KR102163171B1 - 운동 검출 방법, 장치, 기기 및 매체 - Google Patents
운동 검출 방법, 장치, 기기 및 매체 Download PDFInfo
- Publication number
- KR102163171B1 KR102163171B1 KR1020190082755A KR20190082755A KR102163171B1 KR 102163171 B1 KR102163171 B1 KR 102163171B1 KR 1020190082755 A KR1020190082755 A KR 1020190082755A KR 20190082755 A KR20190082755 A KR 20190082755A KR 102163171 B1 KR102163171 B1 KR 102163171B1
- Authority
- KR
- South Korea
- Prior art keywords
- moving vehicle
- moving
- motion
- smart device
- motion state
- Prior art date
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 219
- 238000001514 detection method Methods 0.000 title claims abstract description 47
- 230000001133 acceleration Effects 0.000 claims abstract description 85
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000012795 verification Methods 0.000 claims description 26
- 239000000969 carrier Substances 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000036544 posture Effects 0.000 description 58
- 238000012549 training Methods 0.000 description 30
- 230000000875 corresponding effect Effects 0.000 description 13
- 230000003287 optical effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000007667 floating Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
- G01P15/18—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration in two or more dimensions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- 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
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
-
- 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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
-
- 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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
-
- 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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P13/00—Indicating or recording presence, absence, or direction, of movement
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Navigation (AREA)
- Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)
- Telephone Function (AREA)
- Aviation & Aerospace Engineering (AREA)
Abstract
본 발명의 실시예는 운동 검출 방법, 장치, 기기 및 매체를 개시하는바, 이동 운반체 검출 기술 분야에 관련된 것이다. 당해 방법은, 이동 운반체 중 스마트 기기의 현재 자세 및 상기 이동 운반체가 서로 다른 운동 상태에 있을 경우의 상기 스마트 기기의 가속도에 따라 미리 트레이닝된 모델을 검증하고 검증이 통과된 모델을 예측 모델로 하는 단계; 및 수집된 상기 스마트 기기의 가속도를 상기 예측 모델에 입력하여 상기 이동 운반체의 예측 운동 상태를 출력하는 단계를 포함한다. 본 발명의 실시예가 제공하는 운동 검출 방법, 장치, 기기 및 매체는, 이동 운반체 운동 상태에 대한 정확한 결정을 구현한다.
Description
본 발명의 실시예는 이동 운반체 검출 기술 분야에 관한 것으로, 특히, 운동 검출 방법, 장치, 기기 및 매체에 관한 것이다.
종래의 내비게이션 소프트웨어는 범지구 위치 결정 시스템(Global Positioning System, GPS) 위치 결정 포인트 또는 네트워크 위치 결정 포인트의 좌표 위치 변화에 의존하여 이동 운반체 위치 및 이동 운반체 운동 상태를 업데이트한다.
그러나, 실내, 고가로 구역 또는 고층 건물 구역 등 차폐물이 있는 상황에서, GPS 위치 결정 포인트에는 자주 위치 드리프트가 출현하게 된다. wifi 및 기지국에 기반하는 네트워크 위치 결정에서도 신호 커버 불가 또는 약 신호로 인해 네트워크 위치 결정 포인트가 제공하는 좌표 위치에 드리프트 발생이 초래되는 상황이 존재하게 된다.
이때, 위치 결정 포인트 정보에 의해서는 이동 운반체의 운동 상태를 정확하게 결정할 수 없다.
본 발명의 실시예는 운동 검출 방법, 장치, 기기 및 매체를 제공하는 바, 이동 운반체 운동 상태에 대한 정확한 결정을 구현하고자 한다.
제1 측면으로, 본 발명의 실시예는 운동 검출 방법을 제공하는 바, 당해 방법은,
이동 운반체 중 스마트 기기의 현재 자세 및 상기 이동 운반체가 서로 다른 운동 상태에 있을 경우의 상기 스마트 기기의 가속도에 따라 미리 트레이닝된 모델을 검증하고 검증이 통과된 모델을 예측 모델로 하는 단계; 및
수집된 상기 스마트 기기의 가속도를 상기 예측 모델에 입력하여 상기 이동 운반체의 예측 운동 상태를 출력하는 단계를 포함한다.
제2 측면으로, 본 발명의 실시예는 또한 운동 검출 장치를 제공하는 바, 당해 장치는,
이동 운반체 중 스마트 기기의 현재 자세 및 상기 이동 운반체가 서로 다른 운동 상태에 있을 경우의 상기 스마트 기기의 가속도에 따라 미리 트레이닝된 모델을 검증하고 검증이 통과된 모델을 예측 모델로 하기 위한 검증 모듈; 및
수집된 상기 스마트 기기의 가속도를 상기 예측 모델에 입력하여 상기 이동 운반체의 예측 운동 상태를 출력하기 위한 예측 모듈을 포함한다.
제3 측면으로, 본 발명의 실시예는 또한 기기를 제공하는 바, 상기 기기는,
하나 또는 복수의 프로세서;
하나 또는 복수의 프로그램을 저장하기 위한 저장 장치; 및
기기의 가속도를 검출하기 위한 가속도 검출기를 포함하고,
상기 하나 또는 복수의 프로그램이 상기 하나 또는 복수의 프로세서에 의해 실행될 시, 상기 하나 또는 복수의 프로세서가 본 발명의 실시예 중 임의 하나에 기술된 것과 같은 운동 검출 방법을 구현하도록 한다.
제4 측면으로, 본 발명의 실시예는, 컴퓨터 프로그램이 저장되어 있는 컴퓨터 판독 가능 저장 매체를 더 제공하는 바, 당해 프로그램이 프로세서에 의해 실행될 시 본 발명의 실시예 중 임의 하나에 기술된 것과 같은 운동 검출 방법을 구현한다.
본 발명의 실시예는 이동 운반체 중 스마트 기기의 가속도 및 예측 모델에 따라 상기 이동 운반체의 예측 운동 상태를 결정하는 것을 통해 이동 운반체 운동 상태에 대한 예측을 구현한다.
스마트 기기의 위치 또는 상태가 부동할 시 이가 대응하는 예측 모델도 부동하므로, 이동 운반체 중 스마트 기기의 현재 자세 및 상기 이동 운반체가 서로 다른 운동 상태에 있을 경우의 상기 스마트 기기의 가속도에 따라 미리 트레이닝된 모델을 검증함으로써, 결정된 예측 모델이 스마트 기기의 현재 위치 및 자세에 적용되도록 보장하고, 나아가 이동 운반체 운동 상태에 대한 예측 정확률을 향상시킨다.
도1은 본 발명의 실시예 1에 의해 제공되는 운동 검출 방법의 흐름도이다.
도2는 본 발명의 실시예 2가 제공하는 운동 검출 방법의 흐름도이다.
도3은 본 발명의 실시예 3에 의해 제공되는 운동 검출 방법의 흐름도이다.
도4는 본 발명의 실시예 4가 제공하는 운동 검출 방법의 흐름도이다.
도5는 본 발명의 실시예 5가 제공하는 운동 검출 장치의 구조 개략도이다.
도6은 본 발명의 실시예 6에 의해 제공되는 기기의 구조 개략도이다.
도2는 본 발명의 실시예 2가 제공하는 운동 검출 방법의 흐름도이다.
도3은 본 발명의 실시예 3에 의해 제공되는 운동 검출 방법의 흐름도이다.
도4는 본 발명의 실시예 4가 제공하는 운동 검출 방법의 흐름도이다.
도5는 본 발명의 실시예 5가 제공하는 운동 검출 장치의 구조 개략도이다.
도6은 본 발명의 실시예 6에 의해 제공되는 기기의 구조 개략도이다.
이하 첨부 도면 및 실시예를 결부하여 본 발명에 대해 더 나아가 상세히 설명하고자 한다. 여기서 설명되는 구체 실시예는 단지 본 발명을 해석하기 위한 것으로, 본 발명을 한정하기 위한 것이 아님을 이해할 수 있다. 그 외 또 설명해야 할 것은, 설명의 편의를 위하여, 첨부 도면에는 전체 구조가 아니라 단지 본 발명과 상관되는 부분만 도시하였을 뿐이다.
실시예1
도1은 본 발명의 실시예1에 의해 제공되는 운동 검출 방법의 흐름도이다. 본 실시예는 이동 운반체 중 스마트 기기의 가속도를 기반으로 이동 운반체의 작동 상태에 대해 예측을 진행하는 상황에 적용 가능하다. 전형적으로, 이동 운반체는 차량일 수 있고, 스마트 기기는 당해 차량에 대해 맵 내비게이팅을 진행하는 핸드폰일 수 있다. 당해 방법은 운동 검출 장치에 의해 실행될 수 있고, 당해 장치는 소프트웨어 및/또는 하드웨어의 형식으로 구성될 수 있다. 전형적으로, 당해 장치는 상술한 스마트 기기일 수 있다. 도1을 참조하면, 본 실시예가 제공하는 운동 검출 방법은, 하기의 단계를 포함한다.
