CN117437371A - 地图数据采集资源调用方法及系统 - Google Patents
地图数据采集资源调用方法及系统 Download PDFInfo
- Publication number
- CN117437371A CN117437371A CN202311742104.5A CN202311742104A CN117437371A CN 117437371 A CN117437371 A CN 117437371A CN 202311742104 A CN202311742104 A CN 202311742104A CN 117437371 A CN117437371 A CN 117437371A
- Authority
- CN
- China
- Prior art keywords
- acquisition
- mobile
- resource
- environment
- collection
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000005284 excitation Effects 0.000 claims abstract description 26
- 230000007613 environmental effect Effects 0.000 claims description 104
- 238000013480 data collection Methods 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 12
- 238000005034 decoration Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000013135 deep learning Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000009877 rendering Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008450 motivation Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Remote Sensing (AREA)
- Game Theory and Decision Science (AREA)
- Computer Graphics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Instructional Devices (AREA)
Abstract
本申请公开了一种地图数据采集资源调用方法及系统,用以解决地图数据采集周期较长的技术问题。其中,一种地图数据采集资源调用方案,通过云端平台发布具有激励信息的采集任务,以调用移动采集资源参与执行所述采集任务,从而缩短地图数据采集周期。通过云端平台对若干移动采集资源的采集结果进行验证,规避恶意参与者提交虚假数据或误导性信息,进而提高采集结果的可用性。
Description
技术领域
本申请涉及地理信息技术领域,尤其涉及一种地图数据采集资源调用方法及系统。
背景技术
电子地图(Electronic map),即数字地图,是利用计算机技术,以数字方式存储和查阅的地图。为了保证电子地图的实时性,需要定时对地图数据进行采集,以及时更新电子地图。
在实现现有技术的过程中,发明人发现:
目前,地图数据的采集工作需要由专业的采集人员前往实地,收集环境信息并手动录入地图数据,这导致地图数据采集的时间周期较长,不能及时更新。随着电子地图应用领域的扩大,对大规模、高精度的地图数据需求不断增加,传统方式难以满足这种快速扩展的需求。
因此,需要提供一种新的地图数据采集资源调用方案,用以解决地图数据采集周期较长的技术问题。
发明内容
本申请实施例提供一种新的地图数据采集资源调用方案,用以解决地图数据采集周期较长的技术问题。
具体的,一种地图数据采集资源调用方法,包括以下步骤:
云端平台获取待采集区域;
云端平台根据待采集区域的位置信息,发布具有激励信息的采集任务;
移动采集资源执行所述采集任务,生成采集结果;
云端平台接收来自若干移动采集资源的采集结果,对若干移动采集资源的采集结果进行验证,确定有效结果;
云端平台根据有效结果,生成地图数据;
云端平台根据有效结果,发送激励信息至对应有效结果的移动采集资源。
进一步的,所述移动采集资源执行所述采集任务,生成采集结果,具体包括:
采集环境图像流;
识别环境图像流中记录环境对象的若干环境图像,作为识别结果;
根据识别结果,对环境对象进行目标追踪,确定记录相同环境对象的若干环境图像,作为追踪结果;
根据追踪结果,对记录相同环境对象的若干环境图像进行综合评分,确定综合评分值最高的环境图像作为采集结果。
进一步的,所述云端平台接收来自若干移动采集资源的采集结果,对若干移动采集资源的采集结果进行验证,确定有效结果,具体包括:
获取若干移动采集资源的移动轨迹信息;
确定移动轨迹信息满足待采集区域的位置信息的若干移动采集资源,作为选用采集资源;
根据选用采集资源的采集结果,确定记录相同环境对象的若干环境图像;
获取相同环境对象的若干环境图像的综合评分值;
将相同环境对象中综合评分值最高的环境图像作为有效结果。
进一步的,所述移动采集资源为智能手机;所述移动采集资源采用Yolo预训练模型识别环境图像流中记录环境对象的若干环境图像;所述移动采集资源采用ByteTrack预训练模型对环境对象进行目标追踪。
进一步的,所述方法还包括:
移动采集资源根据自身位置信息,获取对应自身位置信息的地图瓦片数据;
根据地图瓦片数据,以Low Poly模型构建地图环境模型。
进一步的,所述方法还包括:
移动采集资源根据采集结果,以Low Poly模型更新地图环境模型。
进一步的,所述激励信息至少包括装饰数据、社交数据、积分数据中至少一种数据。
