[发明专利]坐标识别方法、装置、设备、及计算机可读存储介质在审

专利信息
申请号: 201910610305.7 申请日: 2019-07-08
公开(公告)号: CN110390279A 公开(公告)日: 2019-10-29
发明(设计)人: 程云;沈怡然;龚万敏 申请(专利权)人: 丰图科技(深圳)有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06F16/9537
代理公司: 深圳翼盛智成知识产权事务所(普通合伙) 44300 代理人: 黄威
地址: 518052 广东省深圳市南*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 坐标图像 图像 坐标识别 计算机可读存储介质 定位坐标点 相似度 筛选 预设 文本 相似度计算 模型获取 坐标点 申请
【权利要求书】:

1.一种坐标识别方法,其特征在于,包括:

获取待识别坐标图像;

提取所述待识别坐标图像中包含的地址文本;

获取与所述地址文本对应的相关图像;

通过预设的相似度计算模型获取所述待识别坐标图像与所述相关图像之间的相似度;

筛选相似度大于预设阈值的相关图像,得到筛选后的相关图像;

提取所述筛选后的相关图像中包含的坐标点,得到定位坐标点群;

根据所述定位坐标点群获取所述待识别坐标图像对应的坐标。

2.根据权利要求1所述的坐标识别方法,其特征在于,所述提取所述筛选后的相关图像中包含的坐标点,得到定位坐标点群之后,还包括:

获取异常点检测模型;

通过所述异常点检测模型识别所述定位坐标点群中的异常坐标点;

对所述定位坐标点群中的所述异常坐标点进行去除,得到去除后的定位坐标点群;

所述根据所述定位坐标点群获取所述待识别坐标图像对应的坐标包括:

所述根据所述去除后的定位坐标点群,获取所述待识别坐标图像对应的坐标。

3.根据权利要求1所述的坐标识别方法,其特征在于,所述获取与所述地址文本对应的相关图像,包括:

将图像获取指令发送至第三方服务平台,所述图像获取指令携带有所述地址文本;

接收所述第三方服务平台基于所述图像获取指令返回的相关图像,所述相关图像为所述第三方服务平台基于所述地址文本查找到。

4.根据权利要求1所述的坐标识别方法,其特征在于,所述获取与所述地址文本对应的相关图像,包括:

将图像获取指令发送至第三方地图服务平台,所述图像获取指令携带有所述地址文本;

接收所述第三方地图服务平台基于所述图像获取指令返回的兴趣点列表;

根据所述兴趣点列表获取与所述地址文本对应的相关图像。

5.根据权利要求1所述的坐标识别方法,其特征在于,所述根据所述定位坐标点群获取所述待识别坐标图像的坐标,包括:

获取所述定位坐标点群中的每两个坐标点之间的标准差;

根据所述每两个坐标点之间的标准差计算各个坐标点的标准差总和;

根据标准差总和最小的坐标点确定中心点;

根据所述中心点获取所述待识别坐标图像的坐标。

6.根据权利要求5所述的坐标识别方法,其特征在于,所述根据所述中心点获取所述待识别坐标图像的坐标之后,包括:

获取所述异常坐标点的个数;

根据所述异常坐标点的个数确定所述中心点的数据可信度;

将所述待识别坐标图像的坐标与数据可信度进行关联,获得关联后的坐标与可信度;

当接收到显示指令时,将所述关联后的坐标与可信度进行显示,其中,所述显示指令携带有所述待识别坐标图像。

7.根据权利要求1所述的坐标识别方法,其特征在于,所述提取所述待识别坐标图像中包含的地址文本,包括:

获取预先构建的图像文本识别模型;

通过所述预先构建的图像文本识别模型对所述待识别坐标图像进行文本检测和文本识别,得到目标识别结果,所述图像文本识别模型包括图像文本检测子模型和图像文本识别子模型,所述图像文本检测子模型与所述图像文本识别子模型分别采用深度学习算法训练得到的;

根据所述目标识别结果确定所述待识别坐标图像中包含的地址文本。

8.一种坐标识别装置,其特征在于,包括:

第一获取单元,用于获取待识别坐标图像;

第一提取单元,用于提取所述待识别坐标图像中包含的地址文本;

第二获取单元,用于获取与所述地址文本对应的相关图像;通过预设的相似度计算模型获取所述待识别坐标图像与所述相关图像之间的相似度;

筛选单元,用于筛选相似度大于预设阈值的相关图像,得到筛选后的相关图像;

第二提取单元,用于提取所述筛选后的相关图像中包含的坐标点,得到定位坐标点群;

第三获取单元,用于根据所述定位坐标点群获取所述待识别坐标图像对应的坐标。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于丰图科技(深圳)有限公司,未经丰图科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910610305.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top