S110, 이는 이동 운반체 중 스마트 기기의 현재 자세 및 상기 이동 운반체가 서로 다른 운동 상태에 있을 경우의 상기 스마트 기기의 가속도에 따라 미리 트레이닝된 모델을 검증하고 검증이 통과된 모델을 예측 모델로 하는 단계이다.
여기서, 이동 운반체는 임의의 이동 가능한 운반체, 예컨대, 차량, 기선 및 비행기 등일 수 있다. 본 실시예에서는 이에 대해 아무런 제한도 하지 않는다.
선택 가능하게, 스마트 기기는 핸드폰, 태블릿 컴퓨터 및 차량 단말 등일 수 있다.
스마트 기기의 현재 자세는 선행 기술 중 임의의 한가지 자세 결정 방법에 의해 결정될 수 있다.
구체적으로, 스마트 기기의 현재 자세의 결정은, 스마트 기기의 가속도의 방향과 중력 방향과의 협각에 따라 스마트 기기의 자세를 결정하는 단계를 포함할 수 있다. 여기서, 스마트 기기의 가속도의 방향과 중력 방향은 스마트 기기에 설치된 가속도 센서를 통해 결정할 수 있다. 전형적으로, 당해 가속도 센서는 3축 가속도 센서이다.
상기 이동 운반체가 서로 다른 운동 상태에 있을 경우 상기 스마트 기기의 가속도는 가속도 센서를 통해 획득할 수 있다. 서로 다른 운동 상태는 복수의 GPS 위치 결정 포인트 좌표 위치 또는 복수의 네트워크 위치 결정 포인트 좌표 위치에 따라 결정할 수 있다.
예컨대, 만약 서로 다른 시각의 복수의 GPS 위치 결정 포인트 좌표 위치가 동일하다면 이동 운반체가 정지에 있다고고 결정하고, 아니면 이동 운반체가 운동에 있다고고 결정한다. 만약 인접한 시각의 두 개 GPS 위치 결정 포인트 좌표 위치가 보다 멀리 떨어지면 이동 운반체가 고속 운동에 있다고고 결정하고, 아니면 이동 운반체가 저속 완행에 있다고고 결정한다.
이동 운반체의 운동 상태는 정지, 운동, 고속 운동 또는 저속 완행 등일 수 있다.
여기서, 스마트 기기의 가속도는, 대응하는 획득된 이동 운반체의 운동 상태가 신뢰 가능일 시의 스마트 기기의 가속도이다.
구체적으로, 상기 이동 운반체 중 스마트 기기의 현재 자세 및 상기 이동 운반체가 서로 다른 운동 상태에 있을 경우의 상기 스마트 기기의 가속도에 따라 미리 트레이닝된 모델을 검증하는 단계는,
이는, 만약 미리 트레이닝된 모델에 대응되는 자세와 이동 운반체 중 스마트 기기의 현재 자세가 매칭된다면 상기 이동 운반체가 임의의 한 운동 상태에 있는 시간 길이가 미리 설정된 시간 길이 역치보다 큰 시간 간격 내에서의 상기 스마트 기기의 가속도를 이용하여, 자세가 매칭되는 미리 트레이닝된 모델을 검증하는 단계을 포함할 수 있다.
여기서, 미리 트레이닝된 모델에 대응되는 자세와 이동 운반체 중 스마트 기기의 현재 자세와의 매칭은, 미리 트레이닝된 모델에 대응되는 자세와 이동 운반체 중 스마트 기기의 현재 자세와의 차이 값이 설정 자세 역치보다 작은 것일 수가 있다. 즉, 미리 트레이닝된 모델에 대응되는 자세와 이동 운반체 중 스마트 기기의 현재 자세는 기본 일치된다. 원인이라면 스마트 기기의 서로 다른 자세에서 트레이닝 획득된 모델이 부동하기 때문이다.
미리 설정된 시간 길이 역치는 실제 필요에 따라 설정할 수 있는 바, 3초일 수도 있고 4초일 수도 있고, 또는 더 길 수도 있다. 미리 설정된 시간 길이 역치의 설정은 획득한 운동 상태의 신뢰도를 보장할 수 있다. GPS와 네트워크가 피드백한 위치 결정 포인트의 위치 좌표는 절대다수 시간 내에서는 모두 정확한 것이므로 미리 설정된 시간 길이 역치의 시간이 길수록 획득한 운동 상태의 신뢰도도 더 높다. 예컨대, 만약 이동 운반체가 정지에 처하는 시간 길이가 3초라고 모니터링되었을 시 기본적으로 당해 이동 운반체의 운동 상태가 정지라고 결정 가능하다.
만약 이동 운반체 중 스마트 기기의 현재 자세 및 상기 이동 운반체가 서로 다른 운동 상태에 있을 경우의 상기 스마트 기기의 가속도에 따라 미리 트레이닝된 모델을 검증하는 것이 실패하였다면 예측 모델에 대한 트레이닝을 촉발하게 된다.
이에 따라, 이하 효과를 구현할 수 있는 바: 만약 미리 트레이닝된 모델이 현재 스마트 기기의 위치 및 자세에 적용된다면 미리 트레이닝된 모델을 이용하여 스마트 기기의 가속도를 기반으로 차량에 대한 운동 상태 결정을 진행한다. 만약 미리 트레이닝된 모델이 현재 스마트 기기의 위치 및 자세에 적용되지 않는다면 예측 모델에 대한 트레이닝을 촉발한다.
S120, 이는 수집된 상기 스마트 기기의 가속도를 상기 예측 모델에 입력하여 상기 이동 운반체의 예측 운동 상태를 출력하는 단계이다.
여기서, 당해 단계에서의 스마트 기기의 가속도는, 대응하는 이동 운반체의 운동 상태가 불확실하여 운동 상태 예측을 진행하는 것이 필요할 시 수집된 스마트 기기의 가속도이다. 때문에, 당해 가속도의 수집에 있어서, 이동 운반체가 한 운동 상태를 유지하는 시간 길이는 미리 설정된 시간 길이 역치보다 클 필요가 없다.
본 발명의 실시예의 기술안은, 이동 운반체 중 스마트 기기의 가속도 및 예측 모델에 따라 상기 이동 운반체의 예측 운동 상태를 결정하는 것을 통해 이동 운반체 운동 상태에 대한 예측을 구현한다.
스마트 기기의 위치 또는 상태가 부동할 시 이가 대응하는 예측 모델도 부동하므로, 이동 운반체 중 스마트 기기의 현재 자세 및 상기 이동 운반체가 서로 다른 운동 상태에 있을 경우의 상기 스마트 기기의 가속도에 따라 미리 트레이닝된 모델을 검증함으로써, 결정된 예측 모델이 스마트 기기의 현재 위치 및 자세에 적용되도록 보장한다.
나아가, 상기 이동 운반체 중 스마트 기기의 현재 자세 및 상기 이동 운반체가 서로 다른 운동 상태에 있을 경우의 상기 스마트 기기의 가속도에 따라 미리 트레이닝된 모델을 검증하는 단계 이전에, 상기 방법은,
이동 운반체의 서로 다른 운동 상태 및 상기 서로 다른 운동 상태에서 스마트 기기의 가속도를 수집하여 트레이닝 샘플로 하는 단계; 및
설정 모델 트레이닝 알고리즘을 기반으로, 상기 트레이닝 샘플을 이용하여 트레이닝을 진행하여, 미리 트레이닝에서 완성된 모델을 획득하고, 동시에 상기 스마트 기기의 자세와 상기 미리 트레이닝에서 완성된 모델을 연관시키는 단계를 더 포함한다.
여기서, 설정 모델 트레이닝 알고리즘은, 임의의 모델 트레이닝 알고리즘, 예컨대 신경 네트워크 알고리즘일 수가 있다.
트레이닝 샘플 중 이동 운반체의 운동 상태의 신뢰도를 보장하기 위해, 마찬가지로 이동 운반체가 한 운동 상태를 유지하는 시간 길이가 설정된 시간 길이 역치를 초과하고 당해 시간 내에 당해 운동 상태에 대응하는 가속도를 수집하는 것도 필요하다.
