CN110554420A - 设备轨迹获取方法、装置、计算机设备及存储介质 - Google Patents
设备轨迹获取方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110554420A CN110554420A CN201810563772.4A CN201810563772A CN110554420A CN 110554420 A CN110554420 A CN 110554420A CN 201810563772 A CN201810563772 A CN 201810563772A CN 110554420 A CN110554420 A CN 110554420A
- Authority
- CN
- China
- Prior art keywords
- track
- equipment
- trajectory
- shooting
- quality
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了设备轨迹获取方法、装置、计算机设备及存储介质,其中方法包括:获取第一设备进行道路数据采集过程中的第一轨迹以及第二轨迹;其中,第一轨迹为第一设备的GNSS轨迹;第二轨迹为根据第二设备航拍到的第一设备的图像生成的第一设备的运动轨迹;将第一轨迹以及第二轨迹进行融合,得到融合后的轨迹。应用本发明所述方案,能够提高定位精度等。
Description
【技术领域】
本发明涉及计算机应用技术,特别涉及设备轨迹获取方法、装置、计算机设备及存储介质。
【背景技术】
目前在城市中采集道路数据,通常会使用自行车或汽车进行相关的采集作业。
可在自行车或汽车上安装全球导航卫星***(GNSS,Global NavigationSatellite System)定位设备来实时接收卫星信号,卫星信号的强弱直接依赖于周边的环境,周边环境的复杂性直接影响到定位精度。
在城市尤其是中心城区,由于道路两旁高楼林立,形成了“城市峡谷”效应,多路效应和电磁干扰的存在,严重影响接收到卫星信号的质量,导致定位精度大大降低,甚至出现定位失败的情况。
为了提高定位精度,现有技术中通常采用以下处理方式:采用双频率GNSS接收机配合抗干扰天线,采集结束后再进行数据后解算处理,或者,使用高精度的组合导航设备,采集结束后再进行数据后解算处理,但这些方式的效果也并不理想,而且成本高昂。
【发明内容】
有鉴于此,本发明提供了设备轨迹获取方法、装置、计算机设备及存储介质。
具体技术方案如下:
一种设备轨迹获取方法,包括:
获取第一设备进行道路数据采集过程中的第一轨迹以及第二轨迹;
其中,所述第一轨迹为所述第一设备的全球导航卫星***GNSS轨迹;
所述第二轨迹为根据第二设备航拍到的所述第一设备的图像生成的所述第一设备的运动轨迹;
将所述第一轨迹以及所述第二轨迹进行融合,得到融合后的轨迹。
根据本发明一优选实施例,所述获取所述第二轨迹包括:
获取位于空中处于预定拍摄模式的所述第二设备对所述第一设备进行周期性拍摄得到的图像,根据拍摄到的图像生成所述第二轨迹;
或者,获取位于空中处于预定拍摄模式的所述第二设备对所述第一设备进行周期性图像拍摄并根据拍摄到的图像生成的所述第二轨迹;
其中,在所述第一设备进行道路数据采集过程中,所述第一设备始终处于所述第二设备的拍摄视野内。
根据本发明一优选实施例,所述预定拍摄模式包括:
运动拍摄模式;
定点拍摄模式。
根据本发明一优选实施例,所述根据拍摄到的图像生成所述第二轨迹包括:
针对拍摄到的每幅图像,分别从中提取出所述第一设备的像素位置,并确定出提取出的像素位置的坐标,作为物体运动坐标;
按照拍摄时间由先到后的顺序,依次将拍摄到的各图像对应的物体运动坐标进行连接,得到所述第二轨迹。
根据本发明一优选实施例,所述第一设备上能够被所述第二设备拍摄到的预定位置设置有标识物;
所述根据拍摄到的图像生成所述第二轨迹包括:
针对拍摄到的每幅图像,分别从中提取出所述标识物的像素位置,并确定出提取出的像素位置的坐标,作为物体运动坐标;
按照拍摄时间由先到后的顺序,依次将拍摄到的各图像对应的物体运动坐标进行连接,得到所述第二轨迹。
根据本发明一优选实施例,所述将所述第一轨迹以及所述第二轨迹进行融合包括:
在进行融合的过程中,根据所述第一轨迹以及所述第二轨迹的质量变化,进行融合方式的调整。
根据本发明一优选实施例,所述进行融合方式的调整包括:
若所述第一轨迹的质量符合要求,则将所述第一轨迹作为融合后的轨迹;
若所述第一轨迹的质量不符合要求,但所述第二轨迹的质量符合要求,则将所述第二轨迹作为融合后的轨迹;
