CN110470315A - 一种景点游客导航方法 - Google Patents

Abstract

本发明涉及地图导航领域，具体是涉及一种景点游客导航方法。游客通过用户终端向服务终端发送导航信息，导航信息至少包括导航请求、游客所在的当前位置、景区所在的目标位置。服务终端根据景区所在的目标位置生成景点位置，服务终端根据当前位置和景点位置生成导航路线图。服务终端将导航路线图发送给用户终端，用户终端开启AR模式，AR模式即增强现实模式，用户终端的AR模式将导航路线图以实景的形式呈现给游客。本发明中的服务终端生成导航路线图，用户终端在AR模式下将导航路线图呈现给游客，使得游客能够在导航路线图中清楚地看到当前所在的位置以及景点的位置，使得游客快速准确到达景点，提高了游客的旅游体验。

Description

一种景点游客导航方法

技术领域

本发明涉及地图导航领域，具体是涉及一种景点游客导航方法。

背景技术

随着生活水平的发展，人民生活水平的提高，节假日出游成为越来越多人的休闲度假选择。

在景区内岔路口很多，有些临近的岔路口相距很近，仅依靠语音导航，游客可能会走到错误的岔路口上。

由于游客对景区内的景点路线的不熟悉，导致游客难以快速准确到达景点，降低了游客的旅游体验。

发明内容

为解决上述技术问题，本发明提供了一种景点游客导航方法，能够帮助游客快速准确到达景点，提高了游客的旅游体验。

为实现上述目的，本发明采用了以下技术方案：

一种景点游客导航方法，包括如下步骤：

S1，游客通过用户终端向服务终端发送导航信息，导航信息至少包括导航请求、游客所在的当前位置、景区所在的目标位置；

S2，服务终端根据景区所在的目标位置生成景点位置，服务终端根据当前位置和景点位置生成导航路线图，导航路线图中至少包括从当前位置至景点位置的过程中各个位置点的经纬度、各个位置点的海拔高度、方向标记、从当前位置至景点位置的路线；

S3，服务终端将导航路线图发送给用户终端；用户终端开启AR模式，AR模式即增强现实模式，用户终端的AR模式将导航路线图以实景的形式呈现给游客；

S4，游客根据实景形式的导航路线图向景点位置行进，在行进的过程中，游客打开用户终端的摄像头，拍摄实时位置所在的图片，用户终端将实时位置所在的图片发送给服务终端，服务终端将实时位置所在的图片输入到卷积神经网络模型，服务终端通过卷积神经网络模型对该图片的识别输出与该图片对应的带有方向标记的实时位置街景图，服务终端将带有方向标记的实时位置街景图发送给用户终端，游客在用户终端的AR模式下，根据带有方向标记的实时位置街景图向景点位置行进。

进一步，服务终端根据景区所在的目标位置匹配出该景区内的景点名称，若景点名称的数量为1，则服务终端根据该景点名称所对应的景点位置和步骤S1中的当前位置生成导航路线图；若景点名称的数量大于1，则服务终端将所有的景点名称发送给用户终端，游客从所有的景点名称中选出要去的景点名称，用户终端将该景点名称发送给服务终端，服务终端根据该景点名称所对应的景点位置和步骤S1中的当前位置生成导航路线图。

进一步，步骤S4中的卷积神经网络模型为经过训练之后的卷积神经网络模型，对卷积神经网络模型进行训练的具体步骤如下：

卷积神经网络模型的结构设计为卷积层-池化层-全连接层；

将景区图片划分为若干块图片，若干块图片均输入到卷积神经网络模型的卷积层，卷积层提取每一块图片的特征，特征至少包括色彩特征、形状特征、纹理特征，卷积层提取每一块图片的特征之后输出每一块图片对应的特征图像，卷积层将每一块图片对应的特征图像输入到池化层，池化层对特征图像进行降噪，池化层将降噪之后的特征图像输入到全连接层，全连接层根据每一块图片的特征图像生成对应的分类器，此时的卷积神经网络模型为经过训练之后的卷积神经网络模型，分类器中至少包括图片在地图中的位置；

服务终端输出带有方向标记的实时位置街景图的具体步骤如下：

服务终端将实时位置所在的图片输入到卷积神经网络模型的卷积层，卷积层提取实时位置所在的图片的特征，卷积层提取实时位置所在的图片的特征之后输出该图片的特征图像，卷积层将该图片的特征图像输入到卷积神经网络模型的池化层，池化层输出该图片降噪之后的特征图像，根据该图片降噪之后的特征图像匹配出该图片对应的分类器，由该图片对应的分类器获取该图片在地图中的位置，服务终端根据该图片在地图中的位置获取实时位置所在的图片对应的带有方向标记的实时位置街景图。