예컨대, 만약 이동 운반체 운동 상태가 정지인 샘플을 수집하고 설정된 시간 길이 역치가 3초라면 연속 3초 내에 GPS가 피드백한 이동 운반체의 운동 속도가 모두 0이 되도록 보장하는 것이 필요하다. 당해 3초 내에 수집된 스마트 기기의 가속도를 정지 샘플로 한다. 동시에 스마트 기기의 자세를 결정하고, 결정된 자세와 당해 정지 샘플을 이용해 트레이닝한 모델을 연관시킨다.
샘플 데이터의 정확률을 제고하기 위해, 상기 이동 운반체의 서로 다른 운동 상태 및 상기 서로 다른 운동 상태에서 스마트 기기의 가속도를 수집하여 트레이닝 샘플로 하는 단계 이후, 상기 방법은,
동일 모델을 트레이닝하기 위한 복수의 샘플을 수집할 시 스마트 기기의 자세 변화 값이 설정 자세 역치를 초과하는지 여부를 판단하고, 만약 그러하다면 당해 샘플을 폐기하는 단계를 더 포함한다. 왜냐하면 스마트 기기가 서로 다른 자세에서 트레이닝된 모델은 부동하기 때문이다.
샘플 데이터의 정확률을 나아가 더 제고하기 위해, 상기 이동 운반체의 서로 다른 운동 상태 및 상기 서로 다른 운동 상태에서 스마트 기기의 가속도를 수집하여 트레이닝 샘플로 하는 단계 이후, 상기 방법은,
상기 트레이닝 샘플에 대해 노이즈 여과를 진행하는 단계를 더 포함한다.
여기서, 노이즈는 모델 트레이닝에 불리한 가속도인바, 구체적으로 변동이 보다 큰 가속도, 예컨대 이동 운반체 주행 노면이 울퉁불퉁하거나 이동 운반체 급가속 또는 이동 운반체 급회전 등 상황으로 조성된, 변동이 보다 큰 가속도일 수 있다.
나아가, 상기 방법은,
만약 모델 트레이닝이 실패한 횟수가 설정된 횟수 역치를 초과하면 모델 트레이닝을 포기하는 단계를 더 포함한다.
모델 트레이닝의 실패를 조성하는 상황은 가능하게는 사용자가 스마트 기기를 손에 쥐고 있는 것이다. 왜냐하면 사용자가 스마트 기기를 손에 쥐고 있을 시, 스마트 기기의 자세가 부단히 변화하므로 모델 트레이닝의 실패를 조성하게 된다.
실시예2
도2는 본 발명의 실시예2가 제공하는 운동 검출 방법의 흐름도이다. 본 실시는 상술한 실시예를 기반으로 하여 제공하는 하나의 선택 가능한 방안이다. 도2를 참조하면, 본 실시예가 제공하는 운동 검출 방법은, 하기의 단계를 포함한다.
S210, 이는 이동 운반체 중 스마트 기기의 현재 자세 및 상기 이동 운반체가 서로 다른 운동 상태에 있을 경우의 상기 스마트 기기의 가속도에 따라 미리 트레이닝된 모델을 검증하고 검증이 통과된 모델을 예측 모델로 하는 단계이다.
S220, 이는 수집된 상기 스마트 기기의 가속도를 상기 예측 모델에 입력하여 상기 이동 운반체의 예측 운동 상태를 출력하는 단계이다.
S230, 이는 이동 운반체의 과거 운동 정보 및 상기 이동 운반체의 예측 운동 상태에 따라 상기 이동 운반체의 최종 운동 상태를 결정하는 단계이다.
선택 가능하게, 이동 운반체의 과거 주행 속도와 상기 이동 운반체의 예측 운동 상태에 따라 상기 이동 운반체의 최종 운동 상태를 결정할 수 있다.
예컨대, 예측 운동 상태가 정지이고, 3초를 거쳐 GPS가 피드백한 이동 운반체 위치 결정 포인트 좌표에 따라 결정한 속도에 감속 추세가 있고, 평균 속도가 10킬로미터 매 초를 초과하지 못할 시, 상기 이동 운반체의 최종 운동 상태를 정지로 결정한다. 만약 예측 운동 상태가 완행이고, 3초 내를 거쳐 이동 운반체가 운동하는 평균 속도가 10킬로미터 매 초보다 크다면, 상기 이동 운반체의 최종 운동 상태를 운동으로 결정한다.
이동 운반체의 과거 운동 상태 및 상기 이동 운반체의 예측 운동 상태에 따라 상기 이동 운반체의 최종 운동 상태를 결정할 수도 있다.
예컨대, 만약 이전 2초 동안 이동 운반체의 최종 운동 상태가 모두 운동이고, 현재 1초 동안의 예측 운동 상태가 정지라면, 상기 이동 운반체의 최종 운동 상태를 완행으로 결정하고; 만약 이전 2초 동안 이동 운반체의 최종 운동 상태가 운동 및 정지이고, 현재 1초 동안의 예측 운동 상태가 정지라면, 상기 이동 운반체의 최종 운동 상태를 정지로 결정하고; 만약 이전 2초 동안 이동 운반체의 최종 운동 상태가 모두 정지라면, 현재 1초 동안 예측 운동 상태는 운동이고, 상기 이동 운반체의 최종 운동 상태를 완행으로 결정한다.
이상을 종합하면, 만약 이동 운반체가 나타내는 운동 상태가 정지에서 운동으로 되면, 현재 1초의 최종 운동 상태는 완행이라고 결정하고; 만약 이동 운반체가 나타내는 운동 상태가 연속 정지라면, 현재 1초의 최종 운동 상태를 정지라고 결정하고; 만약 현재 1초의 예측 운동 상태가 운동이라면 현재 1초의 최종 운동 상태를 운동이라고 결정한다.
이동 운반체의 과거 운동 상태, 과거 주행 속도 및 상기 이동 운반체의 예측 운동 상태에 따라 상기 이동 운반체의 최종 운동 상태를 결정할 수도 있다.
본 발명의 실시예의 기술안은, 이동 운반체의 과거 운동 정보 및 상기 이동 운반체의 예측 운동 상태에 따라 상기 이동 운반체의 최종 운동 상태를 결정하는 것을 통해 이동 운반체 운동 상태의 결정 정확률을 향상시킨다.
실시예3
도3은 본 발명의 실시예3에 의해 제공되는 운동 검출 방법의 흐름도이다. 본 실시는 상술한 실시예를 기반으로 하여 제공하는 하나의 선택 가능한 방안이다. 도3을 참조하면, 본 실시예가 제공하는 운동 검출 방법은, 하기의 단계를 포함한다.
S310, 이는 이동 운반체 중 스마트 기기의 현재 자세 및 상기 이동 운반체가 서로 다른 운동 상태에 있을 경우의 상기 스마트 기기의 가속도에 따라 미리 트레이닝된 모델을 검증하고 검증이 통과된 모델을 예측 모델로 하는 단계이다.
S320, 이는 수집된 상기 스마트 기기의 가속도를 상기 예측 모델에 입력하여 상기 이동 운반체의 예측 운동 상태를 출력하는 단계이다.
S330, 이는 이동 운반체의 예측 운동 상태에 따라 상기 이동 운반체의 위치 결정 좌표 위치를 조정하는 단계이다.
구체적으로, 상기 이동 운반체의 예측 운동 상태에 따라 상기 이동 운반체의 위치 결정 좌표 위치를 조정하는 단계는,
만약 현재 시각의 이동 운반체의 위치 결정 좌표 위치가 제1 위치이고, 다음 시각 상기 이동 운반체의 위치 결정 좌표 위치가 여전히 제1 위치이고, 상기 이동 운반체가 현재 시각과 다음 시각에서의 예측 운동 상태가 모두 운동이라면, 상기 이동 운반체의 다음 시각에서의 위치 결정 좌표 위치를 제1 위치의 다음 위치로 조정하는 단계; 또는
만약 서로 다른 시각에서의 이동 운반체의 예측 운동 상태가 모두 정지라면 상기 이동 운반체의 상기 서로 다른 시각에서의 위치 결정 좌표 위치를 동일하게 유지하는 단계를 포함한다.
여기서, 제1 위치의 다음 위치는 이미 결정된 내비게이팅 경로에 따라 결정할 수 있다.
본 발명의 실시예의 기술안은, 이동 운반체의 예측 운동 상태에 따라 상기 이동 운반체의 위치 결정 좌표 위치를 조정하는 것을 통해, 이동 운반체 위치에 대한 정확한 결정을 구현하고 이동 운반체의 위치 드리프트를 피면한다.
실시예4
도4는 본 발명의 실시예4가 제공하는 운동 검출 방법의 흐름도이다. 본 실시는, 상술한 실시예를 기반으로 하고, 스마트 기기가 내비게이션 핸드폰이고 이동 운반체가 차량이고 운동 상태가 정지 또는 운동인 것을 예로 들어, 선택 가능한 하나의 방안을 제공한다. 도4를 참조하면, 본 실시예가 제공하는 운동 검출 방법은 샘플을 자동 수집하는 단계를 포함한다.