若所述第一轨迹的质量不符合要求,且所述第二轨迹的质量也不符合要求,则结合所述第一轨迹以及所述第二轨迹确定出融合后的轨迹。
根据本发明一优选实施例,所述第二设备包括:无人机。
一种设备轨迹获取装置,包括:获取单元以及融合单元;
所述获取单元,用于获取第一设备进行道路数据采集过程中的第一轨迹以及第二轨迹;
其中,所述第一轨迹为所述第一设备的全球导航卫星***GNSS轨迹;
所述第二轨迹为根据第二设备航拍到的所述第一设备的图像生成的所述第一设备的运动轨迹;
所述融合单元,用于将所述第一轨迹以及所述第二轨迹进行融合,得到融合后的轨迹。
根据本发明一优选实施例,所述获取单元获取位于空中处于预定拍摄模式的所述第二设备对所述第一设备进行周期性拍摄得到的图像,根据拍摄到的图像生成所述第二轨迹;或者,获取位于空中处于预定拍摄模式的所述第二设备对所述第一设备进行周期性图像拍摄并根据拍摄到的图像生成的所述第二轨迹;
其中,在所述第一设备进行道路数据采集过程中,所述第一设备始终处于所述第二设备的拍摄视野内。
根据本发明一优选实施例,所述预定拍摄模式包括:
运动拍摄模式;
定点拍摄模式。
根据本发明一优选实施例,所述获取单元针对拍摄到的每幅图像,分别从中提取出所述第一设备的像素位置,并确定出提取出的像素位置的坐标,作为物体运动坐标,按照拍摄时间由先到后的顺序,依次将拍摄到的各图像对应的物体运动坐标进行连接,得到所述第二轨迹。
根据本发明一优选实施例,所述第一设备上能够被所述第二设备拍摄到的预定位置设置有标识物;
所述获取单元针对拍摄到的每幅图像,分别从中提取出所述标识物的像素位置,并确定出提取出的像素位置的坐标,作为物体运动坐标,按照拍摄时间由先到后的顺序,依次将拍摄到的各图像对应的物体运动坐标进行连接,得到所述第二轨迹。
根据本发明一优选实施例,所述融合单元在进行融合的过程中,根据所述第一轨迹以及所述第二轨迹的质量变化,进行融合方式的调整。
根据本发明一优选实施例,所述融合单元确定所述第一轨迹的质量符合要求,则将所述第一轨迹作为融合后的轨迹;
所述融合单元确定所述第一轨迹的质量不符合要求,但所述第二轨迹的质量符合要求,则将所述第二轨迹作为融合后的轨迹;
所述融合单元确定所述第一轨迹的质量不符合要求,且所述第二轨迹的质量也不符合要求,则结合所述第一轨迹以及所述第二轨迹确定出融合后的轨迹。
一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现如以上所述的方法。
一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如以上所述的方法。
基于上述介绍可以看出,采用本发明所述方案,可通过位于空中的第二设备对地面移动物体即第一设备进行跟踪航拍,从具有高精度定位信息的航拍图像中提取第一设备的运动轨迹,并与第一设备本身的GNSS轨迹进行融合,从而提高了定位精度,进而能够获取到高精度的道路数据,而且无需使用高精度的组合导航设备等,降低了实现成本。
【附图说明】
图1为本发明所述设备轨迹获取方法实施例的流程图。
图2为本发明所述设备轨迹获取装置实施例的组成结构示意图。
图3示出了适于用来实现本发明实施方式的示例性计算机***/服务器12的框图。
【具体实施方式】
为了使本发明的技术方案更加清楚、明白,以下参照附图并举实施例,对本发明所述方案进行进一步说明。
显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
图1为本发明所述设备轨迹获取方法实施例的流程图。如图1所示,包括以下具体实现方式。
在101中,获取第一设备进行道路数据采集过程中的第一轨迹以及第二轨迹;其中,第一轨迹为第一设备的GNSS轨迹,第二轨迹为根据第二设备航拍到的第一设备的图像生成的第一设备的运动轨迹。
在102中,将第一轨迹以及第二轨迹进行融合,得到融合后的轨迹。
较佳地,第一设备可为前述的自行车或汽车,第二设备可为无人机。
自行车或汽车在地面上行驶,接收到的GNSS卫星信号受周边的环境影响很大,如路边的高楼、树木、发电场、变电站等,导致定位精度降低。而无人机在高空中,开阔的环境对GNSS卫星信号干扰极小,因此,无人机在高空中具有很高的定位精度,由此无人机拍摄到的图像也具有很高的定位精度。
以下即以第一设备为汽车、第二设备为无人机为例,对本实施例所述方案进行说明。
在汽车进行道路数据采集过程中,可按照现有技术获取到汽车的GNSS轨迹,另外,还可获取到根据无人机航拍到的汽车的图像生成的汽车的运动轨迹。为便于区别,将GNSS轨迹称为第一轨迹,将根据无人机航拍到的汽车的图像生成的汽车的运动轨迹称为第二轨迹。