本申请实施例还提供一种地图数据采集资源调用系统。
具体的,一种地图数据采集资源调用系统,包括:
云端平台,用于获取待采集区域;还用于根据待采集区域的位置信息,发布具有激励信息的采集任务;
若干移动采集资源,用于执行所述采集任务,生成采集结果;
所述云端平台还用于接收来自若干移动采集资源的采集结果,对若干移动采集资源的采集结果进行验证,确定有效结果;还用于根据有效结果,生成地图数据;还用于根据有效结果,发送激励信息至对应有效结果的移动采集资源。
进一步的,所述移动采集资源执行所述采集任务,生成采集结果,具体包括:
采集环境图像流;
识别环境图像流中记录环境对象的若干环境图像,作为识别结果;
根据识别结果,对环境对象进行目标追踪,确定记录相同环境对象的若干环境图像,作为追踪结果;
根据追踪结果,对记录相同环境对象的若干环境图像进行综合评分,确定综合评分值最高的环境图像作为采集结果。
进一步的,所述云端平台接收来自若干移动采集资源的采集结果,对若干移动采集资源的采集结果进行验证,确定有效结果,具体包括:
获取若干移动采集资源的移动轨迹信息;
确定移动轨迹信息满足待采集区域的位置信息的若干移动采集资源,作为选用采集资源;
根据选用采集资源的采集结果,确定记录相同环境对象的若干环境图像;
获取相同环境对象的若干环境图像的综合评分值;
将相同环境对象中综合评分值最高的环境图像作为有效结果。
本申请实施例提供的技术方案,至少具有如下有益效果:
通过云端平台发布具有激励信息的采集任务,以调用移动采集资源参与执行所述采集任务,从而缩短地图数据采集周期。通过云端平台对若干移动采集资源的采集结果进行验证,规避恶意参与者提交虚假数据或误导性信息,进而提高采集结果的可用性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的一种地图数据采集资源调用方法的流程框图;
图2为本申请实施例提供的一种地图数据采集资源调用系统的结构示意图。
图中附图标记表示为:
100 地图数据采集资源调用系统
11 云端平台
12 移动采集资源。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
请参照图1,为解决地图数据采集周期较长的技术问题,本申请提供一种地图数据采集资源调用方法,包括以下步骤:
S110:云端平台获取待采集区域。
可以理解的是,所述云端平台通常指的是云计算(Cloud Computing)中的数据中心。所述云端平台可以通过互联网,为采集资源提供计算资源、存储和应用程序服务,并且允许采集资源通过网络访问和使用这些资源。在本申请提供的具体应用场景中,所述云端平台存储地图数据。
在本申请提供的一种具体实施方式中,云端平台存储的地图数据可以划分为若干区域数据。所述待采集区域是指需要进行更新的区域数据。进一步的,所述待采集区域可以根据云端平台存储的地图数据确定。例如,不同区域数据具有不同的类型标签,不同类型标签的区域数据的更新周期不同。举例来说,对应城市类型标签的区域数据更新周期较快,对应农村类型标签的区域数据更新周期较慢。又例如对应道路类型标签的区域数据更新周期较快,对应建筑类型标签的区域数据更新周期较慢。
所述待采集区域也可以根据兴趣程度进行确定。例如,对应人流量较大的区域数据更新周期较快,对应标志性建筑的区域数据更新周期较快,对应道路拥挤地段的区域数据更新周期较快。
S120:云端平台根据待采集区域的位置信息,发布具有激励信息的采集任务。
所述待采集区域具有位置信息,也即待采集区域位于地理坐标系中的坐标位置。所述采集任务至少包括待采集区域的位置信息、激励信息。可以理解的是,为解决地图数据采集周期较长,本申请以云端平台发布具有激励信息的采集任务,以鼓励待采集区域周围的采集资源参与地图数据采集。由于参与采集任务的采集资源通常离待采集区域的距离较近,从而能够快速采集地图数据,缩短地图数据的采集周期。
S130:移动采集资源执行所述采集任务,生成采集结果。
需要强调的是,现有技术中采集设备的使用成本较高,且采集设备并不能快速抵达待采集区域,这极大限制了采集任务的参与门槛与参与范围。
而随着智能手机的摄像功能不断增强,智能手机的便携性和广泛应用性使其成为地图数据采集的理想工具。通过充分发挥智能手机的摄像功能,是高效、低成本的地图数据采集解决方案。
在本申请提供的一种具体实施方式中,所述移动采集资源表现为智能手机。
在此基础上,云端平台通过互联网发布具有待采集区域的位置信息、激励信息的采集任务;智能手机通过互联网接收采集任务。优选的,所述云端平台根据智能手机的位置信息,通过互联网推送采集任务至位于待采集区域附近的智能手机。或者,所述智能手机根据自身位置信息,筛选满足附近待采集区域的采集任务。
还需要指出的是,现有技术中对于地图数据采集任务,还需要具备地理知识、测量技能的专业人员进行采集操作,同样限制了采集任务的参与门槛与参与范围。
进一步的,为降低地图数据采集操作的参与门槛,所述移动采集资源被配置为能够自动识别环境中的环境对象作为采集结果。具体的,所述移动采集资源执行所述采集任务,生成采集结果,具体包括:
采集环境图像流;
识别环境图像流中记录环境对象的若干环境图像,作为识别结果;
根据识别结果,对环境对象进行目标追踪,确定记录相同环境对象的若干环境图像,作为追踪结果;
根据追踪结果,对记录相同环境对象的若干环境图像进行综合评分,确定综合评分值最高的环境图像作为采集结果。
可以理解的是,所述环境图像流由移动采集资源的摄像模块拍摄,由若干环境图像构成。在所述移动采集资源表现为智能手机的应用场景中,所述环境图像流由智能手机的单目摄像模块进行采集拍摄。这样,参与人员无需地理知识、测量技能的专业培训,只需要通过智能手机进行系列拍摄,降低了地图数据采集任务的参与门槛。
所述环境图像记录所述移动采集资源周边的环境对象,例如马路、建筑、树木、绿化等。通常所述环境图像具有时间戳。根据所述环境图像对应的时间戳,以时间序列排列若干环境图像,将构成记录所述移动采集资源周边环境的环境图像流。