여기서, 매 그룹의 샘플은 가속도와 자세로 구성된다. 여기서 가속도는 xyz세 개 방향의 가속도 값을 포함할 수 있다. 당해 세개 방향의 가속도 값은 핸드폰의 3축 가속도 센서를 통해 획득할 수 있다. 샘플의 수집 빈도와 수집 시간은 실제 필요에 따라 설정할 수 있다.
매개 샘플은 동시에 자세 속성도 있는 바, 이는 핸드폰을 거치할 시의 자세를 표시하는 것이다. 만약 자세가 변경되면 모델도 무효화될 가능성이 높게 된다. 자세는 가속도의 xyz 세 개 방향과 중력 방향과의 협각에 의해 결정된다.
구체적으로, 샘플 수집단계는, GPS를 기반으로 결정된 차량 속도 값이 0이거나 또는 설정된 정지 샘플 속도 역치보다 작을 시, 운동 상태가 정지인 샘플을 수집하기 시작하는 바, 수집 과정이 3초 지속되고, 연속된 3초 내의 차량 운동 상태가 정지를 유지하도록 보장되어야 수집 성공으로 간주되며, 만약 3초 내의 차량 운동에 변화가 발생하였다면 본 회 수집은 실패인 것이고 다음 회 촉발을 기다린다.
구체적 샘플 수집의 촉발 조건은 실제 필요에 따라 설정할 수 있다.
GPS를 기반으로 결정된 차량 속도 값이 설정된 운동 샘플 속도 역치 범위 내에 있을 시, 차량 운동 상태가 운동인 샘플을 수집하기 시작하는 바, 수집 과정이 3초 지속되고, 연속 3초 내의 차량 운동 상태가 상술한 운동 조건을 유지하도록 보장되어야 수집 성공으로 간주된다. 만약 3초 내의 차량 운동에 변화가 발생하였다면 본 회 수집은 실패인 것이고 다음 회 촉발을 기다린다.
여기서, 차량이 움직일 경우 차량 속도에 대한 한정을 과도하게 높게 하기에는 바람직하지 않는 바, 왜냐하면 차량 운동 속도가 너무 빠르면 가속 센서가 수집한 가속도의 떨림이 더 크고 이는 차후 모델의 트레이닝에 불리하기 때문이다.
수집된 샘플에 대해 데이터 전처리를 진행한다.
수집된 차량 운동 상태가 정지일 시의 샘플의 평균치와 범위를 결정하고, 설정 범위 내에 있는지 여부를 판단하여, 수집된 정지 샘플에 대해 유효성 검증을 진행하도록 한다. 이상적인 상황에서, 차량 운동 상태가 정지일 시 샘플 중의 가속도는 0이다.
수집된 차량 운동 상태가 운동일 시의 샘플에 대해 노이즈 여과를 진행하여 노면이 울퉁불퉁하거나 급가속 또는 급회전 등 랜덤 교란을 제거하고 노면 정상 떨림의 샘플만 보유한다.
차량 운동 시간은 차량 정지 시간 대비 보다 많으므로, 랜덤 교란이 너무 많은 차량 운동 상태가 운동일 시의 샘플은 폐기하고 다시 수집할 수 있다.
3초 내 연속 수집된 차량 운동 상태가 운동일 시의 샘플 사이의 자세 변화 값이 설정된 자세 역치보다 큰지 여부를 결정한다. 만약 그러하다면, 당해 샘플을 폐기한다.
동일 모델을 트레이닝하기 위한 차량 운동 상태가 운동일 시의 샘플과 차량 운동 상태가 정지일 시의 샘플 사이의 평균 자세 차가 상술한 설정된 자세 역치를 초과해서도 안된다.
신경 네트워크를 기반으로, 데이터 전처리를 거친 샘플을 이용하여 모델 트레이닝을 진행한다.
여기서는 트레이닝 오차가 설정 범위 내이기를 요구하는 바, 이는 과소적합 또는 과적합을 피면하기 위한 것이다.
모델 반복 횟수는 설정된 반복 횟수 이내로 제어되어 대량 계산을 피면하게 된다. 설정된 반복 횟수를 초과하면 샘플이 이상적이지 못함을 표시하는 바, 다시 샘플을 수집하고 다시 수집된 샘플을 이용하여 다시 트레이닝한다.
모델의 조성은 두 개 부분을 포함하는 바: 이는 네트워크 구조와 가중 파라미터이다. 모델 및 대응되는 자세는 사용시 검증하도록 지속적 보존이 필요하다. 매 회 사용 시 디폴트로서 지난 회 모델을 로딩하고 검증을 통한 후 모델을 유효화시킨다.
모델 트레이닝 실패 횟수가 설정 트레이닝 횟수 역치를 초과하면 모델 트레이닝을 더 이상 진행하지 않는다.
차량 중 핸드폰의 현재 자세 및 상기 차량이 정지 또는 운동에 있을 경우 상기 핸드폰의 가속도에 따라 미리 트레이닝된 모델을 검증한다.
현장에서 샘플 트레이닝 모델을 수집하는 것이기에, 모델 트레이닝 완수 후 실제로 예측에 사용할 시, 사용자가 핸드폰 위치 및 자세를 변경하였을 수가 있다. 핸드폰 위치 및 자세의 변경은 예측의 정확성에 영향주게 된다. 때문에, 모델에 대한 검증 진행이 필요하다. 검증은 디폴트로 진행(즉, 백그라운드에서 작동)되는 것이고, 사용자는 인지하지 못한다.
GPS 위치 결정 포인트의 위치 드리프트가 검증 착오 출현을 초래하는 것을 피면하기 위해, 검증 촉발 후 적어도1초 간격을 두고 차량이 정지 또는 운동을 유지하는 시간 길이가 3초보다 큰 시간 간격 내에서의 핸드폰 가속도의 수집 및 모델에 대한 검증을 시작한다.
검증은 차량이 정지 또는 운동을 유지할 시 각각 1회의 검증이 필요한데, 만약 검증이 모두 성공이라면, 모델은 유효한 것이다(즉, 당해 모델을 예측 모델로 한다). 만약 연속 설정 검증 실패 횟수로 검증 실패하였다면 다시 모델 트레이닝을 시작한다.
제2 회 검증부터, 만약 연속 설정 검증 성공 횟수로 검증이 성공하였다면 모델은 유효하다.
검증이 성공하면 모델 파일을 로컬에 보존한다.
만약 차량 중 핸드폰의 현재 자세와 모델에 대응되는 자세와의 차이 값이 설정 자세 역치보다 크다는 것이 검출되면 모델을 무효화시킨다.
검증이 통과된 모델을 이용하여 예측을 진행한다.
구체적으로, 차량이 정지 또는 운동을 유지하는 보다 짧은 시간(예컨대, 1초) 내의 핸드폰 가속도를 수집할 수 있다. 수집된 상기 스마트 기기의 가속도를 검증이 통과된 모델에 입력하고 차량의 예측 운동 상태를 출력한다.
차량 운동 상태의 예측 정확률을 제고하기 위해, 현재 1초의 예측 운동 상태의 출력은 그 전 몇 초간의 예측 운동 상태에 결부하여 종합적인 판단 결론을 제공하여야 한다.
매 회 예측 후, 예측 운동 상태에 근거하고 위치 결정 포인트 위치 좌표를 결부하여 차량의 주행 속도를 결정한다. 결정된 차량 주행 속도에 따라 모델의 정확성을 통계한다.
차량 운동 상태의 예측 정확률을 제고하기 위해, 차량의 과거 주행 속도를 결부하여 차량의 현재의 예측 운동 상태를 결정한다.
GPS 위치 결정 포인트 및 네트워크 위치 결정 포인트가 신뢰 불가한 상황에서, 본 발명의 실시예는 핸드폰 센서의 원시 데이터로 차량이 현재 정지인지 운동인지를 예측함으로써 차량의 실제 주차 장면에서 핸드폰 소프트웨어의 차량 위치 결정 포인트에 위치 드리프트가 발생하는 등 끔찍한 경험의 문제를 피면한다.
설명해야 할 것은, 본 실시예의 기술 지도를 거치고 나면 당업자는 상술한 실시예에서 설명한 임의 한가지 구현 방식에 있어서 방안 조합을 진행하여 이동 운반체 운동 상태에 대한 결정을 구현하는 것에 대하여 동기 부여를 받게 될 것이다.