可获取位于空中的无人机对地面上进行道路数据采集的汽车进行周期性拍摄得到的图像,进而根据拍摄到的图像生成第二轨迹。
无人机可处于两种不同的拍摄模式,即运动拍摄模式和定点拍摄模式,以下分别对不同拍摄模式下的具体实现进行说明。
1)运动拍摄模式
汽车进行道路数据采集的过程中,通过路线规划,可让无人机始终保持在汽车的上方飞行,并以如1秒的时间间隔周期性地进行图像拍摄。无人机位于汽车的上方,不一定要位于正上方,通常来说,只要汽车位于无人机的拍摄视野内即可,并且,在汽车进行道路数据采集过程中,汽车要始终处于无人机的拍摄视野内。
另外,还可对拍摄到的图像进行纠正,以减少图像的畸变等。
针对拍摄到的每幅图像,可分别从中提取出汽车的像素位置,并确定出提取出的像素位置的坐标,作为物体运动坐标,进而可按照拍摄时间由先到后的顺序,依次将拍摄到的各图像对应的物体运动坐标进行连接,从而得到所需的第二轨迹。
通过图像识别技术,可提取出图像中的运动物体即汽车的像素位置,该位置可以用多个像素点来表示,也可以用一个像素点来表示,如汽车的中心点。
由于无人机的坐标(经度、纬度、高程)和相机镜头的参数已知,那么可以按照现有方式计算出图像中每一个像素点的坐标,即每一个像素点对应到地面上的经纬度信息等,那么相应地,则可获取到提取出的汽车的像素位置的坐标,作为物体运动坐标。
针对拍摄到的各幅图像,按照拍摄时间由先到后的顺序,将拍摄到的各图像对应的物体运动坐标进行连接,即可得到所需的第二轨迹。
另外,在实际应用中,较佳地,可在汽车上能够被无人机拍摄到的预定位置设置标识物,比如,可在汽车车顶中间位置粘贴一张红色贴纸,大小可根据实际需要而定。标识物通常具有较高的辨识度,通过设置标识物,可以方便地在无人机拍摄的图像中找到指定的运动物体(图像特征点)。
以汽车为例,拍摄到的图像中可能存在多辆汽车,要找到进行道路数据采集的汽车可能会比较困难,而设置了标识物之后,则可以较好地解决这一问题。
在设置有标识物的情况下,针对拍摄到的每幅图像,可分别从中提取出标识物的像素位置,并确定出提取出的像素位置的坐标,作为物体运动坐标,进而可按照拍摄时间由先到后的顺序,依次将拍摄到的各图像对应的物体运动坐标进行连接,从而得到所需的第二轨迹,同样地,提取出的像素位置可以用多个像素点来表示,也可以用一个像素点来表示,如标识物的中心点。
2)定点拍摄模式
根据汽车的运动范围以及相机镜头的参数等,可以计算出无人机的拍摄高度等。比如,可以预先估计出汽车的运动范围有多大,然后根据相机镜头的参数,进一步估计出为了使汽车在进行道路数据采集过程中始终处于无人机的拍摄视野内,无人机的拍摄高度等。
无人机上升到指定高度后,可对进行道路数据采集的汽车进行周期性的定点图像拍摄,从而得到一系列图像。
同样地,针对拍摄到的每幅图像,可分别从中提取出汽车的像素位置,并确定出提取出的像素位置的坐标,作为物体运动坐标,进而可按照拍摄时间由先到后的顺序,依次将拍摄到的各图像对应的物体运动坐标进行连接,从而得到所需的第二轨迹。
较佳地,可在汽车上能够被无人机拍摄到的预定位置设置标识物,比如,可在汽车车顶中间位置粘贴一张红色贴纸,大小可根据实际需要而定。标识物通常具有较高的辨识度,通过设置标识物,可以方便地在无人机拍摄的图像中找到指定的运动物体。
在设置有标识物的情况下,针对拍摄到的每幅图像,可分别从中提取出标识物的像素位置,并确定出提取出的像素位置的坐标,作为物体运动坐标,进而可按照拍摄时间由先到后的顺序,依次将拍摄到的各图像对应的物体运动坐标进行连接,从而得到所需的第二轨迹。
其它相关内容请参照“运动拍摄模式”中的相关说明,不再赘述。
假设图1所示流程的执行主体为第三设备,第三设备可为地面站设备,那么上述实现方式中,无人机只负责进行图像拍摄并向第三设备回传拍摄到的图像,进而由第三设备根据拍摄到的图像生成第二轨迹,并与获取到的第一轨迹进行融合等。
而如果无人机具备较强的计算能力,也可以由无人机来根据拍摄到的图像生成第二轨迹,并将生成的第二轨迹等信息返回给第三设备,进而由第三设备将获取到的第二轨迹与获取到的第一轨迹进行融合等。其中,由无人机来生成第二轨迹的方式与由第三设备来生成第二轨迹的方式相同。
通过将第一轨迹与第二轨迹进行融合,可得到融合后的轨迹,进而可得到高精度的道路数据,如路形信息、每个坐标点的经纬度信息等。
在进行融合的过程中,还可以根据第一轨迹以及第二轨迹的质量变化,进行融合方式的调整。
比如,可包括以下3种情况。
1)若第一轨迹的质量符合要求,则将第一轨迹作为融合后的轨迹。