进一步，服务终端和用户终端建立基于websocket协议的连接，用户终端循环判断景点位置是否改变，若景点位置发生改变，则用户终端将改变之后的景点位置发送给服务终端，服务终端根据改变之后的景点位置和步骤S4中的实时位置，生成新的导航路线图，服务终端将新的导航路线图发送给用户终端，游客根据用户终端上的新的导航路线图向改变之后的景点位置行进，若景点位置没有发生改变，则游客继续沿着步骤S3中的导航路线图向景点位置行进。

进一步优选的，导航路线图中的路线为最优路线；从游客所在的当前位置到景点位置有若干条路线，其中距离最短的路线为最优路线。

进一步优选的，所述服务终端包括接收组件、查询组件、发送组件；用户终端电连接接收组件，所述接收组件电连接查询组件，所述查询组件电连接发送组件，所述发送组件电连接用户终端。

进一步优选的，所述用户终端包括语音识别单元，所述语音识别单元用于将语音转换为文字。

本发明的有益效果如下：

(1)本发明中的服务终端生成导航路线图，用户终端在AR模式下将导航路线图呈现给游客，使得游客能够在导航路线图中清楚地看到当前所在的位置以及景点的位置，使得游客快速准确到达景点，提高了游客的旅游体验。

(2)本发明的导航方法结合了图片识别方法，使得游客能够获取带有方向标记的实时位置街景图，在AR模式下显示方向标记的实时位置街景图，进一步帮助游客快速准确到达景点，提高了游客的旅游体验。

(3)本发明中的带有方向标记的实时位置街景图能够使得游客在距离很近的岔路口中快速判断出景点所在的岔路口。

(4)景区内存在多个景点名称，游客从多个景点名称选择出要去的景点，能够提高导航的准确性。

(5)游客在行进的过程中，实时拍摄所在位置的图片，一方面能够防止游客偏离导航路线，另一方面在地图中的小范围内显示实时位置，方便游客根据地图向景点位置行进。

(6)卷积神经网络模型的分类器对景区进行分类，能够根据拍摄的实时位置所在的图片识别出游客在地图中的位置。

(7)卷积神经网络模型的池化层能够对图片进行降噪，减少过拟合现象，只保留能够识别出图片在地图中的位置的信息。

附图说明

图1为本发明的导航方法的流程图；

图2和图3为本发明的导航路线图。

具体实施方式

以下结合实施例和说明书附图，对本发明中的技术方案进行清楚、完整地描述。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，都属于本发明保护的范围。

实施例1

一种景点游客导航方法，如图1所示，包括如下步骤：

S1，游客通过用户终端向服务终端发送导航信息。

本实施例中，用户终端为用户的手机，导航信息包括导航请求、游客所在的当前位置、景区所在的目标位置。

S2，服务终端根据景区所在的目标位置生成景点位置，服务终端根据当前位置和景点位置生成导航路线图，导航路线图中至少包括从当前位置至景点位置的过程中各个位置点的经纬度、各个位置点的海拔高度、方向标记、从当前位置至景点位置的路线。

本实施例中，服务终端接收到游客发送的景区所在的目标位置，服务终端根据景区所在的目标位置匹配出该景区内的景点名称，若景点名称的数量为1，则服务终端根据该景点名称所对应的景点位置和当前位置生成导航路线图；若景点名称的数量大于1，则服务终端将所有的景点名称发送给用户终端，游客从所有的景点名称中选出要去的景点名称，用户终端将该景点名称发送给服务终端，服务终端根据该景点名称所对应的景点位置和当前位置生成导航路线图。导航路线图中包含有若干条路线，服务终端将距离最短的路线定义为最优路线。

S3，服务终端将包含有最优路线的导航路线图发送给用户终端；用户终端开启AR模式，AR模式即增强现实模式，用户终端的AR模式将导航路线图以实景的形式呈现给游客；

S4，游客根据实景形式的导航路线图向景点位置行进，在行进的过程中，游客打开用户终端的摄像头，拍摄实时位置所在的图片，用户终端将实时位置所在的图片发送给服务终端，结合景点图像信息和终端传感器中方向传感器和用户当前坐标从数据库中获取提示信息，服务终端将实时位置所在的图片输入到卷积神经网络模型，服务终端通过卷积神经网络模型对该图片的识别输出与该图片对应的带有方向标记的实时位置街景图，服务终端将带有方向标记的实时位置街景图发送给用户终端，游客在用户终端的AR模式下，根据带有方向标记的实时位置街景图向景点位置行进。

