CN112179372A - 基于5g人工智能车载终端设备 - Google Patents
基于5g人工智能车载终端设备 Download PDFInfo
- Publication number
- CN112179372A CN112179372A CN202011074857.XA CN202011074857A CN112179372A CN 112179372 A CN112179372 A CN 112179372A CN 202011074857 A CN202011074857 A CN 202011074857A CN 112179372 A CN112179372 A CN 112179372A
- Authority
- CN
- China
- Prior art keywords
- paths
- processor
- vehicle
- artificial intelligence
- terminal equipment
- 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
Images
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
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3605—Destination input or retrieval
- G01C21/3608—Destination input or retrieval using speech input, e.g. using speech recognition
-
- 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
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- 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
- 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
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3626—Details of the output of route guidance instructions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
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)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Acoustics & Sound (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Navigation (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请提供了一种基于5G人工智能车载终端设备,所述车载终端设备包括:麦克风、处理器、存储器、显示屏、通信接口和总线。本申请提供的技术方案具有用户体验度高的优点。
Description
技术领域
本申请涉及导航领域,具体涉及一种基于5G人工智能车载终端设备。
背景技术
导航是一个研究领域,重点是监测和控制工艺或车辆从一个地方移动到另一个地方的过程。导航领域包括四个一般类别:陆地导航,海洋导航,航空导航和空间导航。这也是用于导航员执行导航任务所使用的专业知识的艺术术语。所有导航技术都涉及定位与已知位置或模式相比较的导航仪的位置。在更广泛的意义上,导航可以指涉及确定位置和方向的任何技能或研究。在这个意义上,导航包括定向运动和行人导航。
随着5G的发展,基于5G的导航更加的准确,但是现有的5G导航在拥堵路段没有相关的标注,因此影响了用户的体验度。
发明内容
本发明的目的在于提供基于5G人工智能车载终端设备,该技术方案能够对拥堵路段进行相关的标注,提高了用户体验度。
第一方面,提供一种基于5G人工智能车载终端设备,所述方车载终端设备包括:麦克风、处理器、存储器、显示屏、通信接口和总线;其中,
麦克风,用于采集目标对象的语音数据;
AI处理器,用于对该语音数据进行识别确定导航路径的目的地;将该目的地发送至处理器;
处理器,用于生成当前地址与目的地之间的多条路径,确定多条路径的总时间以及总里程,若多条路径中有两条路径的总时间与总里程近似,对两条路径分别提取处于拥堵状态的路段以及拥堵路段的宽度,将拥堵路段的宽度以放大浮层方式显示两条路径。
本申请提供的技术方案的对语音数据进行识别确定目的地,然后提取相近似的两条路径分别将拥堵状态的路段以及拥堵路段的宽度,这样将拥堵路段的宽度以放大浮层方式显示两条路径,方便了用户的确定具体的拥堵情况,提高了用户体验度。
附图说明