比如,地面环境干扰不大,GNSS卫星信号良好,那么在进行融合时,则可以第一轨迹即GNSS轨迹作为主要参考,将GNSS轨迹作为融合后的轨迹,而第二轨迹可起到辅助作用,如起到对GNSS轨迹进行验证的作用。
2)若第一轨迹的质量不符合要求,但第二轨迹的质量符合要求,则将第二轨迹作为融合后的轨迹。
比如,地面环境干扰严重,导致GNSS轨迹出现漂移,但进行道路数据采集的汽车在航拍图像中可见,那么在进行融合时,则可以第二轨迹作为主要参考,将第二轨迹作为融合后的轨迹。
3)若第一轨迹的质量不符合要求,且第二轨迹的质量也不符合要求,则结合第一轨迹以及第二轨迹确定出融合后的轨迹。
比如,地面环境干扰严重,导致GNSS轨迹出现漂移,而且进行道路数据采集的汽车在航拍图像中不可见,那么在进行融合时,可结合第一轨迹以及第二轨迹确定出融合后的轨迹,如先以GNSS轨迹为基础,推断出汽车大致的运动轨迹,之后再结合第二轨迹在该处前后的轨迹,进一步完善汽车的运动轨迹。
举例说明:当汽车通过隧道时,GNSS卫星信号会很差,而且无人机也无法拍摄到汽车,这样就可能导致GNSS轨迹出现漂移,同时汽车在航拍图像中不可见,这种情况下,由于汽车在进入隧道之前和出隧道之后的GNSS卫星信号通常都是良好的,因此可以确定出隧道的开始点和结束点,进而可大致推断出汽车在隧道中的运动轨迹,进一步地,还可结合第二轨迹中汽车在进入隧道之前和出隧道之后的运动轨迹,进一步完善汽车在隧道中的运动轨迹。
需要说明的是,对于前述的方法实施例,为了简单描述,将其表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
总之,采用本发明方法实施例所述方案,可通过位于空中的第二设备对地面移动物体即第一设备进行跟踪拍摄,从具有高精度定位信息的航拍图像中提取第一设备的运动轨迹,并与第一设备本身的GNSS轨迹进行融合,即有效地结合了第二设备高精度定位图像中提取的特征点轨迹与在相对复杂地面环境下产生的物体运动轨迹,从而提高了定位精度,进而能够获取到高精度的道路数据,并且无需使用高精度的组合导航设备等,降低了实现成本。
以上是关于方法实施例的介绍,以下通过装置实施例,对本发明所述方案进行进一步说明。
图2为本发明所述设备轨迹获取装置实施例的组成结构示意图。如图2所示,包括:获取单元201以及融合单元202。
获取单元201,用于获取第一设备进行道路数据采集过程中的第一轨迹以及第二轨迹;其中,第一轨迹为第一设备的GNSS轨迹,第二轨迹为根据第二设备航拍到的第一设备的图像生成的第一设备的运动轨迹。
融合单元202,用于将第一轨迹以及第二轨迹进行融合,得到融合后的轨迹。
较佳地,第一设备可为自行车或汽车,第二设备可为无人机。
自行车或汽车在地面上行驶,接收到的GNSS卫星信号受周边的环境影响很大,如路边的高楼、树木、发电场、变电站等,导致定位精度降低。而无人机在高空中,开阔的环境对GNSS卫星信号干扰极小,因此,无人机在高空中具有很高的定位精度,由此无人机拍摄到的图像也具有很高的定位精度。
获取单元201可获取按照现有方式生成的第一轨迹即GNSS轨迹。另外,获取单元201还可获取位于空中处于预定拍摄模式的第二设备对第一设备进行周期性拍摄得到的图像,根据拍摄到的图像生成第二轨迹。
其中,在第一设备进行道路数据采集过程中,第一设备始终处于第二设备的拍摄视野内。
第二设备可处于两种不同的拍摄模式,即运动拍摄模式和定点拍摄模式。运动拍摄模式中,第一设备在进行道路数据采集的过程中,通过路线规划,可让第二设备始终保持在第一设备的上方飞行,并以如1秒的时间间隔周期性地进行图像拍摄。第二设备位于第一设备的上方,不一定要位于正上方,通常来说,只要第一设备位于第二设备的拍摄视野内即可,并且,在第一设备进行道路数据采集过程中,第一设备要始终处于第二设备的拍摄视野内。定点拍摄模式中,可根据第一设备的运动范围以及第二设备的相机镜头的参数等,计算出第二设备的拍摄高度等,第二设备上升到指定高度后,可对进行道路数据采集的第一设备进行周期性的定点图像拍摄,从而得到一系列图像。
无论采用哪种拍摄模式,针对拍摄到的每幅图像,获取单元201可分别从中提取出第一设备的像素位置,并确定出提取出的像素位置的坐标,作为物体运动坐标,进而可按照拍摄时间由先到后的顺序,依次将拍摄到的各图像对应的物体运动坐标进行连接,从而得到第二轨迹。
另外,较佳地,可在第一设备上能够被第二设备拍摄到的预定位置设置标识物,标识物通常具有较高的辨识度,通过设置标识物,可以方便地在第二设备拍摄的图像中找到指定的运动物体。
在设置有标识物的情况下,针对拍摄到的每幅图像,获取单元201可分别从中提取出标识物的像素位置,并确定出提取出的像素位置的坐标,作为物体运动坐标,进而可按照拍摄时间由先到后的顺序,依次将拍摄到的各图像对应的物体运动坐标进行连接,从而得到第二轨迹。