실시예5
도5는 본 발명의 실시예5가 제공하는 운동 검출 장치의 구조 개략도이다. 이는 본 실시예가 상술한 실시예를 기반으로 제공한 선택 가능한 한가지 방안이다. 도5를 참조하면, 본 실시예가 제공하는 운동 검출 장치는, 검증 모듈(10)과 예측 모듈(20)을 포함한다.
여기서, 검증 모듈(10)은, 이동 운반체 중 스마트 기기의 현재 자세 및 상기 이동 운반체가 서로 다른 운동 상태에 있을 경우의 상기 스마트 기기의 가속도에 따라 미리 트레이닝된 모델을 검증하고 검증이 통과된 모델을 예측 모델로 하기 위한 것이고;
예측 모듈(20)은, 수집된 상기 스마트 기기의 가속도를 상기 예측 모델에 입력하여 상기 이동 운반체의 예측 운동 상태를 출력하기 위한 것이다.
본 발명의 실시예의 기술안은, 이동 운반체 중 스마트 기기의 가속도 및 예측 모델에 따라 상기 이동 운반체의 예측 운동 상태를 결정하는 것을 통해 이동 운반체 운동 상태에 대한 예측을 구현한다.
스마트 기기의 위치 또는 상태가 부동할 시 이가 대응하는 예측 모델도 부동하므로, 이동 운반체 중 스마트 기기의 현재 자세 및 상기 이동 운반체가 서로 다른 운동 상태에 있을 경우의 상기 스마트 기기의 가속도에 따라 미리 트레이닝된 모델을 검증함으로써, 결정된 예측 모델이 스마트 기기의 현재 위치 및 자세에 적용되도록 보장하고, 나아가 이동 운반체 운동 상태에 대한 예측 정확률을 향상시킨다.
나아가, 상기 검증 모듈은, 검증 유닛을 포함한다.
여기서, 검증 유닛은, 만약 미리 트레이닝된 모델에 대응되는 자세와 이동 운반체 중 스마트 기기의 현재 자세가 매칭된다면 상기 이동 운반체가 임의의 한 운동 상태에 있는 시간 길이가 미리 설정된 시간 길이 역치보다 큰 시간 간격 내에서의 상기 스마트 기기의 가속도를 이용하여, 자세가 매칭되는 미리 트레이닝된 모델을 검증하기 위한 것이다.
나아가, 상기 장치는 상태 결정 모듈을 더 포함한다.
여기서, 상태 결정 모듈은, 상기 수집된 상기 스마트 기기의 가속도를 상기 예측 모델에 입력하여 상기 이동 운반체의 예측 운동 상태를 출력하는 단계 이후, 이동 운반체의 과거 운동 정보 및 상기 이동 운반체의 예측 운동 상태에 따라 상기 이동 운반체의 최종 운동 상태를 결정하기 위한 것이다.
나아가, 상기 상태 결정 모듈은, 상태 결정 유닛을 포함한다.
여기서, 상태 결정 유닛은, 이동 운반체의 과거 주행 속도 및 과거 운동 상태중 적어도 하나, 및 상기 이동 운반체의 예측 운동 상태에 따라 상기 이동 운반체의 최종 운동 상태를 결정하기 위한 것이다.
나아가, 상기 장치는 위치 조정 모듈을 더 포함한다.
여기서, 위치 조정 모듈은, 상기 수집된 상기 스마트 기기의 가속도를 상기 예측 모델에 입력하여 상기 이동 운반체의 예측 운동 상태를 출력하는 단계 이후, 이동 운반체의 예측 운동 상태에 따라 상기 이동 운반체의 위치 결정 좌표 위치를 조정하기 위한 것이다.
나아가, 상기 위치 조정 모듈은 위치 조정 유닛을 포함한다.
여기서, 위치 조정 유닛은, 만약 현재 시각의 이동 운반체의 위치 결정 좌표 위치가 제1 위치이고 다음 시각 상기 이동 운반체의 위치 결정 좌표 위치가 여전히 제1 위치이고 또 상기 이동 운반체가 현재 시각과 다음 시각에서의 예측 운동 상태가 모두 운동이라면 상기 이동 운반체의 다음 시각에서의 위치 결정 좌표 위치를 제1 위치의 다음 위치로 조정하기 위한 것; 또는
만약 서로 다른 시각에서의 이동 운반체의 예측 운동 상태가 모두 정지라면 상기 이동 운반체의 상기 서로 다른 시각에서의 위치 결정 좌표 위치를 동일하게 유지하기 위한 것이다.
실시예6
도6은 본 발명의 실시예6에 의해 제공되는 기기의 구조 개략도이다. 도6은 본 발명의 구현 방식을 구현하기에 적합한 예시성 기기(12)의 블록도를 도시한 것이다. 도6이 나타내는 기기(12)는 하나의 예시일 뿐, 본 발명의 실시예의 기능과 사용 범위에 대해 어떠한 제한을 주어서도 안된다.
도6에 도시한 바와 같이, 기기(12)는 범용 컴퓨팅 기기의 형식으로 표현된다. 기기(12)의 구성 요소는 하나 또는 복수의 프로세서 또는 처리 유닛(16), 시스템 메모리(28), 서로 다른 시스템 구성 요소(시스템 메모리(28)와 처리 유닛(16)을 포함)를 연결하는 버스(18) 및 기기의 가속도를 검출하기 위한 가속도 검출기를 포함할 수 있으나 이에 한정되지 않는다. 전형적으로, 당해 가속도 검출기는 3축 가속도 센서일 수 있다.
버스(18)는 여러 유형의 버스 구조에서 한 가지 또는 복수 가지를 표시하는 바, 메모리 버스 또는 메모리 제어기, 주변 버스, 가속 그래픽 포트, 프로세서 또는 여러 가지 버스 구조에서의 임의 버스 구조를 사용하는 로컬 버스를 포함한다. 예를 들면, 이러한 아키텍처는 산업 표준 아키텍처(ISA) 버스, 마이크로채널 아키텍처(MCA) 버스, 확장 ISA 버스, 비디오 전자공학 표준위원회(VESA) 로컬 버스 및 주변 구성 요소 상호 연결(PCI) 버스를 포함하나 이에 한정되지 않는다.
기기(12)는 전형적으로 여러 가지 컴퓨터 시스템 판독 가능 매체를 포함한다. 이러한 매체는 임의의 기기(12)에 의해 액세스 가능한 사용 가능 매체일 수 있는 바, 휘발성 및 비휘발성 매체, 제거 가능한 및 제거 불가능한 매체를 포함한다.
시스템 메모리(28)는 휘발성 메모리 형식의 컴퓨터 시스템 판독 가능 매체, 예컨대 랜덤 액세스 메모리(RAM)(30) 및/또는 캐시 메모리(32)를 포함할 수 있다. 기기(12)는 기타 제거 가능한/제거 불가능한, 휘발성/비휘발성 컴퓨터 시스템 저장 매체를 나아가 더 포함할 수 있다. 그냥 예로 들면, 저장 시스템(34)은 제거 불가능한 비휘발성 자기 매체(도6에 미도시, 통상적으로는 ‘하드 디스크 드라이브’로 호칭됨)에 대한 판독 및 기록에 사용할 수 있다. 비록 도6에는 미도시하였지만, 제거 가능한 비휘발성 자기 디스크(예컨대 ‘플로피 디스크’)에 대해 판독 및 기록하기 위한 자기 디스크 드라이브, 그리고 제거 가능한 비휘발성 광디스크(예컨대 CD-ROM, DVD-ROM 또는 기타 광 매체)에 대해 판독 및 기록하기 위한 광디스크 드라이브가 제공될 수 있다. 이러한 상황에서, 매개 드라이브는 하나 또는 복수의 데이터 매체 인터페이스를 통해 버스(18)와 상호 연결될 수 있다. 메모리(28)는 프로그램 제품을 적어도 하나 포함할 수 있는 바, 당해 프로그램 제품은 한 그룹(예컨대 적어도 하나)의 프로그램 모듈을 구비하고, 이러한 프로그램 모듈은 본 발명의 각 실시예의 기능을 실행하도록 구성된다.
한 그룹(적어도 하나)의 프로그램 모듈(42)을 구비하는 프로그램/유틸리티 도구(40)는 예컨대 메모리(28)에 저장될 수 있는 바, 이러한 프로그램 모듈(42)은 운영 체제, 하나 또는 복수의 응용 프로그램, 기타 프로그램 모듈 및 프로그램 데이터를 포함하나 이에 한정되지 않고, 이러한 예시에서의 매 한 개 또는 일종의 조합에는 네트워크 환경의 구현이 포함될 수 있다. 프로그램 모듈(42)은 통상적으로 본 발명에서 설명한 실시예 중의 기능 및/또는 방법을 실행한다.