本实施例中，卷积神经网络模型的结构设计为卷积层-池化层-全连接层。将景区图片划分为若干块图片，若干块图片保存在服务终端中。若干块图片均输入到卷积神经网络模型的卷积层，卷积层提取每一块图片的特征，特征包括色彩特征、形状特征、纹理特征，其中，色彩特征的值用RGB三原色进行表示，颜色直方图的横轴表示颜色的RGB值，表示该物品所有颜色的集合，纵轴表示整个图像具有某个颜色值像素的数量；形状特征是在边缘具***置未知的情况下，边缘方向的分布也可以很好地表示目标的外形轮廓；纹理特征可以用来描述图像纹理信息的特征。卷积层提取每一块图片的特征之后输出每一块图片对应的特征图像，卷积层将每一块图片对应的特征图像输入到池化层，池化层对特征图像进行降噪，池化层将降噪之后的特征图像输入到全连接层，全连接层根据每一块图片的特征图像生成对应的分类器。此时的卷积神经网络模型为经过训练之后的卷积神经网络模型，分类器是景区内的采集到的图片进行分类，例如景点名称，收费站、图片在地图中的位置等，将以上步骤得出的所有图片分类信息存放在数据库中。

本实施例中，若干块图片中的每块图片的大小均为28*28，并以此作为卷积层的输入；池化层的卷积核大小为5*5，经过池化层的操作，得到6个24*24的特征图像；经过全连接层，得到10个大小为4*4特征图像。由此得到的特征向量即要提取的图片特征。通过以上方式可以得出图片的分类模型。

本实施例中，服务终端输出带有方向标记的实时位置街景图的具体步骤如下：

服务终端将实时位置所在的图片以大小为28*28输入到卷积神经网络模型的卷积层，卷积层提取实时位置所在的图片的特征，卷积层提取实时位置所在的图片的特征之后输出该图片的特征图像，卷积层将该图片的特征图像输入到卷积神经网络模型的池化层，池化层输出该图片降噪之后的特征图像，根据该图片降噪之后的特征图像匹配出该图片对应的分类器，由该图片对应的分类器获取该图片在地图中的位置，服务终端根据该图片在地图中的位置获取实时位置所在的图片对应的带有方向标记的实时位置街景图。

本实施例中，服务终端和用户终端建立基于websocket协议的连接，用户终端循环判断景点位置是否改变，若景点位置发生改变，则用户终端将改变之后的景点位置发送给服务终端，服务终端根据改变之后的景点位置和步骤S4中的实时位置，生成新的导航路线图，服务终端将新的导航路线图发送给用户终端，游客根据用户终端上的新的导航路线图向改变之后的景点位置行进，若景点位置没有发生改变，则游客继续沿着步骤S3中的导航路线图向景点位置行进。

实施例2

在实施例1的基础上，一种导航装置包括用户终端和服务终端，服务终端包括接收组件、查询组件、发送组件；用户终端电连接接收组件，所述接收组件电连接查询组件，所述查询组件电连接发送组件，所述发送组件电连接用户终端。所述用户终端包括语音识别单元，所述语音识别单元用于将语音转换为文字。

接收组件用于接收用户终端发送的导航请求、游客所在的当前位置、景区所在的目标位置，查询组件用于获取景区所在的目标位置对应的景点名称，查询组件根据游客所在的当前位置和景点名称所对应的景点位置生成导航路线图，发送组件用于将导航路线图发送给用户终端。

实施例3

在实施例1、2的基础上，本发明导航方法中的卷积神经网络模型的识别率为90％，图2为采用本发明的导航方法生成的导航路线图，从图中可以看到带有方向标记的导航路线图。

如图3所示，在主干道A上有B和C两个支路，B和C之间的距离小于20米，直接语音导航，游客难以能从A道路进入到景点位置所在的C道路上。但是通过对游客实时位置所在的图片进行识别，生成带有方向标记的实时位置街景图，帮助游客准确的从A道路进入到景点位置所在的C道路，而不是进入到B道路上，方便游客快速找到找到景点位置。

Claims (7)

