CN115527156B - 基于驾校训练场地3d模型的练车监控方法及相关设备 - Google Patents
基于驾校训练场地3d模型的练车监控方法及相关设备 Download PDFInfo
- Publication number
- CN115527156B CN115527156B CN202210453955.7A CN202210453955A CN115527156B CN 115527156 B CN115527156 B CN 115527156B CN 202210453955 A CN202210453955 A CN 202210453955A CN 115527156 B CN115527156 B CN 115527156B
- Authority
- CN
- China
- Prior art keywords
- coordinate system
- cartesian coordinate
- driving
- training field
- driving school
- 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
- 238000012549 training Methods 0.000 title claims abstract description 293
- 238000012544 monitoring process Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000006243 chemical reaction Methods 0.000 claims abstract description 28
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 16
- 238000012806 monitoring device Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/003—Navigation within 3D models or images
-
- 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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Geometry (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本申请实施例公开了一种基于驾校训练场地3d模型的练车监控方法及相关设备。方法包括:通过高精度***分别采集驾校训练场地中各科目场地预设的场景关键点的第一gps定位数据,以及各科目场地预设的科目标线关键点的第二gps定位数据;根据高斯坐标转换算法将第一gps定位数据以及第二gps定位数据分别转换为第一笛卡尔坐标系坐标以及第二笛卡尔坐标系坐标;根据第一笛卡尔坐标系坐标以及第二笛卡尔坐标系坐标生成驾校训练场地3d模型;获取驾校训练场地中车辆的车辆gps定位数据;根据驾校训练场地3d模型以及车辆gps定位数据对学员练车情况进行监控。本方案通过构造驾校训练场地3d模型可实现学员练车情况的全方位监控。
Description
技术领域
本申请涉及数字监控技术领域,尤其涉及一种基于驾校训练场地3d模型的练车监控方法及相关设备。
背景技术
为了对驾校学员的练车情况进行电子监控,现有技术中,通常通过增加驾校训练场地中的摄像头数量或者通过无人机动态监控驾校训练场。
但是,现有技术的弊端非常明显,无论增加多少摄像头,也不可能百分百地覆盖到考场的每一个角落,对学员的练车情况进行全面监控,无人机也会存在续航、维修、操作等一系列问题。故现亟需一种方法能对学员的练车情况进行全方位的监控。
发明内容
本申请实施例提供了一种基于驾校训练场地3d模型的练车监控方法及相关设备,可以构建驾校训练场地3d模型,并基于该驾校训练场地3d模型对学员的练车情况进行全方位的监控。
第一方面,本申请实施例提供了一种基于驾校训练场地3d模型的练车监控方法,其包括:通过高精度***分别采集驾校训练场地中各科目场地预设的场景关键点的第一gps定位数据,以及各科目场地预设的科目标线关键点的第二 gps定位数据;
根据高斯坐标转换算法将所述第一gps定位数据以及所述第二gps定位数据分别转换为第一笛卡尔坐标系坐标以及第二笛卡尔坐标系坐标;
根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型;
获取所述驾校训练场地中车辆的车辆gps定位数据;
根据所述驾校训练场地3d模型以及所述车辆gps定位数据对学员练车情况进行监控。
在一些实施例中,所述根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型之前,所述方法还包括:
通过高精度***采集所述驾校训练场地各顶点的顶点gps定位数据,各所述顶点构成的图形可以覆盖整个所述驾校训练场地;
根据高斯坐标转换算法将所述顶点gps定位数据转换成顶点笛卡尔坐标系坐标;
所述根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型,包括:
根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标以及所述顶点笛卡尔坐标系坐标生成所述驾校训练场地3d模型。
在一些实施例中,所述根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型之前,所述方法还包括:
通过高精度***采集所述驾校训练场地中障碍区域预设的边缘关键点的障碍点gps定位数据;
根据高斯坐标转换算法将所述障碍点gps定位数据转换成障碍点笛卡尔坐标系坐标;
所述根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标以及所述顶点笛卡尔坐标系坐标生成所述驾校训练场地3d模型,包括:
根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标以及所述障碍点笛卡尔坐标系坐标生成所述驾校训练场地3d 模型。
在一些实施例中,所述根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型之前,所述方法还包括:
采集高台的边缘关键点的第一高度值,所述高台为高出所述驾校训练场地低面的地面;
分别采集半坡的最低边缘关键点以及最高边缘关键点的第二高度值,所述半坡用于连接所述高台与所述驾校训练场地低面;
所述根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标以及所述障碍点笛卡尔坐标系坐标生成所述驾校训练场地3d模型,包括:
所述根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标、所述障碍点笛卡尔坐标系坐标、所述第一高度值以及所述第二高度值生成所述驾校训练场地3d模型。
在一些实施例中,所述根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型之前,所述方法还包括:
通过高精度***采集各科目场地之间的预报线的与预报线gps定位数据,所述预报线与下一个科目场地的起始线距离大于5米;
所述根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标、所述障碍点笛卡尔坐标系坐标所述第一高度值以及所述第二高度值生成所述驾校训练场地3d模型,包括:
根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标、所述障碍点笛卡尔坐标系坐标、所述第一高度值、所述第二高度值以及所述预报线gps定位数据生成所述驾校训练场地3d模型。
在一些实施例中,所述通过高精度***分别采集驾校训练场地中各科目场地预设的场景关键点的第一gps定位数据,以及各科目场地预设的科目标线关键点的第二gps定位数据之后,所述方法还包括:
根据所述第一gps定位数据确定所述场景关键点间是否构成封闭图形;
若所述场景关键点间没有构成封闭图形,则修正所述场景关键点。
在一些实施例中,所述根据所述驾校训练场地3d模型以及所述车辆gps定位数据对学员练车情况进行监控,包括:
根据高斯坐标转换算法将所述车辆gps定位数据转换为车辆笛卡尔坐标系坐标;
将所述车辆笛卡尔坐标系坐标加入所述驾校训练场地3d模型,根据所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置对学员练车情况进行监控。
在一些实施例中,所述根据所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置对学员练车情况进行监控,包括:
将所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置显示在驾校监控中心的监控设备上,以实现他人对学员练车情况的监控;和/或,
将所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置显示在所述车辆笛卡尔坐标系坐标对应车辆中车载屏的辅助练车设备上,以实现学员自身对练车情况的监控。
第二方面,本申请实施例还提供了一种基于驾校训练场地3d模型的练车监控装置,其包括:获取单元以及处理单元,其中:
所述获取单元,用于通过高精度***分别采集驾校训练场地中各科目场地预设的场景关键点的第一gps定位数据,以及各科目场地预设的科目标线关键点的第二gps定位数据;
所述处理单元,用于根据高斯坐标转换算法将所述第一gps定位数据以及所述第二gps定位数据分别转换为第一笛卡尔坐标系坐标以及第二笛卡尔坐标系坐标;根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型;
所述获取单元,还用于获取所述驾校训练场地中车辆的车辆gps定位数据;
所述处理单元,还用于根据所述驾校训练场地3d模型以及所述车辆gps定位数据对学员练车情况进行监控。
第三方面,本申请实施例还提供了一种计算机设备,其包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时可实现上述方法。
本申请实施例提供了一种基于驾校训练场地3d模型的练车监控方法及相关设备。其中,所述方法包括:通过高精度***分别采集驾校训练场地中各科目场地预设的场景关键点的第一gps定位数据,以及各科目场地预设的科目标线关键点的第二gps定位数据;根据高斯坐标转换算法将所述第一gps定位数据以及所述第二gps定位数据分别转换为第一笛卡尔坐标系坐标以及第二笛卡尔坐标系坐标;根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型;获取所述驾校训练场地中车辆的车辆gps定位数据;根据所述驾校训练场地3d模型以及所述车辆gps定位数据对学员练车情况进行监控。本方案通过构造驾校训练场地3d模型以及获取车辆gps定位数据对学员练车情况进行监控,可以实时监控到学员的练习情况,不需要驾校训练场中安装多个摄像头,也不需要通过无人机进行监控,即可实现学员练车情况的全方位监控。
附图说明
为了更清楚地说明本申请实施例技术方案,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为本申请实施例提供的基于驾校训练场地3d模型的练车监控方法的流程示意图;
图2为本申请实施例提供的科目二坡道关键点的gps定位数据采集的一个示意图;
图3为本申请实施例提供的地面采集示意图;
图4为本申请实施例提供的非封闭图形的示意图;
图5为本申请实施例提供的封闭图形的示意图;
图6为本申请实施例提供的高台示意图;
图7为本申请实施例提供的半坡示意图;
图8为本申请实施例提供的特殊地形示意图;
图9a为本申请实施例提供的曲线行驶标线示意图;
图9b为本申请实施例提供的上坡起步标线示意图;
图9c为本申请实施例提供的窄路掉头标线示意图;
图9d为本申请实施例提供的直角转弯标线示意图;
图9e为本申请实施例提供的起点区域标线示意图;
图9f为本申请实施例提供的紧急情况标线示意图;
图9g为本申请实施例提供的侧方停车标线示意图;
图9h为本申请实施例提供的停车取卡标线示意图;
图9i为本申请实施例提供的倒车入库标线示意图;
图9j为本申请实施例提供的模拟隧道标线示意图;
图9k为本申请实施例提供的边线练习标线示意图。
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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
本申请实施例提供了一种基于驾校训练场地3d模型的练车监控方法及相关设备。
该基于驾校训练场地3d模型的练车监控方法的执行主体可以是本申请实施例提供的基于驾校训练场地3d模型的练车监控装置,或者集成了该基于驾校训练场地3d模型的练车监控装置的计算机设备,其中,该基于驾校训练场地3d 模型的练车监控装置可以采用硬件或者软件的方式实现,该计算机设备可以为终端或服务器。
图1是本申请实施例提供的基于驾校训练场地3d模型的练车监控方法的流程示意图。如图1所示,该方法包括以下步骤S110-150。
S110、通过高精度***分别采集驾校训练场地中各科目场地预设的场景关键点的第一gps定位数据,以及各科目场地预设的科目标线关键点的第二gps 定位数据。
其中,各科目场地包括驾校训练场的考试科目(科目二以及科目三)的练习场地,例如倒车入库练习场地、侧方位停车练习场地、曲线行驶练习场地、直角转弯练习场地、上坡起步场地、窄路掉头场地、起点场地、紧急情况练习场地、停车取卡场地、模拟隧道场地、湿滑路面场地以及边线练习场地等。
如图2所示,图2为科目二坡道关键点的gps定位数据采集的一个示意图。
上坡起步训练项目除去科目标线以外的部分,还包括坡道和坡道上的护栏。
其中,对于上坡起步的要求:
1、按顺序采集坡道8个外边缘关键点(图2中的点1-8),点3、4、7、8组成的部分是坡道顶部的曲面部分,一般距离较短;
2、采集护栏关键点(如图2中的1,9,10,2的位置即护栏锚点);
3、1,9,10,2护栏锚点应保持在同一水平线。
需要说明的是,本申请在采集场景物体时,均采用逆时针顺序对关键点进行的gps定位数据进行采集。
S120、根据高斯坐标转换算法将所述第一gps定位数据以及所述第二gps 定位数据分别转换为第一笛卡尔坐标系坐标以及第二笛卡尔坐标系坐标。