기기(12)는 하나 또는 복수의 주변 기기(14)(예컨대 키보드, 위치 지정 도구, 디스플레이(24) 등)와 통신할 수도 있고, 또한 사용자가 당해 기기(12)와 인터렉션 가능하도록 하는 하나 또는 복수의 기기와 통신할 수도 있고, 및/또는 당해 기기(12)가 하나 또는 복수의 기타 컴퓨팅 기기와 통신을 진행할 수 있도록 하는 임의 기기(예컨대 네트워크 카드, 모뎀 등)와 통신할 수도 있다. 이러한 통신은 입력/출력(I/O) 인터페이스(22)를 통해 진행할 수 있다. 그리고, 기기(12)는 또한 네트워크 어댑터(20)를 통해 하나 또는 복수의 네트워크(예컨대 근거리 통신망(LAN), 광역 통신망(WAN) 및/또는 공용 네트워크, 예컨대 인터넷)와 통신할 수 있다. 도시한 바와 같이, 네트워크 어댑터(20)는 버스(18)를 통해 기기(12)의 기타 모듈과 통신한다. 알아야 할 것은, 비록 도시되지 않았지만, 기기(12)에 결합하여 기타 하드웨어 및/또는 소프트웨어 모듈를 사용할 수 있는 바, 마이크로코드, 기기 드라이버, 리던던트 처리 유닛, 외장 자기 디스크 드라이브 어레이, RAID 시스템, 자기 테이프 드라이브 및 데이터 백업 저장 시스템 등이 포함되나 이에 한정되지 않는다.
처리 유닛(16)은 시스템 메모리(28)에 저장되어 있는 프로그램을 작동시키는 것을 통해 각 종 기능 애플리케이션 및 데이터 처리를 실행하는 바, 예컨대 본 발명의 실시예가 제공하는 운동 검출 방법을 구현한다.
실시예7
본 발명의 실시예7은 또한 컴퓨터 판독 가능 저장 매체를 제공하고, 이에는 컴퓨터 프로그램이 저장되는 바, 당해 프로그램이 프로세서에 의해 실행될 시 본 발명의 실시예 중 임의 하나에 기술된 것과 같은 운동 검출 방법을 구현한다.
당해 방법은, 이동 운반체 중 스마트 기기의 현재 자세 및 상기 이동 운반체가 서로 다른 운동 상태에 있을 경우의 상기 스마트 기기의 가속도에 따라 미리 트레이닝된 모델을 검증하고 검증이 통과된 모델을 예측 모델로 하는 단계; 및
수집된 상기 스마트 기기의 가속도를 상기 예측 모델에 입력하여 상기 이동 운반체의 예측 운동 상태를 출력하는 단계를 포함한다.
본 발명의 실시예의 컴퓨터 저장 매체는, 하나 또는 복수의 컴퓨터 판독 가능한 매체의 임의 조합을 적용할 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터 판독 가능 신호 매체 또는 컴퓨터 판독 가능 저장 매체일 수 있다. 컴퓨터 판독 가능 저장 매체는 예컨대 전기, 자기, 광, 전자기, 적외선, 또는 반도체의 시스템, 장치 또는 디바이스, 또는 이들의 임의 조합일수 있으나 이에 한정되지 않는다. 컴퓨터 판독 가능 저장 매체의 더 구체적인 예(불완전 리스트)는, 하나 또는 복수의 도선을 구비하는 전기적 연결, 휴대용 컴퓨터 자기 디스크, 하드 디스크, 랜덤 액세스 메모리(RAM), 읽기 전용 메모리(ROM), 소거 및 프로그래밍 가능 읽기 전용 메모리(EPROM 또는 플래시 메모리), 광섬유, 휴대용 콤팩트 디스크 읽기 전용 메모리(CD-ROM), 광 저장 디바이스, 자기 저장 디바이스, 또는 상술한 것의 임의의 적합한 조합을 포함한다. 본 문서에서, 컴퓨터 판독 가능 저장 매체는 프로그램을 포함하거나 저장하는, 임의의 유형 매체일 수 있고, 당해 프로그램은 명령 실행 시스템, 장치 또는 디바이스에 의해 사용되거나 또는 이들과 결합되어 사용될 수 있다.
컴퓨터 판독 가능 신호 매체는 기저대역에서 또는 반송파의 일부분으로 전파되는 데이터 신호를 포함할 수 있고, 컴퓨터 판독 가능 프로그램 코드가 그 중에 탑재되어 있다. 이렇게 전파되는 데이터 신호는 여러 가지 형식을 적용할 수 있는 바, 이는 전자기 신호, 광 신호 또는 상술한 것의 임의의 적합한 조합을 포함하나 이에 한정되지 않는다. 컴퓨터 판독가능 신호 매체는 또한 컴퓨터 판독가능 저장 매체 이외의 임의의 컴퓨터 판독가능 매체일 수 있고, 당해 컴퓨터 판독가능 매체는 명령 실행 시스템, 장치 또는 디바이스에 의해 사용되거나 또는 이들과 결합되어 사용되는 프로그램을 송신, 전파, 또는 전송할 수 있다.
컴퓨터 판독가능 매체에 포함되는 프로그램 코드는 임의의 적당한 매개체를 사용하여 전송할 수 있는 바, 이는 무선, 전선, 광케이블, RF 등, 또는 상술한 임의의 적합한 조합을 포함하나 이에 한정되지 않는다.
한가지 또는 복수 가지 프로그램 설계 언어 또는 그 조합으로 본 발명의 조작을 실행하기 위한 컴퓨터 프로그램 코드를 작성할 수 있고, 상기 프로그램 설계 언어는 Java, Smalltalk, C++와 같은 객체 지향 프로그램 설계 언어를 포함하고, 또한 ‘C’ 언어 또는 이와 유사한 프로그램 설계 언어와 같은 종래의 절차 지향 프로그램 설계 언어도 포함한다. 프로그램 코드는 사용자 컴퓨터에서 전부 실행되거나, 사용자 컴퓨터에서 일부 실행되거나, 하나의 독립적인 소프트웨어 패키지로서 실행되어 일부는 사용자 컴퓨터에서, 일부는 원격 컴퓨터에서 실행되거나, 혹은 원격 컴퓨터에서 또는 서버에서 전부 실행될 수 있다. 원격 컴퓨터와 관련되는 상황에서, 원격 컴퓨터는 근거리 통신망(LAN) 및 광역 통신망(WAN)을 포함하는 임의 유형의 네트워크를 통해 사용자 컴퓨터에 연결되거나 외부 컴퓨터에 연결될 수 있다(예컨대, 인터넷 서비스 제공자를 이용하여 인터넷을 통해 연결된다).
유의하여야 할 것은, 상술한 것은 단지 본 발명의 보다 바람직한 실시예 및 운용된 기술 원리일뿐이다. 당업자라면, 본 발명은 여기 기술된 특정 실시예에 한정되는 것이 아니고, 당업자에게 있어서 본 발명의 보호 범위를 이탈하지 않으면서 여러 가지 분명한 변화, 재조정 및 치환이 진행 가능하다는 것을 이해하게 될 것이다. 때문에 비록 상술의 실시예를 통해 본 발명에 대한 보다 상세한 설명을 진행하였지만 본 발명은 상술한 실시예에만 한정되는 것이 아니며 본 발명의 구상을 이탈하지 않는 상황에서 또한 기타 등가 실시예를 더 많이 포함할 수가 있고, 본 발명의 범위는 첨부된 특허청구범위의 범위에 의해 결정된다.