进一步的,受采集过程中所述移动采集资源的位姿不断变化的影响,所述环境图像中的环境对象可能存在颠簸、遮挡的情况。或者受所述移动采集资源的拍摄参数影响,所述环境图像中的环境对象可能存在虚焦、模糊的情况。可见,受实际采集过程中各种因素的影响,并非所采集的全部环境图像均能够有效记录环境对象。为此,需要识别环境图像流中有效记录环境对象的环境图像。
在所述移动采集资源表现为智能手机的应用场景中,受智能手机处理能力的局限,本申请优选采用NCNN(Nih Caffe Neural Network)深度学习计算框架和Yolo-nano预训练目标检测模型识别环境图像流中记录环境对象的若干环境图像。其中,所述NCNN深度学习计算框架是一个高效、轻量级的深度学习计算框架,能够在移动设备和嵌入式系统上进行推断。所述YoloX-nano目标检测模型是一个轻量级的目标检测模型,体积小,执行效率高。该二者能够保证各类主流智能手机端的目标识别处理效率达到10FPS,能够有效缓解卡顿、发热等问题。
当然,即使筛选出有效记录环境对象的环境图像,受移动采集资源采集角度或摄影参数的影响,每张有效记录环境对象的环境图像也有不同的信息质量。换句话说,筛选出有效记录环境对象的环境图像仅仅是在图像中能够识别出有目标对象,至于目标对象更为细节的信息,则可能每张环境图像都有出入。例如,在相对目标对象由远及近的采集过程中,可能时间戳靠前的环境图像能够识别出一栋建筑的轮廓,而时间戳靠后的环境图像则能够看出该建筑的窗户样式、广告标题等。
此外,需要强调的是,在所述移动采集资源表现为智能手机的应用场景中,依旧受智能手机处理能力的局限,所述移动采集资源仅做采集工作,通过互联网将采集结果传输至云端平台,由云端平台生成地图数据。但受限于智能手机存储能力、带宽能力的局限,将所有有效记录环境对象的环境图像均上传至云端平台的成本较高、上传速度较慢。为此,所述移动采集资源被配置为上传筛选后的最佳环境对象图像至云端平台,以提高上传速度,进而提高采集效率。
具体的,所述移动采集资源筛选最佳环境对象图像的过程表现为:
基于记录环境对象的若干环境图像,采用ByteTrack预训练模型对环境对象进行目标追踪。也即确定记录相同环境对象的若干环境图像。在此基础上,进一步对记录相同环境对象的若干环境图像进行综合评分,确定综合评分值最高的环境图像作为采集结果。
其中,所述ByteTrack预训练模型是基于tracking-by-detection范式的跟踪模型,通过关联每个检测框而不仅仅是高分检测框来进行跟踪。对于低分检测框,利用它们与轨迹的相似性来恢复真实目标并过滤掉背景检测。所述综合评分是指,依据环境对象在图像中的位置、大小、识别分数、追踪连续性等一系列因素,并参考速度、颠簸、曝光情况等参数进行综合评分。
这样,通过采用目标追踪技术,对连续图像中的相同目标进行追踪,确保在连续图像中,相同的环境对象只上传一次,从而减少冗余数据和传输带宽的使用。同时也降低云端的带宽、存储和计算压力。同时,综合评分的设置也能够确保上传的环境图像质量,避免颠簸、遮挡、虚焦、模糊等无效信息的资源占用。在所述移动采集资源表现为智能手机的应用场景中,这样的配置更适合适合智能手机具有局限性的硬件环境,以及实地采集时遇到的复杂情况。
S140:云端平台接收来自若干移动采集资源的采集结果,对若干移动采集资源的采集结果进行验证,确定有效结果。
S150:云端平台根据有效结果,生成地图数据。
可以理解的是,所述云端平台发布的采集任务可以由多个移动采集资源参与。因此云端平台会接收到来自多个移动采集资源的采集结果。而由于参与门槛的降低,使得采集结果的数据质量不稳定,存在数据的准确性和一致性问题。例如部分参与者可能由于缺乏专业知识,导致采集到的数据质量参差不齐。在某些极端的情况下,存在恶意参与者提交虚假数据或误导性信息,影响数据的可信度和可用性。为此,还需要云端平台对若干移动采集资源的采集结果进行验证,确定有效结果。
进一步的,在本申请提供的一种具体实施方式中,所述云端平台接收来自若干移动采集资源的采集结果,对若干移动采集资源的采集结果进行验证,确定有效结果,具体包括:
获取若干移动采集资源的移动轨迹信息;
确定移动轨迹信息满足待采集区域的位置信息的若干移动采集资源,作为选用采集资源;
根据选用采集资源的采集结果,确定记录相同环境对象的若干环境图像;
获取相同环境对象的若干环境图像的综合评分值;
将相同环境对象中综合评分值最高的环境图像作为有效结果。
其中,所述移动采集资源具有定位模块,用于确定所述移动采集资源位于地理坐标系中的坐标位置。通常所述坐标位置具有时间戳。根据所述坐标位置对应的时间戳,以时间序列排列若干坐标位置,将构成记录所述移动采集资源的移动轨迹信息。
在本申请提供的一种具体实施方式中,在所述移动采集资源通过互联网上传采集结果至云端平台时,所述移动采集资源还将坐标位置或移动轨迹信息传输至云端平台,以便云端平台验证所述采集结果是否对应待采集区域。
当所述移动采集资源的坐标位置或移动轨迹信息满足待采集区域的位置信息(也即所述移动采集资源的坐标位置位于待采集区域的位置信息的附近,或者所述移动采集资源的移动轨迹信息与待采集区域的位置信息存在重叠,又或所述移动采集资源的移动轨迹信息与待采集区域的位置信息存在相似度,且相似度超过预设阈值)可以判断所述移动采集资源所采集的采集结果对应待采集区域,则将采集结果对应待采集区域的移动采集资源标记为选用采集资源。这样可以规避恶意参与者提交虚假数据或误导性信息,进而提高采集结果的可用性。
在确定选用采集资源后,本申请将根据选用采集资源的采集结果,确定记录相同环境对象的若干环境图像。例如,相同的建筑可以能由不同的选用采集资源在不同时间、不同角度进行拍摄。而在所述选用采集资源表现为智能手机的应用场景中,由于所述智能手机的摄像模块为单目相机,不同角度拍摄的采集结果将导致同一环境对象具有不同的换算尺寸,使得采集结果的数据质量不稳定,存在数据的准确性和一致性问题。
为此,还需要获取相同环境对象的若干环境图像的综合评分值;将相同环境对象中综合评分值最高的环境图像作为有效结果。