本实施例中,当采集到的关键点的gps定位数据之后,将会将采集到的gps 定位数据转换成相应的笛卡尔坐标系坐标,以便后续建模使用。
S130、根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型。
本实施例中,根据获取到的笛卡尔坐标系坐标生成驾校训练场地3d模型。
其中,在一些实施例中,为了明确驾校训练场的地面形状(覆盖整个训练场地的地面),在步骤S130之前,还需要进一步进行场景的采集,例如:通过高精度***采集所述驾校训练场地各顶点的顶点gps定位数据,各所述顶点构成的图形可以覆盖整个所述驾校训练场地;根据高斯坐标转换算法将所述顶点 gps定位数据转换成顶点笛卡尔坐标系坐标;
例如,如果驾校训练场的整体形状为矩形,则如图3所示,按顺序采集考场周围4个顶点,4个顶点构成矩形可以覆盖所有考场物体。
此时,步骤S130具体包括:根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标以及所述顶点笛卡尔坐标系坐标生成所述驾校训练场地3d模型。
在一些实施例中,为了提高驾校训练场地3d模型的精度,在步骤S130之前,步骤还包括:通过高精度***采集所述驾校训练场地中障碍区域预设的边缘关键点的障碍点gps定位数据;根据高斯坐标转换算法将所述障碍点gps 定位数据转换成障碍点笛卡尔坐标系坐标;
此时,步骤S130具体包括:所述根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标以及所述障碍点笛卡尔坐标系坐标生成所述驾校训练场地3d模型。
其中,障碍区域包括驾校中的花坛等不能行使车辆的位置。
具体地,以花坛为例,在采集障碍区域的关键点gps定位数据时按照以下规则进行采集:
1.按逆时针顺序采集花坛周边各个拐点(采集水泥墩中点而不是外边缘点);
2.采集的最后一个点应该可以和第一个点形成封闭图形;
3.花坛所在的点必须在同一平面(或斜面);
其中,对于比较复杂的花坛可以分解成多个花坛分开采集。
在一些实施例中,对于每个场景,采集到的最后一个点应该可以和第一个点形成封闭图形,如果检测到采集到的最后一个点没有和第一个点形成封闭图形,则需要修正对应场景的场景关键点,例如:根据所述第一gps定位数据确定所述场景关键点间是否构成封闭图形;若所述场景关键点间没有构成封闭图形,则修正所述场景关键点。
如图4所示,图4为非封闭图形的示意图,图5是封闭图形的示意图。
其中,修正方法包括增加关键点或者删除关键点,使其构成封闭图形。
考虑到驾校训练场地中可能存在一些有一定高度,却影响项目训练的特殊地面,或者驾校训练场地中存在不同高度的两个或多个场地时,本申请将这种存在高度的场景命名为高台(如图6所示,图6为本申请中高台的一示意图),将平滑阶梯状建筑,用于连接高台与地面的场景名称为半坡(如图7所示,图7 为本申请中半坡的一示意图),此时,为了进一步提高驾校训练场地3d模型的精度,在步骤S130之前,方法还包括:采集高台的边缘关键点的第一高度值,所述高台为高出所述驾校训练场地低面的地面;分别采集半坡的最低边缘关键点(图7中的1、2)以及最高边缘关键点的第二高度值(图7中的3、4)。
此时,步骤S130包括:
所述根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标、所述障碍点笛卡尔坐标系坐标、所述第一高度值以及所述第二高度值生成所述驾校训练场地3d模型。
其中,在采集高台时,如果有建筑堆积的情况,如多个高台累积出更高的地形,需要先采集最下面的地形。高台的采集要求为:
1.按逆时针方向(必须)采集边缘点,并形成封闭多边形;
2.填写高度(厘米),宽度填0。
半坡的采集要求为:
1.按顺序采集4个点;
2.填写高度(厘米),宽度填0。
利用半坡和高台可以搭建一些特殊地形,例如图8所示,图8为半坡和高台搭建的特殊地形的示意图。
在一些实施例中,在科目表现的采集中,为了提醒监控着学员即将进入下一个项目(例如模拟隧道项目),在生成驾校训练场地3d模型之前,方法还包括:通过高精度***采集各科目场地之间的预报线的与预报线gps定位数据,所述预报线与下一个科目场地的起始线距离大于5米,其中,湿滑路面必须采集预报线;
此时,步骤S130具体包括:
根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标、所述障碍点笛卡尔坐标系坐标、所述第一高度值、所述第二高度值以及所述预报线gps定位数据生成所述驾校训练场地3d模型。
其中,各科目场地预设的科目标线关键点采集如图9a-9k所示,图中的数字表示关键点位置(只标注了部分关键点),图9a为曲线行驶标线示意图;图9b 为上坡起步标线示意图;图9c为窄路掉头标线示意图;图9d为直角转弯标线示意图;图9e为起点区域标线示意图;图9f为紧急情况标线示意图;图9g为侧方停车标线示意图;图9h为停车取卡标线示意图;图9i为倒车入库标线示意图;图9j为模拟隧道标线示意图;图9k为边线练习标线示意图。
S140、获取所述驾校训练场地中车辆的车辆gps定位数据。
本实施中,驾校中教练车都安装有gps定位装置,通过该装置可以获取到车辆在驾校训练场地中的精确位置。
S150、根据所述驾校训练场地3d模型以及所述车辆gps定位数据对学员练车情况进行监控。
具体地,根据高斯坐标转换算法将所述车辆gps定位数据转换为车辆笛卡尔坐标系坐标;将所述车辆笛卡尔坐标系坐标加入所述驾校训练场地3d模型,根据所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置对学员练车情况进行监控。
进一步地,所述根据所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置对学员练车情况进行监控,包括:
将所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置显示在驾校监控中心的监控设备上,以实现他人对学员练车情况的监控;和/或,
将所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置显示在所述车辆笛卡尔坐标系坐标对应车辆中车载屏的辅助练车设备上,以实现学员自身对练车情况的监控,此时,学员可实时观测自己车身所属情况,进行车辆正确的调整,以提升练车质量。
综上所述,本申请通过高精度***分别采集驾校训练场地中各科目场地预设的场景关键点的第一gps定位数据,以及各科目场地预设的科目标线关键点的第二gps定位数据;根据高斯坐标转换算法将所述第一gps定位数据以及所述第二gps定位数据分别转换为第一笛卡尔坐标系坐标以及第二笛卡尔坐标系坐标;根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型;获取所述驾校训练场地中车辆的车辆gps定位数据;根据所述驾校训练场地3d模型以及所述车辆gps定位数据对学员练车情况进行监控。本方案通过构造驾校训练场地3d模型以及获取车辆gps定位数据对学员练车情况进行监控,可以实时监控到学员的练习情况,不需要驾校训练场中安装多个摄像头,也不需要通过无人机进行监控,即可实现学员练车情况的全方位监控。