Claims (14)
- 운동 검출 방법에 있어서,
이동 운반체 중 스마트 기기의 현재 자세 및 상기 이동 운반체가 서로 다른 운동 상태에 있을 경우의 상기 스마트 기기의 가속도에 따라, 미리 트레이닝된 모델을 검증하고 검증이 통과된 모델을 예측 모델로 하는 단계;
수집된 상기 스마트 기기의 가속도를 상기 예측 모델에 입력하여 상기 이동 운반체의 예측 운동 상태를 출력하는 단계; 및
이동 운반체의 과거 운동 정보 및 상기 이동 운반체의 예측 운동 상태에 따라 상기 이동 운반체의 최종 운동 상태를 결정하는 단계; 를 포함하는 것,
을 특징으로 하는 운동 검출 방법. - 제1항에 있어서,
상기 이동 운반체 중 스마트 기기의 현재 자세 및 상기 이동 운반체가 서로 다른 운동 상태에 있을 경우의 상기 스마트 기기의 가속도에 따라 미리 트레이닝된 모델을 검증하는 단계는,
만약 미리 트레이닝된 모델에 대응되는 자세와 이동 운반체 중 스마트 기기의 현재 자세가 매칭된다면, 상기 이동 운반체가 임의의 한 운동 상태에 있는 시간 길이가 미리 설정된 시간 길이 역치보다 큰 시간 간격 내에서의 상기 스마트 기기의 가속도를 이용하여, 자세가 매칭되는 미리 트레이닝된 모델을 검증하는 단계를 포함하는 것,
을 특징으로 하는 운동 검출 방법. - 삭제
- 제1항에 있어서,
상기 이동 운반체의 과거 운동 정보 및 상기 이동 운반체의 예측 운동 상태에 따라 상기 이동 운반체의 최종 운동 상태를 결정하는 단계는,
이동 운반체의 과거 주행 속도 및 과거 운동 상태중 적어도 하나, 및 상기 이동 운반체의 예측 운동 상태에 따라, 상기 이동 운반체의 최종 운동 상태를 결정하는 단계를 포함하는 것,
을 특징으로 하는 운동 검출 방법. - 제1항 또는 제2항 또는 제4항에 있어서,
수집된 상기 스마트 기기의 가속도를 상기 예측 모델에 입력하여 상기 이동 운반체의 예측 운동 상태를 출력하는 단계 이후, 상기 방법은,
이동 운반체의 예측 운동 상태에 따라 상기 이동 운반체의 위치 결정 좌표 위치를 조정하는 단계를 더 포함하는 것,
을 특징으로 하는 운동 검출 방법. - 제5항에 있어서,
상기 이동 운반체의 예측 운동 상태에 따라 상기 이동 운반체의 위치 결정 좌표 위치를 조정하는 단계는,
만약 현재 시각의 이동 운반체의 위치 결정 좌표 위치가 제1 위치이고, 다음 시각의 상기 이동 운반체의 위치 결정 좌표 위치가 여전히 제1 위치이고, 상기 이동 운반체가 현재 시각과 다음 시각에서의 예측 운동 상태가 모두 운동이라면, 상기 이동 운반체의 다음 시각에서의 위치 결정 좌표 위치를 제1 위치의 다음 위치로 조정하는 단계; 또는
만약 서로 다른 시각에서의 이동 운반체의 예측 운동 상태가 모두 정지라면, 상기 이동 운반체의 상기 서로 다른 시각에서의 위치 결정 좌표 위치를 동일하게 유지하는 단계, 를 포함하는 것,
을 특징으로 하는 운동 검출 방법. - 운동 검출 장치에 있어서,
이동 운반체 중 스마트 기기의 현재 자세 및 상기 이동 운반체가 서로 다른 운동 상태에 있을 경우의 상기 스마트 기기의 가속도에 따라, 미리 트레이닝된 모델을 검증하고 검증이 통과된 모델을 예측 모델로 하기 위한 검증 모듈;
수집된 상기 스마트 기기의 가속도를 상기 예측 모델에 입력하여 상기 이동 운반체의 예측 운동 상태를 출력하기 위한 예측 모듈; 및
수집된 상기 스마트 기기의 가속도를 상기 예측 모델에 입력하여 상기 이동 운반체의 예측 운동 상태를 출력한 후, 이동 운반체의 과거 운동 정보 및 상기 이동 운반체의 예측 운동 상태에 따라 상기 이동 운반체의 최종 운동 상태를 결정하기 위한 상태 결정 모듈; 을 포함하는 것,
을 특징으로 하는 운동 검출 장치. - 제7항에 있어서,
상기 검증 모듈은,
만약 미리 트레이닝된 모델에 대응되는 자세와 이동 운반체 중 스마트 기기의 현재 자세가 매칭된다면, 상기 이동 운반체가 임의의 한 운동 상태에 있는 시간 길이가 미리 설정된 시간 길이 역치보다 큰 시간 간격 내에서의 상기 스마트 기기의 가속도를 이용하여, 자세가 매칭되는 미리 트레이닝된 모델을 검증하기 위한 검증 유닛을 포함하는 것,
을 특징으로 하는 운동 검출 장치. - 삭제
- 제7항에 있어서,
상기 상태 결정 모듈은,
이동 운반체의 과거 주행 속도 및 과거 운동 상태중 적어도 하나, 및 상기 이동 운반체의 예측 운동 상태에 따라, 상기 이동 운반체의 최종 운동 상태를 결정하기 위한 상태 결정 유닛을 포함하는 것,
을 특징으로 하는 운동 검출 장치. - 제7항 또는 제8항 또는 제10 항에 있어서,
상기 운동 검출 장치는,
수집된 상기 스마트 기기의 가속도를 상기 예측 모델에 입력하여 상기 이동 운반체의 예측 운동 상태를 출력한 후, 이동 운반체의 예측 운동 상태에 따라 상기 이동 운반체의 위치 결정 좌표 위치를 조정하기 위한 위치 조정 모듈을 더 포함하는 것,
을 특징으로 하는 운동 검출 장치. - 제11항에 있어서,
상기 위치 조정 모듈은 위치 조정 유닛을 포함하며,
상기 위치 조정 유닛은,
만약 현재 시각의 이동 운반체의 위치 결정 좌표 위치가 제1 위치이고, 다음 시각의 상기 이동 운반체의 위치 결정 좌표 위치가 여전히 제1 위치이고, 상기 이동 운반체가 현재 시각과 다음 시각에서의 예측 운동 상태가 모두 운동이라면, 상기 이동 운반체의 다음 시각에서의 위치 결정 좌표 위치를 제1 위치의 다음 위치로 조정하거나, 또는
만약 서로 다른 시각에서의 이동 운반체의 예측 운동 상태가 모두 정지라면, 상기 이동 운반체의 상기 서로 다른 시각에서의 위치 결정 좌표 위치를 동일하게 유지하는 것,
을 특징으로 하는 운동 검출 장치. - 운동 검출 기기에 있어서,
하나 또는 복수의 프로세서;
하나 또는 복수의 프로그램을 저장하기 위한 저장 장치; 및
기기의 가속도를 검출하기 위한 가속도 검출기, 를 포함하고,
상기 하나 또는 복수의 프로그램이 상기 하나 또는 복수의 프로세서에 의해 실행될 시, 상기 하나 또는 복수의 프로세서가 제1항 또는 제2항 또는 제4항의 운동 검출 방법을 구현하도록 하는 것,
을 특징으로 하는 운동 검출 기기. - 컴퓨터 프로그램이 저장되어 있는 컴퓨터 판독 가능 저장 매체에 있어서,
당해 프로그램이 프로세서에 의해 실행될 시 제1항 또는 제2항 또는 제4항의 운동 검출 방법을 구현하는 것,
을 특징으로 하는 컴퓨터 판독 가능 저장 매체.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810796567.2 | 2018-07-19 | ||
CN201810796567.2A CN109100537B (zh) | 2018-07-19 | 2018-07-19 | 运动检测方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20200010051A KR20200010051A (ko) | 2020-01-30 |
KR102163171B1 true KR102163171B1 (ko) | 2020-10-12 |
Family
ID=64846705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190082755A KR102163171B1 (ko) | 2018-07-19 | 2019-07-09 | 운동 검출 방법, 장치, 기기 및 매체 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10993079B2 (ko) |
EP (1) | EP3598144A1 (ko) |
JP (1) | JP6894946B2 (ko) |
KR (1) | KR102163171B1 (ko) |
CN (1) | CN109100537B (ko) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110213718A (zh) * | 2019-05-24 | 2019-09-06 | 北京小米移动软件有限公司 | 感知终端行为的方法及装置 |
CN110650509A (zh) * | 2019-09-12 | 2020-01-03 | 维沃移动通信有限公司 | 一种电子设备的状态处理方法及电子设备 |
CN111090286B (zh) * | 2020-03-24 | 2020-12-29 | 北京三快在线科技有限公司 | 一种无人车运动状态规划方法及装置 |
US11386784B2 (en) * | 2020-11-02 | 2022-07-12 | GM Global Technology Operations LLC | Systems and methods for vehicle pose prediction |
CN112669982B (zh) * | 2020-12-31 | 2023-02-21 | 南方科技大学 | 密切接触者的确定方法、装置、设备和存储介质 |
CN113408585A (zh) * | 2021-05-21 | 2021-09-17 | 上海师范大学 | 一种基于人工智能的智能***移动检测方法 |
DE102021208202A1 (de) | 2021-07-29 | 2023-02-02 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zur Ermittlung eines Bewegungszustands eines Kraftfahrzeugs |
Family Cites Families (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7236091B2 (en) | 2005-02-10 | 2007-06-26 | Pinc Solutions | Position-tracking system |
US7999664B2 (en) * | 2008-12-12 | 2011-08-16 | Gm Global Technology Operations, Llc | Behavior-based low fuel warning system |
CN201691930U (zh) * | 2009-08-28 | 2011-01-05 | 张鑫 | 一种人体运动状态监测装置 |
JP2012008659A (ja) | 2010-06-22 | 2012-01-12 | Sony Corp | データ処理装置、データ処理方法、およびプログラム |
US20120016641A1 (en) * | 2010-07-13 | 2012-01-19 | Giuseppe Raffa | Efficient gesture processing |
KR101827885B1 (ko) * | 2010-08-06 | 2018-02-12 | 삼성전자주식회사 | 휴대 단말을 이용한 사용자 행동 측정 장치 및 방법 |
CN102252676B (zh) * | 2011-05-06 | 2014-03-12 | 微迈森惯性技术开发(北京)有限公司 | 运动姿态数据获取、人体运动姿态追踪方法及相关设备 |