基于上述介绍可知,上述方式中,第二设备只负责进行图像拍摄并向图2所示装置回传拍摄到的图像,而如果第二设备具备较强的计算能力,也可以由第二设备来根据拍摄到的图像生成第二轨迹,并将生成的第二轨迹等信息返回给图2所示装置。
融合单元202可将第一轨迹与第二轨迹进行融合,得到融合后的轨迹,进而可得到高精度的道路数据,如路形信息、每个坐标点的经纬度信息等。
融合单元202在进行融合的过程中,还可根据第一轨迹以及第二轨迹的质量变化,进行融合方式的调整。
比如,融合单元202确定第一轨迹的质量符合要求,则可将第一轨迹作为融合后的轨迹;融合单元202确定第一轨迹的质量不符合要求,但第二轨迹的质量符合要求,则可将第二轨迹作为融合后的轨迹;融合单元202确定第一轨迹的质量不符合要求,且第二轨迹的质量也不符合要求,则可结合第一轨迹以及第二轨迹来确定出融合后的轨迹。
图2所示装置实施例的具体工作流程请参照前述方法实施例中的相应说明,不再赘述。
总之,采用本发明装置实施例所述方案,可通过位于空中的第二设备对地面移动物体即第一设备进行跟踪拍摄,从具有高精度定位信息的航拍图像中提取第一设备的运动轨迹,并与第一设备本身的GNSS轨迹进行融合,即有效地结合了第二设备高精度定位图像中提取的特征点轨迹与在相对复杂地面环境下产生的物体运动轨迹,从而提高了定位精度,进而能够获取到高精度的道路数据,并且无需使用高精度的组合导航设备等,降低了实现成本。
图3示出了适于用来实现本发明实施方式的示例性计算机***/服务器12的框图。图3显示的计算机***/服务器12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,计算机***/服务器12以通用计算设备的形式表现。计算机***/服务器12的组件可以包括但不限于:一个或者多个处理器(处理单元)16,存储器28,连接不同***组件(包括存储器28和处理器16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
计算机***/服务器12典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机***/服务器12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机***/服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图3未显示,通常称为“硬盘驱动器”)。尽管图3中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括——但不限于——操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机***/服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机***/服务器12交互的设备通信,和/或与使得该计算机***/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机***/服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图3所示,网络适配器20通过总线18与计算机***/服务器12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机***/服务器12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理器16通过运行存储在存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现图1所示实施例中的方法。
本发明同时公开了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时将实现如图1所示实施例中的方法。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法等,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,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)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (17)
1.一种设备轨迹获取方法,其特征在于,包括:
获取第一设备进行道路数据采集过程中的第一轨迹以及第二轨迹;
其中,所述第一轨迹为所述第一设备的全球导航卫星***GNSS轨迹;
所述第二轨迹为根据第二设备航拍到的所述第一设备的图像生成的所述第一设备的运动轨迹;
将所述第一轨迹以及所述第二轨迹进行融合,得到融合后的轨迹。
2.根据权利要求1所述的方法,其特征在于,
所述获取所述第二轨迹包括:
获取位于空中处于预定拍摄模式的所述第二设备对所述第一设备进行周期性拍摄得到的图像,根据拍摄到的图像生成所述第二轨迹;
或者,获取位于空中处于预定拍摄模式的所述第二设备对所述第一设备进行周期性图像拍摄并根据拍摄到的图像生成的所述第二轨迹;
其中,在所述第一设备进行道路数据采集过程中,所述第一设备始终处于所述第二设备的拍摄视野内。
3.根据权利要求2所述的方法,其特征在于,
所述预定拍摄模式包括:
运动拍摄模式;
定点拍摄模式。
4.根据权利要求2所述的方法,其特征在于,
所述根据拍摄到的图像生成所述第二轨迹包括:
针对拍摄到的每幅图像,分别从中提取出所述第一设备的像素位置,并确定出提取出的像素位置的坐标,作为物体运动坐标;
按照拍摄时间由先到后的顺序,依次将拍摄到的各图像对应的物体运动坐标进行连接,得到所述第二轨迹。
5.根据权利要求2所述的方法,其特征在于,
所述第一设备上能够被所述第二设备拍摄到的预定位置设置有标识物;
所述根据拍摄到的图像生成所述第二轨迹包括:
针对拍摄到的每幅图像,分别从中提取出所述标识物的像素位置,并确定出提取出的像素位置的坐标,作为物体运动坐标;
按照拍摄时间由先到后的顺序,依次将拍摄到的各图像对应的物体运动坐标进行连接,得到所述第二轨迹。
6.根据权利要求1所述的方法,其特征在于,
所述将所述第一轨迹以及所述第二轨迹进行融合包括:
在进行融合的过程中,根据所述第一轨迹以及所述第二轨迹的质量变化,进行融合方式的调整。
7.根据权利要求6所述的方法,其特征在于,
所述进行融合方式的调整包括:
若所述第一轨迹的质量符合要求,则将所述第一轨迹作为融合后的轨迹;
若所述第一轨迹的质量不符合要求,但所述第二轨迹的质量符合要求,则将所述第二轨迹作为融合后的轨迹;
若所述第一轨迹的质量不符合要求,且所述第二轨迹的质量也不符合要求,则结合所述第一轨迹以及所述第二轨迹确定出融合后的轨迹。
8.根据权利要求1所述的方法,其特征在于,
所述第二设备包括:无人机。
9.一种设备轨迹获取装置,其特征在于,包括:获取单元以及融合单元;
所述获取单元,用于获取第一设备进行道路数据采集过程中的第一轨迹以及第二轨迹;
其中,所述第一轨迹为所述第一设备的全球导航卫星***GNSS轨迹;
所述第二轨迹为根据第二设备航拍到的所述第一设备的图像生成的所述第一设备的运动轨迹;
所述融合单元,用于将所述第一轨迹以及所述第二轨迹进行融合,得到融合后的轨迹。
10.根据权利要求9所述的装置,其特征在于,
所述获取单元获取位于空中处于预定拍摄模式的所述第二设备对所述第一设备进行周期性拍摄得到的图像,根据拍摄到的图像生成所述第二轨迹;或者,获取位于空中处于预定拍摄模式的所述第二设备对所述第一设备进行周期性图像拍摄并根据拍摄到的图像生成的所述第二轨迹;
其中,在所述第一设备进行道路数据采集过程中,所述第一设备始终处于所述第二设备的拍摄视野内。
11.根据权利要求10所述的装置,其特征在于,
所述预定拍摄模式包括:
运动拍摄模式;
定点拍摄模式。
12.根据权利要求10所述的装置,其特征在于,
所述获取单元针对拍摄到的每幅图像,分别从中提取出所述第一设备的像素位置,并确定出提取出的像素位置的坐标,作为物体运动坐标,按照拍摄时间由先到后的顺序,依次将拍摄到的各图像对应的物体运动坐标进行连接,得到所述第二轨迹。
13.根据权利要求10所述的装置,其特征在于,
所述第一设备上能够被所述第二设备拍摄到的预定位置设置有标识物;
所述获取单元针对拍摄到的每幅图像,分别从中提取出所述标识物的像素位置,并确定出提取出的像素位置的坐标,作为物体运动坐标,按照拍摄时间由先到后的顺序,依次将拍摄到的各图像对应的物体运动坐标进行连接,得到所述第二轨迹。
14.根据权利要求9所述的装置,其特征在于,
所述融合单元在进行融合的过程中,根据所述第一轨迹以及所述第二轨迹的质量变化,进行融合方式的调整。
15.根据权利要求14所述的装置,其特征在于,
所述融合单元确定所述第一轨迹的质量符合要求,则将所述第一轨迹作为融合后的轨迹;
所述融合单元确定所述第一轨迹的质量不符合要求,但所述第二轨迹的质量符合要求,则将所述第二轨迹作为融合后的轨迹;