对应于以上基于驾校训练场地3d模型的练车监控方法,本申请还提供一种基于驾校训练场地3d模型的练车监控装置。该基于驾校训练场地3d模型的练车监控装置包括用于执行上述基于驾校训练场地3d模型的练车监控方法的单元,该装置可以被配置于台式电脑、平板电脑、手提电脑、等终端中。具体地,该基于驾校训练场地3d模型的练车监控装置包括获取单元以及处理单元,其中:
所述获取单元,用于通过高精度***分别采集驾校训练场地中各科目场地预设的场景关键点的第一gps定位数据,以及各科目场地预设的科目标线关键点的第二gps定位数据;
所述处理单元,用于根据高斯坐标转换算法将所述第一gps定位数据以及所述第二gps定位数据分别转换为第一笛卡尔坐标系坐标以及第二笛卡尔坐标系坐标;根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型;
所述获取单元,还用于获取所述驾校训练场地中车辆的车辆gps定位数据;
所述处理单元,还用于根据所述驾校训练场地3d模型以及所述车辆gps定位数据对学员练车情况进行监控。
在一些实施例中,所述获取单元,还用于通过高精度***采集所述驾校训练场地各顶点的顶点gps定位数据,各所述顶点构成的图形可以覆盖整个所述驾校训练场地;
所述处理单元,还用于根据高斯坐标转换算法将所述顶点gps定位数据转换成顶点笛卡尔坐标系坐标;
此时,所述处理单元在执行所述根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型步骤时,具体用于:
所述根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标以及所述顶点笛卡尔坐标系坐标生成所述驾校训练场地3d模型。
在一些实施例中,所述获取单元,还用于通过高精度***采集所述驾校训练场地中障碍区域预设的边缘关键点的障碍点gps定位数据;
所述处理单元,还用于根据高斯坐标转换算法将所述障碍点gps定位数据转换成障碍点笛卡尔坐标系坐标;
此时,所述处理单元在执行所述根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标以及所述顶点笛卡尔坐标系坐标生成所述驾校训练场地3d 模型步骤时,具体用于:
根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标以及所述障碍点笛卡尔坐标系坐标生成所述驾校训练场地3d 模型。
在一些实施例中,所述获取单元,还用于采集高台的边缘关键点的第一高度值,所述高台为高出所述驾校训练场地低面的地面;
分别采集半坡的最低边缘关键点以及最高边缘关键点的第二高度值,所述半坡用于连接所述高台与所述驾校训练场地低面;
此时,所述处理单元在执行所述根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标以及所述障碍点笛卡尔坐标系坐标生成所述驾校训练场地3d模型步骤时,具体用于:
根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标、所述障碍点笛卡尔坐标系坐标、所述第一高度值以及所述第二高度值生成所述驾校训练场地3d模型。
在一些实施例中,所述获取单元,还用于通过高精度***采集各科目场地之间的预报线的与预报线gps定位数据,所述预报线与下一个科目场地的起始线距离大于5米;
此时,所述处理单元在执行所述根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标、所述障碍点笛卡尔坐标系坐标所述第一高度值以及所述第二高度值生成所述驾校训练场地3d模型步骤时,具体用于:根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标、所述障碍点笛卡尔坐标系坐标、所述第一高度值、所述第二高度值以及所述预报线gps定位数据生成所述驾校训练场地3d模型。
在一些实施例中,所述处理单元还用于:
根据所述第一gps定位数据确定所述场景关键点间是否构成封闭图形;
若所述场景关键点间没有构成封闭图形,则修正所述场景关键点。
在一些实施例中,所述处理单元在执行所述根据所述驾校训练场地3d模型以及所述车辆gps定位数据对学员练车情况进行监控步骤时,具体用于:
根据高斯坐标转换算法将所述车辆gps定位数据转换为车辆笛卡尔坐标系坐标;
将所述车辆笛卡尔坐标系坐标加入所述驾校训练场地3d模型,根据所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置对学员练车情况进行监控。
在一些实施例中,所述处理单元在执行所述根据所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置对学员练车情况进行监控步骤时,具体用于:
将所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置显示在驾校监控中心的监控设备上,以实现他人对学员练车情况的监控;和/或,
将所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置显示在所述车辆笛卡尔坐标系坐标对应车辆中车载屏的辅助练车设备上,以实现学员自身对练车情况的监控。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述基于驾校训练场地3d模型的练车监控装置和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述基于驾校训练场地3d模型的练车监控装置可以实现为一种计算机程序的形式,该计算机程序可以在计算机设备上运行。
该计算机设备可以是终端,也可以是服务器,其中,终端可以是智能手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等具有通信功能的电子设备。服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
该计算机设备包括通过***总线连接的处理器、存储器和网络接口,其中,存储器可以包括非易失性存储介质和内存储器。
该非易失性存储介质可存储操作***和计算机程序。该计算机程序包括程序指令,该程序指令被执行时,可使得处理器执行一种基于驾校训练场地3d模型的练车监控方法。
该处理器用于提供计算和控制能力,以支撑整个计算机设备的运行。
该内存储器为非易失性存储介质中的计算机程序的运行提供环境,该计算机程序被处理器执行时,可使得处理器执行一种基于驾校训练场地3d模型的练车监控方法。
该网络接口用于与其它设备进行网络通信。其中,所述处理器用于运行存储在存储器中的计算机程序,以实现如下步骤:
通过高精度***分别采集驾校训练场地中各科目场地预设的场景关键点的第一gps定位数据,以及各科目场地预设的科目标线关键点的第二gps定位数据;
根据高斯坐标转换算法将所述第一gps定位数据以及所述第二gps定位数据分别转换为第一笛卡尔坐标系坐标以及第二笛卡尔坐标系坐标;
根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型;
获取所述驾校训练场地中车辆的车辆gps定位数据;
根据所述驾校训练场地3d模型以及所述车辆gps定位数据对学员练车情况进行监控。