KR20120138428A (ko) * | 2011-06-15 | 2012-12-26 | 오윤진 | 뽕잎이 배합된 콩나물 김치 및 그 제조방법 |
CN103164049A (zh) * | 2011-12-09 | 2013-06-19 | 捷达世软件(深圳)有限公司 | 手持行动电子装置摆动识别控制***及方法 |
US9809169B1 (en) * | 2013-03-15 | 2017-11-07 | Mouhamad A. Naboulsi | Safety control system for vehicles |
DE102013213067B4 (de) | 2013-07-04 | 2018-09-20 | Volkswagen Aktiengesellschaft | Verfahren und Vorrichtung zur Bestimmung mindestens einer Zustandsgröße einer Eigenposition eines Fahrzeugs |
CN104297519B (zh) * | 2013-07-19 | 2017-11-28 | 广州三星通信技术研究有限公司 | 人体运动姿态识别方法和移动终端 |
US9983591B2 (en) * | 2015-11-05 | 2018-05-29 | Ford Global Technologies, Llc | Autonomous driving at intersections based on perception data |
CN105303183B (zh) * | 2015-11-13 | 2019-02-19 | 南京邮电大学 | 一种基于穿戴设备的儿童姿态识别分析***和方法 |
KR101737950B1 (ko) * | 2015-11-20 | 2017-05-19 | 한국과학기술원 | 지형참조항법에서 영상 기반 항법해 추정 시스템 및 방법 |
JP6174105B2 (ja) | 2015-12-07 | 2017-08-02 | ヤフー株式会社 | 判定装置、判定方法及び判定プログラム |
CN105510870B (zh) * | 2015-12-19 | 2018-05-18 | 长安大学 | 一种智能设备室内定位***和方法 |
CN105760836A (zh) * | 2016-02-17 | 2016-07-13 | 厦门美图之家科技有限公司 | 基于深度学习的多角度人脸对齐方法、***及拍摄终端 |
JP6139722B1 (ja) * | 2016-02-19 | 2017-05-31 | ヤフー株式会社 | 推定装置、推定方法及び推定プログラム |
WO2017193311A1 (zh) * | 2016-05-11 | 2017-11-16 | 华为技术有限公司 | 汽车智能提醒方法及装置 |
US9769794B1 (en) * | 2016-07-01 | 2017-09-19 | Sprint Spectrum L.P. | Method and system for addressing a threshold extent of failure of paging in a network |
US9955319B2 (en) * | 2016-09-12 | 2018-04-24 | Zendrive, Inc. | Method for mobile device-based cooperative data capture |
CN106228200B (zh) * | 2016-10-17 | 2020-01-14 | 中北大学 | 一种不依赖于动作信息采集设备的动作识别方法 |
CN106600626B (zh) * | 2016-11-01 | 2020-07-31 | 中国科学院计算技术研究所 | 三维人体运动捕获方法与*** |
CN106679657B (zh) * | 2016-12-06 | 2019-10-25 | 北京航空航天大学 | 一种运动载体导航定位方法及装置 |
CN106705968B (zh) * | 2016-12-09 | 2020-11-27 | 北京工业大学 | 基于姿态识别和步长模型的室内惯性导航算法 |
CN106709471A (zh) * | 2017-01-05 | 2017-05-24 | 宇龙计算机通信科技(深圳)有限公司 | 跌倒检测方法及装置 |
CN107016342A (zh) * | 2017-03-06 | 2017-08-04 | 武汉拓扑图智能科技有限公司 | 一种动作识别方法及*** |
CN107212890B (zh) * | 2017-05-27 | 2019-05-21 | 中南大学 | 一种基于步态信息的运动识别和疲劳检测方法及*** |
US10373492B2 (en) * | 2017-10-25 | 2019-08-06 | Uber Technologies, Inc. | Network computer system to evaluate an operator of a freight vehicle |
CN108052960A (zh) * | 2017-11-28 | 2018-05-18 | 深圳市金立通信设备有限公司 | 识别终端握持状态的方法、模型训练方法及终端 |
US10899349B2 (en) * | 2017-12-27 | 2021-01-26 | Robert Bosch Gmbh | Centering a vehicle in a lane using environmental information to correct a predicted trajectory |
CN108182004B (zh) * | 2018-01-19 | 2019-07-23 | 百度在线网络技术(北京)有限公司 | 用于识别承载移动终端的载体的行为模式的方法和装置 |
US11565693B2 (en) * | 2018-05-03 | 2023-01-31 | Honda Motor Co., Ltd. | Systems and methods for distracted driving detection |
-
2018
- 2018-07-19 CN CN201810796567.2A patent/CN109100537B/zh active Active
-
2019
- 2019-07-09 KR KR1020190082755A patent/KR102163171B1/ko active IP Right Grant
- 2019-07-17 US US16/514,034 patent/US10993079B2/en active Active
- 2019-07-19 EP EP19187164.9A patent/EP3598144A1/en active Pending
- 2019-07-19 JP JP2019133210A patent/JP6894946B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
US20200029176A1 (en) | 2020-01-23 |
JP6894946B2 (ja) | 2021-06-30 |
KR20200010051A (ko) | 2020-01-30 |
EP3598144A1 (en) | 2020-01-22 |
JP2020012830A (ja) | 2020-01-23 |
CN109100537A (zh) | 2018-12-28 |
CN109100537B (zh) | 2021-04-20 |
US10993079B2 (en) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102163171B1 (ko) | 운동 검출 방법, 장치, 기기 및 매체 | |
US11747143B2 (en) | Methods and system for combining sensor data to measure vehicle movement | |
JP6811282B2 (ja) | 自動運転車に用いられる自動データラベリング | |
JP6832421B2 (ja) | シミュレーションに基づく自動運転車の感知要求の評価方法 | |
JP6784794B2 (ja) | 自動運転車の経路計画用のドリフト補正の方法 | |
US11199846B2 (en) | Learning-based dynamic modeling methods for autonomous driving vehicles | |
US11377119B2 (en) | Drifting correction between planning stage and controlling stage of operating autonomous driving vehicles | |
CN109255341B (zh) | 障碍物感知错误数据的提取方法、装置、设备及介质 | |
CN104620189B (zh) | 具有微机电***运动传感器的移动设备硬件姿态检测实现 | |
KR20180049029A (ko) | 자율 주행 차량의 운행을 위한 제어 오류 보정 계획 방법 | |
CN111026081B (zh) | 一种误差计算方法、装置、设备及存储介质 | |
US20210287262A1 (en) | Aligning provider-device axes with transportation-vehicle axes to generate driving-event scores | |
KR20180019741A (ko) | 보행자 추측 항법 기술 | |
US20140012536A1 (en) | Information processing apparatus, information processing method, program, and recording medium | |
JP6808775B2 (ja) | 複数のキューを利用したオブジェクト追跡 | |
US20220017032A1 (en) | Methods and systems of predicting total loss events | |
US20210188266A1 (en) | A camera-based low-cost lateral position calibration method for level-3 autonomous vehicles | |
JP2020529348A (ja) | 自動運転車両のためのスピード制御コマンド自動較正システム | |
US11226350B2 (en) | Method and device for detecting obstacle speed, computer device, and storage medium | |
US11036225B2 (en) | Method for evaluating localization system of autonomous driving vehicles | |
CN112711054B (zh) | 一种对象行为检测方法、装置、电子设备和存储介质 | |
CN108120450B (zh) | 一种静止状态的判断方法及装置 | |
JP7045393B2 (ja) | 自動運転車両の基準線を生成するための方法およびシステム | |
EP2756658B1 (en) | Detecting that a mobile device is riding with a vehicle | |
US20220116743A1 (en) | Detecting handheld device movements utilizing a handheld-movement-detection model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right |