视觉检测与参考线匹配的车辆全局定位方法及装置 |
CN115752438A (zh) * | 2022-11-22 | 2023-03-07 | 重庆长安汽车股份有限公司 | 车辆定位方法、装置、车辆及存储介质 |
CN116046007A (zh) * | 2023-01-09 | 2023-05-02 | 润芯微科技(江苏)有限公司 | 一种车辆导航辅助方法、系统及存储介质 |
CN116009046A (zh) * | 2023-02-17 | 2023-04-25 | 阿里云计算有限公司 | 车辆定位方法及装置 |
CN116691659A (zh) * | 2023-05-30 | 2023-09-05 | 重庆长安汽车股份有限公司 | 一种无gps信号下车辆行驶轨迹的评估方法、装置 |
Non-Patent Citations (2)
Title |
---|
GNSS弱定位场景下结合场端车辆定位系统的研究;莫志敏 等;信息与电脑(理论版);第33卷(第24期);30-32 * |
基于多源信息融合的AR-HUD导航诱导模型及算法研究;郭真妮;中国优秀硕士学位论文全文数据库工程科技Ⅱ辑(2022年 第03期);C035-667 * |
Also Published As
Publication number | Publication date |
---|---|
CN116972870A (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107560622A (zh) | 一种基于行车图像导航的方法与设备 | |
CN101447019B (zh) | 图像识别装置以及图像识别方法 | |
CN107195180B (zh) | 一种基于电警数据的交通出行轨迹提取方法和装置 | |
US20050256636A1 (en) | Driving lane recognizer and driving lane recognizing method | |
CN111380539A (zh) | 车辆定位、导航方法和装置及相关系统 | |
CN108520634A (zh) | 高速匝道限速识别方法、装置及电子设备 | |
JP2006208223A (ja) | 車両位置認識装置及び車両位置認識方法 | |
CN110532250B (zh) | 交规数据的处理方法及装置 | |
CN110675637A (zh) | 车辆违法视频的处理方法、装置、计算机设备及存储介质 | |
CN112885130B (zh) | 呈现道路信息的方法和装置 | |
CN111854766B (zh) | 一种道路信息确定方法、装置、电子设备及存储介质 | |
JP2008165326A (ja) | 地物認識装置・自車位置認識装置・ナビゲーション装置・地物認識方法 | |
CN111475591B (zh) | 一种用于兴趣点采集的道路关联方法及设备 | |
CN112633812B (zh) | 货运车辆的轨迹分段方法、装置、设备及存储介质 | |
US20210048819A1 (en) | Apparatus and method for determining junction | |
CN116972870B (zh) | 基于计算机图像识别的道路导航增强方法、系统及介质 | |
CN116753935A (zh) | 地图图像处理及地图制作方法、装置、设备、存储介质 | |
JP6369494B2 (ja) | 識別情報判定装置、識別情報判定システム、コンピュータプログラム及び識別情報判定方法 | |
US20190259272A1 (en) | Inaccessible road section estimation system and inaccessible road section estimation program | |
JP5013214B2 (ja) | レーン判定装置及びレーン判定プログラム、並びにそれを用いたナビゲーション装置 | |
CN113156923B (zh) | 道路数据生成、导航、行驶控制方法、装置、设备及介质 | |
CN113762030A (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN114494986A (zh) | 道路场景识别方法及其装置 | |
CN115166790B (zh) | 道路数据的处理方法、装置、设备和存储介质 | |
JP2010071810A (ja) | レーン判定装置及びレーン判定プログラム、並びにそれを用いたナビゲーション装置 |
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 |