在一些实施例中,处理器502在实现所述根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型步骤之前,还实现如下步骤:
通过高精度***采集所述驾校训练场地各顶点的顶点gps定位数据,各所述顶点构成的图形可以覆盖整个所述驾校训练场地;
根据高斯坐标转换算法将所述顶点gps定位数据转换成顶点笛卡尔坐标系坐标;
此时,处理器502在实现所述根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型步骤时,具体实现如下步骤:
所述根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标以及所述顶点笛卡尔坐标系坐标生成所述驾校训练场地3d模型。
在一些实施例中,处理器502在实现所根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型步骤之前,还实现如下步骤:
通过高精度***采集所述驾校训练场地中障碍区域预设的边缘关键点的障碍点gps定位数据;
根据高斯坐标转换算法将所述障碍点gps定位数据转换成障碍点笛卡尔坐标系坐标;
此时,处理器502在实现所述根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标以及所述顶点笛卡尔坐标系坐标生成所述驾校训练场地3d模型步骤时,具体实现如下步骤:
根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标以及所述障碍点笛卡尔坐标系坐标生成所述驾校训练场地3d 模型。
在一些实施例中,处理器502在实现所述根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型步骤之前,还实现如下步骤:
采集高台的边缘关键点的第一高度值,所述高台为高出所述驾校训练场地低面的地面;
分别采集半坡的最低边缘关键点以及最高边缘关键点的第二高度值,所述半坡用于连接所述高台与所述驾校训练场地低面;
此时,处理器502在实现所述根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标以及所述障碍点笛卡尔坐标系坐标生成所述驾校训练场地3d模型步骤时,具体实现如下步骤:
根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标、所述障碍点笛卡尔坐标系坐标、所述第一高度值以及所述第二高度值生成所述驾校训练场地3d模型。
在一些实施例中,处理器502在实现所述根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型步骤之前,还实现如下步骤:
通过高精度***采集各科目场地之间的预报线的与预报线gps定位数据,所述预报线与下一个科目场地的起始线距离大于5米;
此时,处理器502在实现所述根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标、所述障碍点笛卡尔坐标系坐标所述第一高度值以及所述第二高度值生成所述驾校训练场地3d模型步骤时,具体实现如下步骤:
根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标、所述障碍点笛卡尔坐标系坐标、所述第一高度值、所述第二高度值以及所述预报线gps定位数据生成所述驾校训练场地3d模型。
在一些实施例中,处理器502在实现所述通过高精度***分别采集驾校训练场地中各科目场地预设的场景关键点的第一gps定位数据,以及各科目场地预设的科目标线关键点的第二gps定位数据步骤之后,还实现如下步骤:
根据所述第一gps定位数据确定所述场景关键点间是否构成封闭图形;
若所述场景关键点间没有构成封闭图形,则修正所述场景关键点。
在一些实施例中,处理器502在实现所述根据所述驾校训练场地3d模型以及所述车辆gps定位数据对学员练车情况进行监控步骤时,具体实现如下步骤:
根据高斯坐标转换算法将所述车辆gps定位数据转换为车辆笛卡尔坐标系坐标;
将所述车辆笛卡尔坐标系坐标加入所述驾校训练场地3d模型,根据所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置对学员练车情况进行监控。
在一些实施例中,处理器在实现所述根据所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置对学员练车情况进行监控步骤时,具体实现如下步骤:
将所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置显示在驾校监控中心的监控设备上,以实现他人对学员练车情况的监控;和/或,
将所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置显示在所述车辆笛卡尔坐标系坐标对应车辆中车载屏的辅助练车设备上,以实现学员自身对练车情况的监控。
应当理解,在本申请实施例中,处理器可以是中央处理单元(Central ProcessingUnit,CPU),该处理器还可以是其他通用处理器、数字信号处理器 (Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令,计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该程序指令被该计算机***中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本申请还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序,其中计算机程序包括程序指令。该程序指令被处理器执行时使处理器执行如下步骤:
通过高精度***分别采集驾校训练场地中各科目场地预设的场景关键点的第一gps定位数据,以及各科目场地预设的科目标线关键点的第二gps定位数据;
根据高斯坐标转换算法将所述第一gps定位数据以及所述第二gps定位数据分别转换为第一笛卡尔坐标系坐标以及第二笛卡尔坐标系坐标;
根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型;
获取所述驾校训练场地中车辆的车辆gps定位数据;
根据所述驾校训练场地3d模型以及所述车辆gps定位数据对学员练车情况进行监控。
在一些实施例中,所述处理器在执行所述程序指令而实现所述根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型步骤之前,还实现如下步骤:
通过高精度***采集所述驾校训练场地各顶点的顶点gps定位数据,各所述顶点构成的图形可以覆盖整个所述驾校训练场地;
根据高斯坐标转换算法将所述顶点gps定位数据转换成顶点笛卡尔坐标系坐标;
此时,所述处理器在执行所述程序指令而实现所述根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型步骤时,具体实现如下步骤:
所述根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标以及所述顶点笛卡尔坐标系坐标生成所述驾校训练场地3d模型。