1.一种景点游客导航方法，其特征在于，包括如下步骤：

S1，游客通过用户终端向服务终端发送导航信息，导航信息至少包括导航请求、游客所在的当前位置、景区所在的目标位置；

S2，服务终端根据景区所在的目标位置生成景点位置，服务终端根据当前位置和景点位置生成导航路线图，导航路线图中至少包括从当前位置至景点位置的过程中各个位置点的经纬度、各个位置点的海拔高度、方向标记、从当前位置至景点位置的路线；

S3，服务终端将导航路线图发送给用户终端；用户终端开启AR模式，AR模式即增强现实模式，用户终端的AR模式将导航路线图以实景的形式呈现给游客；

S4，游客根据实景形式的导航路线图向景点位置行进，在行进的过程中，游客打开用户终端的摄像头，拍摄实时位置所在的图片，用户终端将实时位置所在的图片发送给服务终端，服务终端将实时位置所在的图片输入到卷积神经网络模型，服务终端通过卷积神经网络模型对该图片的识别输出与该图片对应的带有方向标记的实时位置街景图，服务终端将带有方向标记的实时位置街景图发送给用户终端，游客在用户终端的AR模式下，根据带有方向标记的实时位置街景图向景点位置行进。

2.如权利要求1所述的导航方法，其特征在于，步骤S2中的服务终端根据景区所在的目标位置生成景点位置的具体步骤如下：

服务终端根据景区所在的目标位置匹配出该景区内的景点名称，若景点名称的数量为1，则服务终端根据该景点名称所对应的景点位置和步骤S1中的当前位置生成导航路线图；若景点名称的数量大于1，则服务终端将所有的景点名称发送给用户终端，游客从所有的景点名称中选出要去的景点名称，用户终端将该景点名称发送给服务终端，服务终端根据该景点名称所对应的景点位置和步骤S1中的当前位置生成导航路线图。

3.如权利要求1或2所述的导航方法，其特征在于，步骤S4中的卷积神经网络模型为经过训练之后的卷积神经网络模型，对卷积神经网络模型进行训练的具体步骤如下：

卷积神经网络模型的结构设计为卷积层-池化层-全连接层；

将景区图片划分为若干块图片，若干块图片均输入到卷积神经网络模型的卷积层，卷积层提取每一块图片的特征，特征至少包括色彩特征、形状特征、纹理特征，卷积层提取每一块图片的特征之后输出每一块图片对应的特征图像，卷积层将每一块图片对应的特征图像输入到池化层，池化层对特征图像进行降噪，池化层将降噪之后的特征图像输入到全连接层，全连接层根据每一块图片的特征图像生成对应的分类器，此时的卷积神经网络模型为经过训练之后的卷积神经网络模型，分类器中至少包括图片在地图中的位置；

服务终端输出带有方向标记的实时位置街景图的具体步骤如下：

服务终端将实时位置所在的图片输入到卷积神经网络模型的卷积层，卷积层提取实时位置所在的图片的特征，卷积层提取实时位置所在的图片的特征之后输出该图片的特征图像，卷积层将该图片的特征图像输入到卷积神经网络模型的池化层，池化层输出该图片降噪之后的特征图像，根据该图片降噪之后的特征图像匹配出该图片对应的分类器，由该图片对应的分类器获取该图片在地图中的位置，服务终端根据该图片在地图中的位置获取实时位置所在的图片对应的带有方向标记的实时位置街景图。

4.如权利要求3所述的导航方法，其特征在于：服务终端和用户终端建立基于websocket协议的连接，用户终端循环判断景点位置是否改变，若景点位置发生改变，则用户终端将改变之后的景点位置发送给服务终端，服务终端根据改变之后的景点位置和步骤S4中的实时位置，生成新的导航路线图，服务终端将新的导航路线图发送给用户终端，游客根据用户终端上的新的导航路线图向改变之后的景点位置行进，若景点位置没有发生改变，则游客继续沿着步骤S3中的导航路线图向景点位置行进。

5.如权利要求4所述的导航方法，其特征在于：导航路线图中的路线为最优路线；从游客所在的当前位置到景点位置有若干条路线，其中距离最短的路线为最优路线。

6.如权利要求4所述的导航方法，其特征在于：所述服务终端包括接收组件、查询组件、发送组件；用户终端电连接接收组件，所述接收组件电连接查询组件，所述查询组件电连接发送组件，所述发送组件电连接用户终端。

7.如权利要求6所述的导航方法，其特征在于：所述用户终端包括语音识别单元，所述语音识别单元用于将语音转换为文字。