为了更清楚地说明本申请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,下面描述中的附图是本申请的一些实施例,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为本发明一种基于5G人工智能车载终端设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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作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。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
下面结合本申请实施例中的附图对本申请实施例进行描述。
本申请中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/“,表示前后关联对象是一种“或”的关系。
本申请实施例中出现的“多个”是指两个或两个以上。本申请实施例中出现的第一、第二等描述,仅作示意与区分描述对象之用,没有次序之分,也不表示本申请实施例中对设备个数的特别限定,不能构成对本申请实施例的任何限制。本申请实施例中出现的“连接”是指直接连接或者间接连接等各种连接方式,以实现设备间的通信,本申请实施例对此不做任何限定。
本申请中的“||”表示绝对值。
参阅图1,图1提供了一种基于5G人工智能车载终端设备,如图1所示,该终端设备可以包括:麦克风10、处理器、存储器、显示屏、通信接口和总线,该麦克风10、处理器、存储器、通信接口通过总线连接,其中该处理器中可以集成AI处理器,当然在实际应用中,也可以单独设置AI处理器,上述通信接口可以为5G天线和短距离天线等等。本申请并不限制上述5G天线的种类。
对于5G设备的导航,由于其网络数据的速度会很快,因此对于路线的计算也会非常快,现有的5G导航软件,例如高德地图、百度地图等等均可以安装在车载终端设备内,但是现有的车载终端设备在执行路线计算的时候,对于拥堵路段并没有标注,这样导致用户无法准确的选择对应的路线。
导航对于用户的意义在于两个方面,第一方面是选择路线,第二方面是查找地点,很多情况下是选择路线,现有的导航的路线的选择在于确定路线的拥堵情况,这样跟用户推荐相应的路线,但是对于路线相近的情况下,此种情况路线的实际距离差别不大,时间差别也不大,此时对于路线的拥堵情况就成为大家选择的重点,但是现有的导航路线对于拥堵路段的情况并不进行标注,这样导致用户选择路线的时候无法自行综合考虑。
在于实际的拥堵情况下,以高德导航为例,拥堵指数均为红色,但是一种情况的道路宽度为单车道,一种的道路宽度为4车道,依据实际检测的情况可以得到,道路宽度越宽,其拥堵缓解的时间可能越快,拥堵的路段车道数越少,其拥堵缓解的时间越长,并且拥堵指数也会越高,因此对于拥堵路段的车道数量的标注是非常重要的。
参阅图1,图1提供的一种基于5G人工智能车载终端设备,该车载终端设备用于执行导航方法。
麦克风,用于采集目标对象的语音数据;
上述目标对象可以为驾驶者或其他的人员。
AI处理器,用于对该语音数据进行识别确定导航路径的目的地;将该目的地发送至处理器;
上述语音数据的识别可以通过通用的AI识别器来实现,例如百度语音,例如科大讯飞的语音识别模型来实现。
处理器,用于生成当前地址与目的地之间的多条路径,确定多条路径的总时间以及总里程,若多条路径中有两条路径的总时间与总里程近似,对两条路径分别提取处于拥堵状态的路段以及拥堵路段的宽度,将拥堵路段的宽度以放大浮层方式显示两条路径。
本申请提供的技术方案的对语音数据进行识别确定目的地,然后提取相近似的两条路径分别将拥堵状态的路段以及拥堵路段的宽度,这样将拥堵路段的宽度以放大浮层方式显示两条路径,方便了用户的确定具体的拥堵情况,提高了用户体验度。
在一种可选的方案中,上述将拥堵路段的宽度以放大浮层方式显示两条路径具体可以包括:
处理器,具体用于将车载终端设备的显示界面划分成两个区域,两个区域分别同时显示两条路径,并生成两个放大浮层,每个放大浮层携带该拥堵路段的宽度以及拥堵路段在两个路径的位置。
此种技术方案能够实现对拥堵路段的具***置进行标注,体现了拥堵路段的详细信息的显示。
在一种可选的方案中,上述车载终端设备还可以包括摄像头,该摄像头,用于采集目标对象的图片;
处理器,用于对所述目标对象识别确定所述目标对象的第一身份,提取第一身份对应的个性化配置,依据该个性化配置从两条路径中选择一条路径作为导航路径。
上述个性化配置包括但不限于:高速优先、费用优先等等。
上述对所述目标对象识别确定所述目标对象的第一身份具体可以包括:
E1、获取目标对象的目标图像的目标人脸图像;
E2、对所述目标人脸图像进行验证;
E3、在所述目标人脸图像被验证通过时,确定该目标对象为预设人脸模块对应的第一身份。
具体实现中,电子设备中可以预先存储预设人脸模板,通过摄像头可以获取目标对象的原始图像,进而,电子设备在目标人脸图像与预设人脸模板匹配成功时,则可以确定该目标对象的第一身份,否则,则不确定该目标对象的第一身份,如此,能够实现针对目标对象的身份进行识别,进而能够判断第一身份是否为预约患者,避免其他人启动远程医疗。