在一些实施例中,所述处理器在执行所述程序指令而实现所述根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型步骤之前,还实现如下步骤:
通过高精度***采集所述驾校训练场地中障碍区域预设的边缘关键点的障碍点gps定位数据;
根据高斯坐标转换算法将所述障碍点gps定位数据转换成障碍点笛卡尔坐标系坐标;
此时,所述处理器在执行所述程序指令而实现所述根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标以及所述顶点笛卡尔坐标系坐标生成所述驾校训练场地3d模型步骤时,具体实现如下步骤:
根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标以及所述障碍点笛卡尔坐标系坐标生成所述驾校训练场地3d 模型。
在一些实施例中,所述处理器在执行所述程序指令而实现所述根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型步骤之前,还实现如下步骤:
采集高台的边缘关键点的第一高度值,所述高台为高出所述驾校训练场地低面的地面;
分别采集半坡的最低边缘关键点以及最高边缘关键点的第二高度值,所述半坡用于连接所述高台与所述驾校训练场地低面;
此时,所述处理器在执行所述程序指令而实现所述根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标以及所述障碍点笛卡尔坐标系坐标生成所述驾校训练场地3d模型步骤时,具体实现如下步骤:
根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标、所述障碍点笛卡尔坐标系坐标、所述第一高度值以及所述第二高度值生成所述驾校训练场地3d模型。
在一些实施例中,所述处理器在执行所述程序指令而实现所述根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型步骤之前,还实现如下步骤:
通过高精度***采集各科目场地之间的预报线的与预报线gps定位数据,所述预报线与下一个科目场地的起始线距离大于5米;
此时,所述处理器在执行所述程序指令而实现所述根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标、所述障碍点笛卡尔坐标系坐标所述第一高度值以及所述第二高度值生成所述驾校训练场地3d模型步骤时,具体实现如下步骤:
根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标、所述障碍点笛卡尔坐标系坐标、所述第一高度值、所述第二高度值以及所述预报线gps定位数据生成所述驾校训练场地3d模型。
在一些实施例中,所述处理器在执行所述程序指令而实现所述通过高精度***分别采集驾校训练场地中各科目场地预设的场景关键点的第一gps定位数据,以及各科目场地预设的科目标线关键点的第二gps定位数据步骤之后,还实现如下步骤:
根据所述第一gps定位数据确定所述场景关键点间是否构成封闭图形;
若所述场景关键点间没有构成封闭图形,则修正所述场景关键点。
在一些实施例中,所述处理器在执行所述程序指令而实现所述根据所述驾校训练场地3d模型以及所述车辆gps定位数据对学员练车情况进行监控步骤时,具体实现如下步骤:
根据高斯坐标转换算法将所述车辆gps定位数据转换为车辆笛卡尔坐标系坐标;
将所述车辆笛卡尔坐标系坐标加入所述驾校训练场地3d模型,根据所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置对学员练车情况进行监控。
在一些实施例中,所述处理器在执行所述程序指令而实现所述根据所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置对学员练车情况进行监控步骤时,具体实现如下步骤:
将所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置显示在驾校监控中心的监控设备上,以实现他人对学员练车情况的监控;和/或,
将所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置显示在所述车辆笛卡尔坐标系坐标对应车辆中车载屏的辅助练车设备上,以实现学员自身对练车情况的监控。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory, ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,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,各个单元的划分,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。例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。
本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本申请实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本申请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,也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品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,终端,或者网络设备等) 执行本申请各个实施例所述方法的全部或部分步骤。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种基于驾校训练场地3d模型的练车监控方法,其特征在于,包括:
通过高精度***分别采集驾校训练场地中各科目场地预设的场景关键点的第一gps定位数据,以及各科目场地预设的科目标线关键点的第二gps定位数据;
根据高斯坐标转换算法将所述第一gps定位数据以及所述第二gps定位数据分别转换为第一笛卡尔坐标系坐标以及第二笛卡尔坐标系坐标;
根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型;
获取所述驾校训练场地中车辆的车辆gps定位数据;
根据所述驾校训练场地3d模型以及所述车辆gps定位数据对学员练车情况进行监控;
所述根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型之前,所述方法还包括:通过高精度***采集所述驾校训练场地各顶点的顶点gps定位数据,各所述顶点构成的图形可以覆盖整个所述驾校训练场地;根据高斯坐标转换算法将所述顶点gps定位数据转换成顶点笛卡尔坐标系坐标;所述根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型,包括:所述根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标以及所述顶点笛卡尔坐标系坐标生成所述驾校训练场地3d模型;