这里若干环境图像的综合评分值是指,依据环境对象在图像中的位置、大小、识别分数、追踪连续性等一系列因素,并参考速度、颠簸、曝光情况等参数进行综合评分。这样选出的综合评分值最高的环境图像,也就是数据质量最高的有效结果。
之后云端平台根据有效结果,结合选用采集资源的移动轨迹信息,能够确定环境对象的位置信息。环境对象的图像信息、环境对象的位置信息可以定义环境对象的地图数据。并且所述环境对象的地图数据还可以与既有的地图数据比对,最后以有效结果更新地图数据。
S160:云端平台根据有效结果,发送激励信息至对应有效结果的移动采集资源。
可以理解的是,为了激励所述移动采集资源参与采集任务,所述采集任务还包括激励信息。当所述移动采集资源上传的采集结果为有效结果,则云端平台将发送激励信息至对应有效结果的移动采集资源。在本申请提供的一种具体是实施方式中,所述激励信息可以是佣金。
进一步的,为激励所述移动采集资源参与采集任务,且降低采集任务的参与门槛,在本申请提供的一种优选实施方式中,所述方法还包括:
移动采集资源根据自身位置信息,获取对应自身位置信息的地图瓦片数据;
根据地图瓦片数据,以Low Poly模型构建地图环境模型。
具体的,所述移动采集资源根据自身WebMercator坐标,于云端平台获取WMTS(WebMap Tile Service,网络地图瓦片服务)地图瓦片数据。之后根据地图瓦片数据,以LowPoly模型构建地图环境模型。所述Low Poly模型是一种游戏风格模型,其面数较少,能够适应智能手机端的性能环境。
所述移动采集资源具有多组预制的Low Poly风格的建筑组件。通过组件拼接方式实现建筑渲染,可以极大减少数据量,增强渲染效率。
通过将移动采集资源周边环境以游戏风格模型显示,能够吸引用户参与采集任务。
进一步的,在本申请提供的另一种优选实施方式中,所述方法还包括:
移动采集资源根据采集结果,以Low Poly模型更新地图环境模型。
这样,参与采集任务的移动采集资源能够较为及时的得到采集反馈,从而提高参与积极性。例如,当移动采集资源进行道路采集时,将采集的道路进行显示。当移动采集资源进行建筑采集时,将采集的建筑进行显示。
同时,直观的采集反馈也能够降低参与门槛,使得参与用户能够及时修正错误的采集数据。
进一步的,在本申请提供的一种具体实施方式中,所述激励信息还可以表现为装饰数据、社交数据、积分数据中至少一种数据。
例如,所述社交数据可以表现为社交气泡,能够支持用户对于具体地图数据或数据区域的交流、标记等社交活动。且当移动采集资源完成采集任务,将展示数据采集的贡献者信息。
所述积分数据可以表现为,将所述移动采集资源根据位置信息,划分为多个社区块;对于每个社区块,根据所述移动采集资源的贡献积分数据,分配该社区块的采集数据的收益。
所述装饰数据可以表现为对地图环境模型进行的定制化装饰。
通过上述激励信息,可以增加用户粘性,以提高用户参与采集任务的积极性。
综上所述,本申请提供一种地图数据采集资源调用方法,通过云端平台发布具有激励信息的采集任务,以调用移动采集资源参与执行所述采集任务,从而缩短地图数据采集周期。通过云端平台对若干移动采集资源的采集结果进行验证,规避恶意参与者提交虚假数据或误导性信息,进而提高采集结果的可用性。
请参照图2,为支持地图数据采集资源调用方法,本申请还提供一种地图数据采集资源调用系统100,包括:
云端平台11,用于获取待采集区域;还用于根据待采集区域的位置信息,发布具有激励信息的采集任务;
若干移动采集资源12,用于执行所述采集任务,生成采集结果;
所述云端平台11还用于接收来自若干移动采集资源的采集结果,对若干移动采集资源的采集结果进行验证,确定有效结果;还用于根据有效结果,生成地图数据;还用于根据有效结果,发送激励信息至对应有效结果的移动采集资源。
可以理解的是,所述云端平台11通常指的是云计算(Cloud Computing)中的数据中心。所述云端平台11可以通过互联网,为采集资源12提供计算资源、存储和应用程序服务,并且允许采集资源12通过网络访问和使用这些资源。在本申请提供的具体应用场景中,所述云端平台11存储地图数据。
在本申请提供的一种具体实施方式中,云端平台11存储的地图数据可以划分为若干区域数据。所述待采集区域是指需要进行更新的区域数据。进一步的,所述待采集区域可以根据云端平台11存储的地图数据确定。例如,不同区域数据具有不同的类型标签,不同类型标签的区域数据的更新周期不同。举例来说,对应城市类型标签的区域数据更新周期较快,对应农村类型标签的区域数据更新周期较慢。又例如对应道路类型标签的区域数据更新周期较快,对应建筑类型标签的区域数据更新周期较慢。
所述待采集区域也可以根据兴趣程度进行确定。例如,对应人流量较大的区域数据更新周期较快,对应标志性建筑的区域数据更新周期较快,对应道路拥挤地段的区域数据更新周期较快。
云端平台11根据待采集区域的位置信息,发布具有激励信息的采集任务。
所述待采集区域具有位置信息,也即待采集区域位于地理坐标系中的坐标位置。所述采集任务至少包括待采集区域的位置信息、激励信息。可以理解的是,为解决地图数据采集周期较长,本申请以云端平台11发布具有激励信息的采集任务,以鼓励待采集区域周围的采集资源12参与地图数据采集。由于参与采集任务的采集资源12通常离待采集区域的距离较近,从而能够快速采集地图数据,缩短地图数据的采集周期。
移动采集资源12执行所述采集任务,生成采集结果。
需要强调的是,现有技术中采集设备的使用成本较高,且采集设备并不能快速抵达待采集区域,这极大限制了采集任务的参与门槛与参与范围。
而随着智能手机的摄像功能不断增强,智能手机的便携性和广泛应用性使其成为地图数据采集的理想工具。通过充分发挥智能手机的摄像功能,是高效、低成本的地图数据采集解决方案。
在本申请提供的一种具体实施方式中,所述移动采集资源12表现为智能手机。