所述融合单元确定所述第一轨迹的质量不符合要求,且所述第二轨迹的质量也不符合要求,则结合所述第一轨迹以及所述第二轨迹确定出融合后的轨迹。
16.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1~8中任一项所述的方法。
17.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1~8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810563772.4A CN110554420B (zh) | 2018-06-04 | 2018-06-04 | 设备轨迹获取方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810563772.4A CN110554420B (zh) | 2018-06-04 | 2018-06-04 | 设备轨迹获取方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110554420A true CN110554420A (zh) | 2019-12-10 |
CN110554420B CN110554420B (zh) | 2022-06-28 |
Family
ID=68736006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810563772.4A Active CN110554420B (zh) | 2018-06-04 | 2018-06-04 | 设备轨迹获取方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110554420B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112859885A (zh) * | 2021-04-25 | 2021-05-28 | 四川远方云天食品科技有限公司 | 一种送料机器人路径协同优化方法 |
CN112906511A (zh) * | 2021-02-02 | 2021-06-04 | 东北林业大学 | 一种联合个体图像和足迹图像的野生动物智能监测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090037039A1 (en) * | 2007-08-01 | 2009-02-05 | General Electric Company | Method for locomotive navigation and track identification using video |
CN105372650A (zh) * | 2015-11-06 | 2016-03-02 | 天津航天中为数据***科技有限公司 | 一种无人机飞行航迹精度检测方法及装置 |
CN105448184A (zh) * | 2015-11-13 | 2016-03-30 | 北京百度网讯科技有限公司 | 地图道路的绘制方法及装置 |
CN105593855A (zh) * | 2014-01-31 | 2016-05-18 | 株式会社日立制作所 | 图像检索***、图像检索装置以及图像检索方法 |
CN106211066A (zh) * | 2016-06-30 | 2016-12-07 | 百度在线网络技术(北京)有限公司 | 用于获取poi数据的方法、装置和*** |
CN107505644A (zh) * | 2017-07-28 | 2017-12-22 | 武汉理工大学 | 基于车载多传感器融合的三维高精度地图生成***及方法 |
-
2018
- 2018-06-04 CN CN201810563772.4A patent/CN110554420B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090037039A1 (en) * | 2007-08-01 | 2009-02-05 | General Electric Company | Method for locomotive navigation and track identification using video |
CN105593855A (zh) * | 2014-01-31 | 2016-05-18 | 株式会社日立制作所 | 图像检索***、图像检索装置以及图像检索方法 |