所述根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型之前,所述方法还包括:通过高精度***采集所述驾校训练场地中障碍区域预设的边缘关键点的障碍点gps定位数据;根据高斯坐标转换算法将所述障碍点gps定位数据转换成障碍点笛卡尔坐标系坐标;所述根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标以及所述顶点笛卡尔坐标系坐标生成所述驾校训练场地3d模型,包括:根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标以及所述障碍点笛卡尔坐标系坐标生成所述驾校训练场地3d模型;
所述根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型之前,所述方法还包括:采集高台的边缘关键点的第一高度值,所述高台为高出所述驾校训练场地低面的地面;分别采集半坡的最低边缘关键点以及最高边缘关键点的第二高度值,所述半坡用于连接所述高台与所述驾校训练场地低面;所述根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标以及所述障碍点笛卡尔坐标系坐标生成所述驾校训练场地3d模型,包括:根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标、所述障碍点笛卡尔坐标系坐标、所述第一高度值以及所述第二高度值生成所述驾校训练场地3d模型。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一笛卡尔坐标系坐标以及所述第二笛卡尔坐标系坐标生成驾校训练场地3d模型之前,所述方法还包括:
通过高精度***采集各科目场地之间的预报线的与预报线gps定位数据,所述预报线与下一个科目场地的起始线距离大于5米;
所述根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标、所述障碍点笛卡尔坐标系坐标所述第一高度值以及所述第二高度值生成所述驾校训练场地3d模型,包括:
根据所述第一笛卡尔坐标系坐标、所述第二笛卡尔坐标系坐标、所述顶点笛卡尔坐标系坐标、所述障碍点笛卡尔坐标系坐标、所述第一高度值、所述第二高度值以及所述预报线gps定位数据生成所述驾校训练场地3d模型。
3.根据权利要求1至2中任一项所述的方法,其特征在于,所述通过高精度***分别采集驾校训练场地中各科目场地预设的场景关键点的第一gps定位数据,以及各科目场地预设的科目标线关键点的第二gps定位数据之后,所述方法还包括:
根据所述第一gps定位数据确定所述场景关键点间是否构成封闭图形;
若所述场景关键点间没有构成封闭图形,则修正所述场景关键点。
4.根据权利要求1至2中任一项所述的方法,其特征在于,所述根据所述驾校训练场地3d模型以及所述车辆gps定位数据对学员练车情况进行监控,包括:
根据高斯坐标转换算法将所述车辆gps定位数据转换为车辆笛卡尔坐标系坐标;
将所述车辆笛卡尔坐标系坐标加入所述驾校训练场地3d模型,根据所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置对学员练车情况进行监控。
5.根据权利要求4所述的方法,其特征在于,所述根据所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置对学员练车情况进行监控,包括:
将所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置显示在驾校监控中心的监控设备上,以实现他人对学员练车情况的监控;和/或,
将所述车辆笛卡尔坐标系坐标在所述驾校训练场地3d模型的位置显示在所述车辆笛卡尔坐标系坐标对应车辆中车载屏的辅助练车设备上,以实现学员自身对练车情况的监控。
6.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210453955.7A CN115527156B (zh) | 2022-04-24 | 2022-04-24 | 基于驾校训练场地3d模型的练车监控方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210453955.7A CN115527156B (zh) | 2022-04-24 | 2022-04-24 | 基于驾校训练场地3d模型的练车监控方法及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115527156A CN115527156A (zh) | 2022-12-27 |
CN115527156B true CN115527156B (zh) | 2023-11-28 |
Family
ID=84695607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210453955.7A Active CN115527156B (zh) | 2022-04-24 | 2022-04-24 | 基于驾校训练场地3d模型的练车监控方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115527156B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116403008B (zh) * | 2023-05-29 | 2023-09-01 | 广州市德赛西威智慧交通技术有限公司 | 驾校训练场地的地图采集方法、装置、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103985282A (zh) * | 2014-05-29 | 2014-08-13 | 石家庄华燕交通科技有限公司 | 驾驶人考试及培训三维虚拟监视方法及其*** |
CN110715670A (zh) * | 2019-10-22 | 2020-01-21 | 山西省信息产业技术研究院有限公司 | 一种基于gnss差分定位构建驾考全景三维地图的方法 |
CN111402671A (zh) * | 2018-10-19 | 2020-07-10 | 上海肩并肩电子科技有限公司 | 一种驾校车语音视频教学方法及装置 |
CN111445764A (zh) * | 2020-01-17 | 2020-07-24 | 武汉理工大学 | 一种针对驾驶员路考培训的智能驾校***及工作方法 |
CN111819419A (zh) * | 2017-12-27 | 2020-10-23 | 宝马股份公司 | 用于车辆的数字地图的变形校正 |
CN111912419A (zh) * | 2020-08-28 | 2020-11-10 | 清华大学苏州汽车研究院(吴江) | 基于激光雷达的高精度语义导航地图构建方法和装置 |
CN112435337A (zh) * | 2020-11-13 | 2021-03-02 | 郑亮 | 一种景观可视域分析方法及*** |