在此基础上,云端平台11通过互联网发布具有待采集区域的位置信息、激励信息的采集任务;智能手机通过互联网接收采集任务。优选的,所述云端平台11根据智能手机的位置信息,通过互联网推送采集任务至位于待采集区域附近的智能手机。或者,所述智能手机根据自身位置信息,筛选满足附近待采集区域的采集任务。
还需要指出的是,现有技术中对于地图数据采集任务,还需要具备地理知识、测量技能的专业人员进行采集操作,同样限制了采集任务的参与门槛与参与范围。
进一步的,为降低地图数据采集操作的参与门槛,所述移动采集资源12被配置为能够自动识别环境中的环境对象作为采集结果。具体的,所述移动采集资源12执行所述采集任务,生成采集结果,具体包括:
采集环境图像流;
识别环境图像流中记录环境对象的若干环境图像,作为识别结果;
根据识别结果,对环境对象进行目标追踪,确定记录相同环境对象的若干环境图像,作为追踪结果;
根据追踪结果,对记录相同环境对象的若干环境图像进行综合评分,确定综合评分值最高的环境图像作为采集结果。
可以理解的是,所述环境图像流由移动采集资源12的摄像模块拍摄,由若干环境图像构成。在所述移动采集资源12表现为智能手机的应用场景中,所述环境图像流由智能手机的单目摄像模块进行采集拍摄。这样,参与人员无需地理知识、测量技能的专业培训,只需要通过智能手机进行系列拍摄,降低了地图数据采集任务的参与门槛。
所述环境图像记录所述移动采集资源12周边的环境对象,例如马路、建筑、树木、绿化等。通常所述环境图像具有时间戳。根据所述环境图像对应的时间戳,以时间序列排列若干环境图像,将构成记录所述移动采集资源12周边环境的环境图像流。
进一步的,受采集过程中所述移动采集资源12的位姿不断变化的影响,所述环境图像中的环境对象可能存在颠簸、遮挡的情况。或者受所述移动采集资源12的拍摄参数影响,所述环境图像中的环境对象可能存在虚焦、模糊的情况。可见,受实际采集过程中各种因素的影响,并非所采集的全部环境图像均能够有效记录环境对象。为此,需要识别环境图像流中有效记录环境对象的环境图像。
在所述移动采集资源12表现为智能手机的应用场景中,受智能手机处理能力的局限,本申请优选采用NCNN(Nih Caffe Neural Network)深度学习计算框架和Yolo-nano预训练目标检测模型识别环境图像流中记录环境对象的若干环境图像。其中,所述NCNN深度学习计算框架是一个高效、轻量级的深度学习计算框架,能够在移动设备和嵌入式系统上进行推断。所述YoloX-nano目标检测模型是一个轻量级的目标检测模型,体积小,执行效率高。该二者能够保证各类主流智能手机端的目标识别处理效率达到10FPS,能够有效缓解卡顿、发热等问题。
当然,即使所述移动采集资源12筛选出有效记录环境对象的环境图像,受移动采集资源12采集角度或摄影参数的影响,每张有效记录环境对象的环境图像也有不同的信息质量。换句话说,所述移动采集资源12筛选出有效记录环境对象的环境图像仅仅是在图像中能够识别出有目标对象,至于目标对象更为细节的信息,则可能每张环境图像都有出入。例如,在相对目标对象由远及近的采集过程中,可能时间戳靠前的环境图像能够识别出一栋建筑的轮廓,而时间戳靠后的环境图像则能够看出该建筑的窗户样式、广告标题等。
此外,需要强调的是,在所述移动采集资源12表现为智能手机的应用场景中,依旧受智能手机处理能力的局限,所述移动采集资源12仅做采集工作,通过互联网将采集结果传输至云端平台11,由云端平台11生成地图数据。但受限于智能手机存储能力、带宽能力的局限,将所有有效记录环境对象的环境图像均上传至云端平台11的成本较高、上传速度较慢。为此,所述移动采集资源12被配置为上传筛选后的最佳环境对象图像至云端平台,以提高上传速度,进而提高采集效率。
具体的,所述移动采集资源12筛选最佳环境对象图像的过程表现为:
基于记录环境对象的若干环境图像,采用ByteTrack预训练模型对环境对象进行目标追踪。也即确定记录相同环境对象的若干环境图像。在此基础上,进一步对记录相同环境对象的若干环境图像进行综合评分,确定综合评分值最高的环境图像作为采集结果。
其中,所述ByteTrack预训练模型是基于tracking-by-detection范式的跟踪模型,通过关联每个检测框而不仅仅是高分检测框来进行跟踪。对于低分检测框,利用它们与轨迹的相似性来恢复真实目标并过滤掉背景检测。所述综合评分是指,依据环境对象在图像中的位置、大小、识别分数、追踪连续性等一系列因素,并参考速度、颠簸、曝光情况等参数进行综合评分。
这样,通过采用目标追踪技术,对连续图像中的相同目标进行追踪,确保在连续图像中,相同的环境对象只上传一次,从而减少冗余数据和传输带宽的使用。同时也降低云端的带宽、存储和计算压力。同时,综合评分的设置也能够确保上传的环境图像质量,避免颠簸、遮挡、虚焦、模糊等无效信息的资源占用。在所述移动采集资源12表现为智能手机的应用场景中,这样的配置更适合适合智能手机具有局限性的硬件环境,以及实地采集时遇到的复杂情况。
云端平台11接收来自若干移动采集资源12的采集结果,对若干移动采集资源的采集结果进行验证,确定有效结果。
可以理解的是,所述云端平台11发布的采集任务可以由多个移动采集资源12参与。因此云端平台11会接收到来自多个移动采集资源12的采集结果。而由于参与门槛的降低,使得采集结果的数据质量不稳定,存在数据的准确性和一致性问题。例如部分参与者可能由于缺乏专业知识,导致采集到的数据质量参差不齐。在某些极端的情况下,存在恶意参与者提交虚假数据或误导性信息,影响数据的可信度和可用性。为此,还需要云端平台11对若干移动采集资源的采集结果进行验证,确定有效结果。
进一步的,在本申请提供的一种具体实施方式中,所述云端平台11接收来自若干移动采集资源12的采集结果,对若干移动采集资源的采集结果进行验证,确定有效结果,具体包括:
获取若干移动采集资源的移动轨迹信息;
确定移动轨迹信息满足待采集区域的位置信息的若干移动采集资源,作为选用采集资源;
根据选用采集资源的采集结果,确定记录相同环境对象的若干环境图像;
获取相同环境对象的若干环境图像的综合评分值;
将相同环境对象中综合评分值最高的环境图像作为有效结果。