CN105372650A (zh) * | 2015-11-06 | 2016-03-02 | 天津航天中为数据***科技有限公司 | 一种无人机飞行航迹精度检测方法及装置 |
CN105448184A (zh) * | 2015-11-13 | 2016-03-30 | 北京百度网讯科技有限公司 | 地图道路的绘制方法及装置 |
CN106211066A (zh) * | 2016-06-30 | 2016-12-07 | 百度在线网络技术(北京)有限公司 | 用于获取poi数据的方法、装置和*** |
CN107505644A (zh) * | 2017-07-28 | 2017-12-22 | 武汉理工大学 | 基于车载多传感器融合的三维高精度地图生成***及方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112906511A (zh) * | 2021-02-02 | 2021-06-04 | 东北林业大学 | 一种联合个体图像和足迹图像的野生动物智能监测方法 |
CN112859885A (zh) * | 2021-04-25 | 2021-05-28 | 四川远方云天食品科技有限公司 | 一种送料机器人路径协同优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110554420B (zh) | 2022-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110163930B (zh) | 车道线生成方法、装置、设备、***及可读存储介质 | |
EP3505869B1 (en) | Method, apparatus, and computer readable storage medium for updating electronic map | |
CN110174093B (zh) | 定位方法、装置、设备和计算机可读存储介质 | |
CN107888828B (zh) | 空间定位方法及装置、电子设备、以及存储介质 | |
CN109949439B (zh) | 行车实景信息标注方法、装置、电子设备和介质 | |
CN111415409B (zh) | 一种基于倾斜摄影的建模方法、***、设备和存储介质 | |
CN109931945B (zh) | Ar导航方法、装置、设备和存储介质 | |
CN111220154A (zh) | 车辆定位方法、装置、设备和介质 | |
CN109543680B (zh) | 兴趣点的位置确定方法、装置设备和介质 | |
CN109387186B (zh) | 测绘信息获取方法、装置、电子设备及存储介质 | |
CN109961522B (zh) | 图像投射方法、装置、设备和存储介质 | |
CN111829532B (zh) | 一种飞行器重定位***和重定位方法 | |
US20130147661A1 (en) | System and method for optical landmark identification for gps error correction | |
CN110244765B (zh) | 一种飞行器航线轨迹生成方法、装置、无人机及存储介质 | |
CN110929703B (zh) | 信息确定方法、装置和电子设备 | |
WO2020039937A1 (ja) | 位置座標推定装置、位置座標推定方法およびプログラム | |
CN112652062B (zh) | 一种点云地图构建方法、装置、设备和存储介质 | |
CN110515110B (zh) | 数据评估的方法、装置、设备和计算机可读存储介质 | |
CN111024061A (zh) | 一种导航方法、装置、设备和介质 | |
CN110554420B (zh) | 设备轨迹获取方法、装置、计算机设备及存储介质 | |
Warren et al. | Unaided stereo vision based pose estimation | |
CN109345567B (zh) | 物体运动轨迹识别方法、装置、设备和存储介质 | |
CN111527375B (zh) | 一种测绘采样点的规划方法、装置、控制终端及存储介质 | |
CN111121755A (zh) | 一种多传感器的融合定位方法、装置、设备及存储介质 | |
CN107869991B (zh) | 室内位置数据的采集方法及装置、计算机设备及可读介质 |
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 |