CN113607162A (zh) * | 2021-10-09 | 2021-11-05 | 创泽智能机器人集团股份有限公司 | 一种基于三维地图的路径规划方法及设备 |
CN114139471A (zh) * | 2021-12-11 | 2022-03-04 | 福州大学 | 适用于cfd的城市街区三维模型构建和网格划分方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10192354B2 (en) * | 2015-04-14 | 2019-01-29 | ETAK Systems, LLC | Systems and methods for obtaining accurate 3D modeling data using UAVS for cell sites |
-
2022
- 2022-04-24 CN CN202210453955.7A patent/CN115527156B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103985282A (zh) * | 2014-05-29 | 2014-08-13 | 石家庄华燕交通科技有限公司 | 驾驶人考试及培训三维虚拟监视方法及其*** |
CN111819419A (zh) * | 2017-12-27 | 2020-10-23 | 宝马股份公司 | 用于车辆的数字地图的变形校正 |
CN111402671A (zh) * | 2018-10-19 | 2020-07-10 | 上海肩并肩电子科技有限公司 | 一种驾校车语音视频教学方法及装置 |
CN110715670A (zh) * | 2019-10-22 | 2020-01-21 | 山西省信息产业技术研究院有限公司 | 一种基于gnss差分定位构建驾考全景三维地图的方法 |
CN111445764A (zh) * | 2020-01-17 | 2020-07-24 | 武汉理工大学 | 一种针对驾驶员路考培训的智能驾校***及工作方法 |
CN111912419A (zh) * | 2020-08-28 | 2020-11-10 | 清华大学苏州汽车研究院(吴江) | 基于激光雷达的高精度语义导航地图构建方法和装置 |
CN112435337A (zh) * | 2020-11-13 | 2021-03-02 | 郑亮 | 一种景观可视域分析方法及*** |
CN113607162A (zh) * | 2021-10-09 | 2021-11-05 | 创泽智能机器人集团股份有限公司 | 一种基于三维地图的路径规划方法及设备 |
CN114139471A (zh) * | 2021-12-11 | 2022-03-04 | 福州大学 | 适用于cfd的城市街区三维模型构建和网格划分方法及*** |
Non-Patent Citations (4)
Title |
---|
Vision and odometry based autonomous vehicle lane changing;Gábor Péter等;《ICT Express》;第5卷(第4期);第219-226页 * |
一种面向室内定位的3D建筑模型构建方法;闫金金等;《计算机应用与软件》;第30卷(第10期);第16-20页 * |
自动驾驶高精度地图生成方法研究;郑玲;《中国博士学位论文全文数据库 工程科技Ⅱ辑》(第2期);第C035-28页 * |
训练型汽车驾驶模拟器关键技术研究;张弛;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》(第3期);第C035-550页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115527156A (zh) | 2022-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109165549B (zh) | 基于三维点云数据的道路标识获取方法、终端设备及装置 | |
CN110163064B (zh) | 一种道路标志物的识别方法、装置及存储介质 | |
JP2021012712A (ja) | 資産特性を分類するためのプラットフォーム、システム、ならびに方法および航空画像解析による資産特徴保守管理 | |
CN110892760B (zh) | 基于深度学习定位终端设备 | |
JPH09185635A (ja) | 正確で効率的な測地データベース検索 | |
CN115527156B (zh) | 基于驾校训练场地3d模型的练车监控方法及相关设备 | |
JP2020165746A (ja) | 地すべり面推定装置、及び地すべり面推定方法 | |
CN114758086B (zh) | 一种城市道路信息模型的构建方法及装置 | |
CN113724259A (zh) | 井盖异常检测方法、装置及其应用 | |
Dridi et al. | Analysis of urban sprawl phenomenon in Batna city (Algeria) by remote sensing technique | |
CN115457408A (zh) | 一种土地监测方法、装置、电子设备及介质 | |
JP6146731B2 (ja) | 座標補正装置、座標補正プログラム、及び座標補正方法 | |
Rambu Ngana et al. | Scenario modelling as planning evidence to improve access to emergency obstetric care in eastern Indonesia | |
CN111104965A (zh) | 车辆目标识别的方法及装置 | |
CN112329596B (zh) | 目标物定损方法、装置、电子设备及计算机可读存储介质 | |
KR102237505B1 (ko) | 지오 클라우드 기반의 실시간 급경사지 공간정보 처리 플랫폼 및 데이터 처리 방법 | |
CN114154680A (zh) | 一种城市地面塌陷预测方法、装置及电子设备 | |
CN112507977A (zh) | 一种车道线定位方法、装置及电子设备 | |
Ozga et al. | An interactive system for agricultural acreage estimates using Landsat data | |
CN117611759B (zh) | 基于三维模型的评分地图生成方法、装置、终端及存储介质 | |
CN117609410B (zh) | 一种利用rpa技术提取地块信息的方法及*** | |
CN112001848B (zh) | 大数据监控***中的图像识别拼接方法及*** | |
CN116468269B (zh) | 一种洪涝高风险区识别方法、装置、设备及存储介质 | |
CN114877882A (zh) | 道路数据收集控制方法、装置、设备及介质 | |
CN116597330A (zh) | 基于slam的机器人跟踪方法、***、存储介质及电子设备 |
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 |