其中,所述移动采集资源12具有定位模块,用于确定所述移动采集资源12位于地理坐标系中的坐标位置。通常所述坐标位置具有时间戳。根据所述坐标位置对应的时间戳,以时间序列排列若干坐标位置,将构成记录所述移动采集资源12的移动轨迹信息。
在本申请提供的一种具体实施方式中,在所述移动采集资源12通过互联网上传采集结果至云端平台11时,所述移动采集资源12还将坐标位置或移动轨迹信息传输至云端平台11,以便云端平台11验证所述采集结果是否对应待采集区域。
当所述移动采集资源12的坐标位置或移动轨迹信息满足待采集区域的位置信息(也即所述移动采集资源12的坐标位置位于待采集区域的位置信息的附近,或者所述移动采集资源12的移动轨迹信息与待采集区域的位置信息存在重叠,又或所述移动采集资源12的移动轨迹信息与待采集区域的位置信息存在相似度,且相似度超过预设阈值)可以判断所述移动采集资源12所采集的采集结果对应待采集区域,则将采集结果对应待采集区域的移动采集资源12标记为选用采集资源12。这样可以规避恶意参与者提交虚假数据或误导性信息,进而提高采集结果的可用性。
在确定选用采集资源12后,本申请将根据选用采集资源12的采集结果,确定记录相同环境对象的若干环境图像。例如,相同的建筑可以能由不同的选用采集资源12在不同时间、不同角度进行拍摄。而在所述选用采集资源12表现为智能手机的应用场景中,由于所述智能手机的摄像模块为单目相机,不同角度拍摄的采集结果将导致同一环境对象具有不同的换算尺寸,使得采集结果的数据质量不稳定,存在数据的准确性和一致性问题。
为此,所述云端平台11还需要获取相同环境对象的若干环境图像的综合评分值;将相同环境对象中综合评分值最高的环境图像作为有效结果。
这里若干环境图像的综合评分值是指,依据环境对象在图像中的位置、大小、识别分数、追踪连续性等一系列因素,并参考速度、颠簸、曝光情况等参数进行综合评分。这样选出的综合评分值最高的环境图像,也就是数据质量最高的有效结果。
之后云端平台11根据有效结果,结合选用采集资源12的移动轨迹信息,能够确定环境对象的位置信息。环境对象的图像信息、环境对象的位置信息可以定义环境对象的地图数据。并且所述环境对象的地图数据还可以与既有的地图数据比对,最后以有效结果更新地图数据。
云端平台11根据有效结果,发送激励信息至对应有效结果的移动采集资源12。
可以理解的是,为了激励所述移动采集资源12参与采集任务,所述采集任务还包括激励信息。当所述移动采集资源12上传的采集结果为有效结果,则云端平台11将发送激励信息至对应有效结果的移动采集资源12。在本申请提供的一种具体是实施方式中,所述激励信息可以是佣金。
进一步的,为激励所述移动采集资源12参与采集任务,且降低采集任务的参与门槛,在本申请提供的一种优选实施方式中,所述方法还包括:
移动采集资源12根据自身位置信息,获取对应自身位置信息的地图瓦片数据;
根据地图瓦片数据,以Low Poly模型构建地图环境模型。
具体的,所述移动采集资源12根据自身WebMercator坐标,于云端平台11获取WMTS(Web Map Tile Service,网络地图瓦片服务)地图瓦片数据。之后根据地图瓦片数据,以Low Poly模型构建地图环境模型。所述Low Poly模型是一种游戏风格模型,其面数较少,能够适应智能手机端的性能环境。
所述移动采集资源12具有多组预制的Low Poly风格的建筑组件。通过组件拼接方式实现建筑渲染,可以极大减少数据量,增强渲染效率。
通过将移动采集资源12周边环境以游戏风格模型显示,能够吸引用户参与采集任务。
进一步的,在本申请提供的另一种优选实施方式中,所述方法还包括:
移动采集资源12根据采集结果,以Low Poly模型更新地图环境模型。
这样,参与采集任务的移动采集资源12能够较为及时的得到采集反馈,从而提高参与积极性。例如,当移动采集资源12进行道路采集时,将采集的道路进行显示。当移动采集资源12进行建筑采集时,将采集的建筑进行显示。
同时,直观的采集反馈也能够降低参与门槛,使得参与用户能够及时修正错误的采集数据。
进一步的,在本申请提供的一种具体实施方式中,所述激励信息还可以表现为装饰数据、社交数据、积分数据中至少一种数据。
例如,所述社交数据可以表现为社交气泡,能够支持用户对于具体地图数据或数据区域的交流、标记等社交活动。且当移动采集资源12完成采集任务,将展示数据采集的贡献者信息。
所述积分数据可以表现为,将所述移动采集资源12根据位置信息,划分为多个社区块;对于每个社区块,根据所述移动采集资源12的贡献积分数据,分配该社区块的采集数据的收益。
所述装饰数据可以表现为对地图环境模型进行的定制化装饰。
通过上述激励信息,可以增加用户粘性,以提高用户参与采集任务的积极性。
综上所述,本申请提供一种地图数据采集资源调用系统100,通过云端平台11发布具有激励信息的采集任务,以调用移动采集资源12参与执行所述采集任务,从而缩短地图数据采集周期。通过云端平台11对若干移动采集资源的采集结果进行验证,规避恶意参与者提交虚假数据或误导性信息,进而提高采集结果的可用性。
需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,有语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请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,本申请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(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种地图数据采集资源调用方法,其特征在于,包括以下步骤:
云端平台获取待采集区域;
云端平台根据待采集区域的位置信息,发布具有激励信息的采集任务;
移动采集资源执行所述采集任务,生成采集结果;
云端平台接收来自若干移动采集资源的采集结果,对若干移动采集资源的采集结果进行验证,确定有效结果;