进一步地,在一个可能的示例中,上述E2,对所述目标人脸图像进行验证,可以包括如下步骤:
E21、对所述目标人脸图像进行区域分割,得到目标人脸区域,所述目标人脸区域为仅为人脸的区域图像;
E22、对所述目标人脸区域进行二值化处理,得到二值化人脸图像;
E23、对所述二值化人脸图像划分为多个区域,每一区域的面积相同且面积大小大于预设面积值;
E24、将所述二值化人脸图像进行特征点提取,得到多个特征点;
E25、依据所述多个特征点确定所述多个区域中每一区域对应的特征点分布密度,得到多个特征点分布密度;
E26、依据所述多个特征点分布密度确定目标均方差;
E27、按照预设的均方差与质量评价值之间的映射关系,确定所述目标均方差对应的目标质量评价值;
E28、在所述目标质量评价值小于所述预设质量评价值时,对所述目标人脸图像进行图像增强处理,将图像增强处理后的所述目标人脸图像与预设人脸模板进行匹配,得到匹配值;
E29、在所述匹配值大于预设阈值时,确定所述目标人脸图像被验证通过。
具体实现中,上述预设阈值、预设面积值均可以由用户自行设置或者***默认,预设人脸模板可以预先保存在电子设备中。电子设备可以获取对目标人脸图像进行区域分割,得到目标人脸区域,目标人脸区域可以为不包括背景但仅包含人脸的区域,即仅为人脸的区域图像。进而,可以对目标人脸区域进行二值化处理,得到二值化人脸图像,如此,可以降低图像复杂度,对二值化人脸图像划分为多个区域,每一区域的面积大小相等,且大于预设面积值。进一步地,可以将二值化人脸图像进行特征点提取,得到多个特征点,特征提取的算法可以为以下至少一种:尺度不变特征变换算法(scale invariant featuretransform,SIFT)、SURF算法、金字塔算法、harris角点检测等等,在此不做限定。
进一步地,电子设备可以依据多个特征点确定多个区域中每一区域对应的特征点分布密度,得到多个特征点分布密度,依据该多个特征点分布密度确定目标均方差,电子设备中可以预先存储预设的均方差与质量评价值之间的映射关系,按照预设的均方差与质量评价值之间的映射关系,确定目标均方差对应的目标质量评价值,当然均方差越小,则质量评价值越大,在目标质量评价值大于预设质量评价值时,直接将该目标人脸图像与预设人脸模板进行匹配,在其之间的匹配值大于预设阈值,确认目标人脸图像被验证通过,否则,则确认目标人脸图像被验证失败。
进一步地,在目标质量评价值小于预设质量评价值时,终端可以对目标人脸图像进行图像增强处理,将图像增强处理后的目标人脸图像与预设人脸模板进行匹配,在其之间的匹配值大于预设阈值,确认目标人脸图像被验证通过,否则,则确认目标人脸图像被验证失败。
上述第一身份的确认也可以通过AI处理器来实现,具体可以包括:
AI处理器,具体用于获取该图片的输入数据以及权值数据,若该AI识别执行全连接层运算且全连接层为矩阵乘法运算,获取矩阵乘法运算中的输入数据以及权值数据,将权值数据对应的权值矩阵按列划分成n个向量(权值矩阵的列值),每个向量为权值矩阵中的1列值,将n个向量的每个向量执行存储操作以及计算操作,该存储操作具体可以包括:将第α向量中相同元素值的个数最大值,将第α向量中最大值对应的元素值β(β为非零值)排列至α’向量的头部位置(例如第一元素位置),并生成该元素值β在第α向量的bitmap(位图,该位图中若第α向量中元素值为β,则为1,否则为0,例如,10,8,9,10为第α向量,β=10,则bitmap=1001),将该bitmap排列至α’向量的头部另一位置(例如第二元素位置,若位置不够,则确定第二、三元素位置为另一位置),将第α向量中与元素值β相同的元素删除后排列到α’向量的后续位置(除了头部位置以外),按α’向量的行值升序的顺序存储α’向量;该计算操作具体可以包括:人脸识别终端提取α’向量以及输入数据与α’向量的对应行向量,将行向量中bitmap为1的元素值相加后与头部位置至相乘得到乘积结果,将行向量剩余位置的元素与α’向量剩余位置的对应元素值相乘得到乘积结果,将所有乘积结果相加得到全连接运算结果的一个元素值,将输入数据以及权值数据均执行存储操作以及计算操作得到该矩阵乘法结果,将矩阵乘法结果与预设人脸模块的矩阵乘法结果计算差值,若差值小于相似阈值,确定该目标对象的身份为该预设人脸模板对应的第一身份。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (4)
1.一种基于5G人工智能车载终端设备,其特征在于,所述车载终端设备包括:麦克风、处理器、存储器、显示屏、通信接口和总线;其中,
麦克风,用于采集目标对象的语音数据;
AI处理器,用于对该语音数据进行识别确定导航路径的目的地;将该目的地发送至处理器;
处理器,用于生成当前地址与目的地之间的多条路径,确定多条路径的总时间以及总里程,若多条路径中有两条路径的总时间与总里程近似,对两条路径分别提取处于拥堵状态的路段以及拥堵路段的宽度,将拥堵路段的宽度以放大浮层方式显示两条路径。
2.根据权利要求1所述的基于5G人工智能车载终端设备,其特征在于,
处理器,具体用于将车载终端设备的显示界面划分成两个区域,两个区域分别同时显示两条路径,并生成两个放大浮层,每个放大浮层携带该拥堵路段的宽度以及拥堵路段在两个路径的位置。
3.根据权利要求1所述的基于5G人工智能车载终端设备,其特征在于,车载终端设备还包括摄像头,
摄像头,用于采集目标对象的图片;
处理器,用于对所述目标对象识别确定所述目标对象的第一身份,提取第一身份对应的个性化配置,依据该个性化配置从两条路径中选择一条路径作为导航路径。
4.根据权利要求3所述的基于5G人工智能车载终端设备,其特征在于,
所述个性化配置包括:高速优先或费用优先。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011074857.XA CN112179372B (zh) | 2020-10-09 | 2020-10-09 | 基于5g人工智能车载终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011074857.XA CN112179372B (zh) | 2020-10-09 | 2020-10-09 | 基于5g人工智能车载终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112179372A true CN112179372A (zh) | 2021-01-05 |
CN112179372B CN112179372B (zh) | 2021-08-27 |
Family
ID=73948368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011074857.XA Active CN112179372B (zh) | 2020-10-09 | 2020-10-09 | 基于5g人工智能车载终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112179372B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11160081A (ja) * | 1997-11-27 | 1999-06-18 | Alpine Electron Inc | ナビゲーション方法 |
CN101303799A (zh) * | 2008-05-27 | 2008-11-12 | 德信无线通讯科技(北京)有限公司 | 路况信息显示方法及*** |
CN104535073A (zh) * | 2014-12-31 | 2015-04-22 | 北京赛维安讯科技发展有限公司 | 路况信息显示装置及方法、车辆导航***及方法 |
CN104729515A (zh) * | 2013-12-24 | 2015-06-24 | 上海博泰悦臻网络技术服务有限公司 | 导航路径比对方法及*** |
CN105628044A (zh) * | 2015-12-28 | 2016-06-01 | 中兴软创科技股份有限公司 | 基于位置实时更新与路段属性的车载导航装置与导航方法 |
CN105890588A (zh) * | 2016-03-31 | 2016-08-24 | 百度在线网络技术(北京)有限公司 | 导航路线的显示方法和装置 |
CN107621267A (zh) * | 2017-09-05 | 2018-01-23 | 上海博泰悦臻网络技术服务有限公司 | 一种基于路况摄像头的车载导航方法及***、车载终端 |
CN108955703A (zh) * | 2017-05-17 | 2018-12-07 | 腾讯科技(深圳)有限公司 | 导航方法、装置及移动终端 |
CN110019586A (zh) * | 2017-08-31 | 2019-07-16 | 北京嘀嘀无限科技发展有限公司 | 一种显示道路拥堵点的方法、***及计算机装置 |
CN110268227A (zh) * | 2017-02-17 | 2019-09-20 | 爱信艾达株式会社 | 行驶辅助装置和计算机程序 |
CN110375760A (zh) * | 2019-07-29 | 2019-10-25 | 北京百度网讯科技有限公司 | 路线确定方法、装置、设备和介质 |
CN110533254A (zh) * | 2019-09-04 | 2019-12-03 | 百度在线网络技术(北京)有限公司 | 一种路段识别方法、装置、设备及存储介质 |
-
2020
- 2020-10-09 CN CN202011074857.XA patent/CN112179372B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11160081A (ja) * | 1997-11-27 | 1999-06-18 | Alpine Electron Inc | ナビゲーション方法 |