云端平台根据有效结果,生成地图数据;
云端平台根据有效结果,发送激励信息至对应有效结果的移动采集资源。
2.如权利要求1所述的地图数据采集资源调用方法,其特征在于,所述移动采集资源执行所述采集任务,生成采集结果,具体包括:
采集环境图像流;
识别环境图像流中记录环境对象的若干环境图像,作为识别结果;
根据识别结果,对环境对象进行目标追踪,确定记录相同环境对象的若干环境图像,作为追踪结果;
根据追踪结果,对记录相同环境对象的若干环境图像进行综合评分,确定综合评分值最高的环境图像作为采集结果。
3.如权利要求2所述的地图数据采集资源调用方法,其特征在于,所述云端平台接收来自若干移动采集资源的采集结果,对若干移动采集资源的采集结果进行验证,确定有效结果,具体包括:
获取若干移动采集资源的移动轨迹信息;
确定移动轨迹信息满足待采集区域的位置信息的若干移动采集资源,作为选用采集资源;
根据选用采集资源的采集结果,确定记录相同环境对象的若干环境图像;
获取相同环境对象的若干环境图像的综合评分值;
将相同环境对象中综合评分值最高的环境图像作为有效结果。
4.如权利要求2所述的地图数据采集资源调用方法,其特征在于,所述移动采集资源为智能手机;所述移动采集资源采用Yolo预训练模型识别环境图像流中记录环境对象的若干环境图像;所述移动采集资源采用ByteTrack预训练模型对环境对象进行目标追踪。
5.如权利要求1所述的地图数据采集资源调用方法,其特征在于,所述方法还包括:
移动采集资源根据自身位置信息,获取对应自身位置信息的地图瓦片数据;
根据地图瓦片数据,以Low Poly模型构建地图环境模型。
6.如权利要求1所述的地图数据采集资源调用方法,其特征在于,所述方法还包括:
移动采集资源根据采集结果,以Low Poly模型更新地图环境模型。
7.如权利要求1所述的地图数据采集资源调用方法,其特征在于,所述激励信息至少包括装饰数据、社交数据、积分数据中至少一种数据。
8.一种地图数据采集资源调用系统,其特征在于,包括:
云端平台,用于获取待采集区域;还用于根据待采集区域的位置信息,发布具有激励信息的采集任务;
若干移动采集资源,用于执行所述采集任务,生成采集结果;
所述云端平台还用于接收来自若干移动采集资源的采集结果,对若干移动采集资源的采集结果进行验证,确定有效结果;还用于根据有效结果,生成地图数据;还用于根据有效结果,发送激励信息至对应有效结果的移动采集资源。
9.如权利要求8所述的地图数据采集资源调用系统,其特征在于,所述移动采集资源执行所述采集任务,生成采集结果,具体包括:
采集环境图像流;
识别环境图像流中记录环境对象的若干环境图像,作为识别结果;
根据识别结果,对环境对象进行目标追踪,确定记录相同环境对象的若干环境图像,作为追踪结果;
根据追踪结果,对记录相同环境对象的若干环境图像进行综合评分,确定综合评分值最高的环境图像作为采集结果。
10.如权利要求9所述的地图数据采集资源调用系统,其特征在于,所述云端平台接收来自若干移动采集资源的采集结果,对若干移动采集资源的采集结果进行验证,确定有效结果,具体包括:
获取若干移动采集资源的移动轨迹信息;
确定移动轨迹信息满足待采集区域的位置信息的若干移动采集资源,作为选用采集资源;
根据选用采集资源的采集结果,确定记录相同环境对象的若干环境图像;
获取相同环境对象的若干环境图像的综合评分值;
将相同环境对象中综合评分值最高的环境图像作为有效结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311742104.5A CN117437371A (zh) | 2023-12-18 | 2023-12-18 | 地图数据采集资源调用方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311742104.5A CN117437371A (zh) | 2023-12-18 | 2023-12-18 | 地图数据采集资源调用方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117437371A true CN117437371A (zh) | 2024-01-23 |
Family
ID=89555611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311742104.5A Pending CN117437371A (zh) | 2023-12-18 | 2023-12-18 | 地图数据采集资源调用方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117437371A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106850106A (zh) * | 2017-01-09 | 2017-06-13 | 重庆邮电大学 | 基于移动群智感知的无线电环境地图数据收集系统及方法 |
CN107466469A (zh) * | 2017-02-17 | 2017-12-12 | 深圳前海达闼云端智能科技有限公司 | 地图绘制方法、其云端平台及服务器 |
CN110134854A (zh) * | 2019-05-28 | 2019-08-16 | 江苏快页信息技术有限公司 | 一种基于用户激励机制的爬虫采集方法 |
US20190356648A1 (en) * | 2017-09-25 | 2019-11-21 | Ping An Technology (Shenzhen) Co., Ltd. | Resource extension method and device for a zone of a cloud service platform, apparatus and computer-readable storage medium |