CN101303799A (zh) * | 2008-05-27 | 2008-11-12 | 德信无线通讯科技(北京)有限公司 | 路况信息显示方法及*** |
CN104729515A (zh) * | 2013-12-24 | 2015-06-24 | 上海博泰悦臻网络技术服务有限公司 | 导航路径比对方法及*** |
CN104535073A (zh) * | 2014-12-31 | 2015-04-22 | 北京赛维安讯科技发展有限公司 | 路况信息显示装置及方法、车辆导航***及方法 |
CN105628044A (zh) * | 2015-12-28 | 2016-06-01 | 中兴软创科技股份有限公司 | 基于位置实时更新与路段属性的车载导航装置与导航方法 |
CN105890588A (zh) * | 2016-03-31 | 2016-08-24 | 百度在线网络技术(北京)有限公司 | 导航路线的显示方法和装置 |
CN110268227A (zh) * | 2017-02-17 | 2019-09-20 | 爱信艾达株式会社 | 行驶辅助装置和计算机程序 |
CN108955703A (zh) * | 2017-05-17 | 2018-12-07 | 腾讯科技(深圳)有限公司 | 导航方法、装置及移动终端 |
CN110019586A (zh) * | 2017-08-31 | 2019-07-16 | 北京嘀嘀无限科技发展有限公司 | 一种显示道路拥堵点的方法、***及计算机装置 |
CN107621267A (zh) * | 2017-09-05 | 2018-01-23 | 上海博泰悦臻网络技术服务有限公司 | 一种基于路况摄像头的车载导航方法及***、车载终端 |
CN110375760A (zh) * | 2019-07-29 | 2019-10-25 | 北京百度网讯科技有限公司 | 路线确定方法、装置、设备和介质 |
CN110533254A (zh) * | 2019-09-04 | 2019-12-03 | 百度在线网络技术(北京)有限公司 | 一种路段识别方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112179372B (zh) | 2021-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108470159B (zh) | 车道线数据处理方法、装置、计算机设备和存储介质 | |
CN110852285B (zh) | 对象检测方法、装置、计算机设备和存储介质 | |
CN111368600B (zh) | 遥感图像目标检测识别方法、装置、可读存储介质及设备 | |
CN107944450B (zh) | 一种车牌识别方法及装置 | |
CN111104538A (zh) | 一种基于多尺度约束的细粒度车辆图像检索的方法及装置 | |
CN114359851A (zh) | 无人驾驶目标检测方法、装置、设备及介质 | |
CN111814794A (zh) | 文本检测方法、装置、电子设备及存储介质 | |
CN111274926B (zh) | 图像数据筛选方法、装置、计算机设备和存储介质 | |
CN111931683B (zh) | 图像识别方法、装置及计算机可读存储介质 | |
CN108256454B (zh) | 一种基于cnn模型的训练方法、人脸姿态估测方法及装置 | |
CN111860219B (zh) | 一种高速占道判断方法、装置及电子设备 | |
CN112818792A (zh) | 车道线检测方法、装置、电子设备及计算机存储介质 | |
CN111753592A (zh) | 交通标志识别方法、装置、计算机设备和存储介质 | |
CN114241432A (zh) | 车牌识别方法、设备及存储介质 | |
CN117218622A (zh) | 路况检测方法、电子设备及存储介质 | |
CN110659631B (zh) | 车牌识别方法和终端设备 | |
CN112179372B (zh) | 基于5g人工智能车载终端设备 | |
CN112215188A (zh) | 交警姿态识别方法、装置、设备及存储介质 | |
CN110057377B (zh) | 路径导航方法及相关产品 | |
CN116206326A (zh) | 缺失检测模型的训练方法、导流区的缺失检测方法及装置 | |
JP2008234102A (ja) | 標示体認識装置、標示体認識方法及び標示体認識プログラム | |
CN113963238A (zh) | 多任务感知识别模型的构建方法以及多任务感知识别方法 | |
CN115063759A (zh) | 一种三维车道线检测方法、装置、交通工具及存储介质 | |
CN111553368A (zh) | 伪造车牌的识别方法、训练方法、装置、设备及存储介质 | |
CN115147811B (zh) | 一种车道线检测方法、装置及电子设备 |
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 |