CN110677395A (zh) * | 2019-09-13 | 2020-01-10 | 西安邮电大学 | 基于安全且具备隐私保护的激励方法及实时地图更新系统 |
CN111858807A (zh) * | 2020-07-16 | 2020-10-30 | 北京百度网讯科技有限公司 | 一种任务处理方法、装置、设备以及存储介质 |
CN112348943A (zh) * | 2020-09-22 | 2021-02-09 | 陕西土豆数据科技有限公司 | 一种基于众包模式的新型倾斜三维采集方法 |
CN113218383A (zh) * | 2021-05-10 | 2021-08-06 | 山东新一代信息产业技术研究院有限公司 | 一种云端机器人地图构建方法及系统 |
CN117091614A (zh) * | 2023-08-25 | 2023-11-21 | 浙江吉利控股集团有限公司 | 地图数据的采集方法及电子设备 |
-
2023
- 2023-12-18 CN CN202311742104.5A patent/CN117437371A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106850106A (zh) * | 2017-01-09 | 2017-06-13 | 重庆邮电大学 | 基于移动群智感知的无线电环境地图数据收集系统及方法 |
CN107466469A (zh) * | 2017-02-17 | 2017-12-12 | 深圳前海达闼云端智能科技有限公司 | 地图绘制方法、其云端平台及服务器 |
US20190356648A1 (en) * | 2017-09-25 | 2019-11-21 | Ping An Technology (Shenzhen) Co., Ltd. | Resource extension method and device for a zone of a cloud service platform, apparatus and computer-readable storage medium |
CN110134854A (zh) * | 2019-05-28 | 2019-08-16 | 江苏快页信息技术有限公司 | 一种基于用户激励机制的爬虫采集方法 |
CN110677395A (zh) * | 2019-09-13 | 2020-01-10 | 西安邮电大学 | 基于安全且具备隐私保护的激励方法及实时地图更新系统 |
CN111858807A (zh) * | 2020-07-16 | 2020-10-30 | 北京百度网讯科技有限公司 | 一种任务处理方法、装置、设备以及存储介质 |
CN112348943A (zh) * | 2020-09-22 | 2021-02-09 | 陕西土豆数据科技有限公司 | 一种基于众包模式的新型倾斜三维采集方法 |
CN113218383A (zh) * | 2021-05-10 | 2021-08-06 | 山东新一代信息产业技术研究院有限公司 | 一种云端机器人地图构建方法及系统 |
CN117091614A (zh) * | 2023-08-25 | 2023-11-21 | 浙江吉利控股集团有限公司 | 地图数据的采集方法及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110400363B (zh) | 基于激光点云的地图构建方法和装置 | |
CN109520500B (zh) | 一种基于终端拍摄图像匹配的精确定位及街景库采集方法 | |
CN110659581B (zh) | 一种图像处理方法、装置、设备和存储介质 | |
CN107222467A (zh) | 一种移动通信基站全景运维系统的实现方法 | |
CN106228218A (zh) | 一种基于移动的目标对象的智能监控方法及系统 | |
CN107084740B (zh) | 一种导航方法和装置 | |
CN109523499A (zh) | 一种基于众包的多源融合全景建模方法 | |
CN107038949A (zh) | 一种实景地图的生成方法、推送方法及其装置 | |
CN110659391A (zh) | 一种视频侦查方法及装置 | |
CN110263748A (zh) | 用于发送信息的方法和装置 | |
CN115272572A (zh) | 输电线路重建方法、装置、电子设备及存储介质 | |
CN109427031A (zh) | 一种数据处理方法及设备 | |
WO2020239088A1 (zh) | 一种保险理赔处理方法及装置 | |
CN108416045A (zh) | 交通设施的位置获取方法、装置、终端设备及服务器 | |
CN106931976A (zh) | 一种导航信息更新的方法及装置 | |
CN112631333B (zh) | 无人机的目标跟踪方法、装置及图像处理芯片 | |
CN111125290A (zh) | 一种基于河长制的智能巡河方法、装置及存储介质 | |
CN116704046B (zh) | 一种跨镜图像匹配方法及装置 | |
CN117437371A (zh) | 地图数据采集资源调用方法及系统 | |
CN202350794U (zh) | 一种导航数据采集装置 | |
CN108040207A (zh) | 一种图像处理方法、装置、设备及计算机可读存储介质 | |
CN109345560B (zh) | 增强现实设备的运动跟踪精度测试方法及装置 | |
CN111758118A (zh) | 一种视觉定位方法、装置、设备及可读存储介质 | |
CN108573220B (zh) | 一种基于群体多源数据的道路裂纹识别方法 | |
CN110097061A (zh) | 一种图像显示方法及装置 |
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 |