- 综合排序
- 最热优先
- 最新优先
- 来自专栏一点人工一点智能
实时自动驾驶车辆定位技术概述
分析结果表明，定位方法的计算复杂性最大相差约107倍，而精度相差约100倍。 与基于激光雷达的定位相比，基于视觉和数据融合的定位技术在提高精度方面的潜力约为2–5倍。 作为一种典型的方法，地图匹配算法广泛应用于许多配备激光雷达[4]、雷达[5]、相机[6]或V2X[7]的定位解决方案中。 然而，基于雷达的SLAM在地图匹配中面临数据配准错误的风险，因为有时会提取不真实的特征，从而导致定位精度低的风险[5]。 该技术没有累积误差，因此具有合理的精度（约5m）。然而缺点是它很容易受到测量噪声的影响[68]，[77]，[78]。 4.3 基于视觉的定位 基于视觉的定位通常可以达到合理的精度。 图5显示，与其他基于传感器的定位相比，基于数据融合的技术可以在精度和实时性能方面实现平衡。
2.4K40编辑于 2023-02-18 - 来自专栏FreeBuf
远程定位追踪联网车辆以及利用思路分析
然后整整花了一周时间在网上查了相关驾考整个通信系统的相关技术文章，简单总结如下： 1>定位原理：车辆要达到精准定位，需要场地安装基准站，车载需要安装移动站，并且调试基站和移动站同一频率；移动站有前后2个天线 ，前天线我用红色圆圈已经标记，前天线是代表车的航向;后天线是给车辆进行定位<偏东+偏北>。 定位与追踪完成。
83750发布于 2018-08-21 - 来自专栏点云PCL
高速场景下自动驾驶车辆定位方法综述
基本介绍 高速公路上的定位方法可以细分为更小的模块，即 道路级定位（RLL）：车辆行驶的道路； 自车车道级定位（ELL）：车辆在车道上的横向和纵向位置； 车道级定位（LLL）：道路内主车道的位置（即车辆行驶的车道 A 道路级定位 车辆上无处不在的定位设备使驾驶员能够知道车辆在公路上的位置，然而由于这些定位设备固有的不精确性，这种估计具有一定的噪声，为了解决这个问题，需要一个精细化定位的程序，将车辆位置与来自地图的道路网络相匹配 表5.展示了CULane在F1方面进行基准测试的最佳深度学习算法总结。 另一方面，基于神经网络的深度学习方法在车道标记检测方面达到了更好的精度，因为大多数基准测试的优秀方案都是深度学习方法，如表4和表5所示。当模型无法形式化或不可用时，它们表现良好。 总结 在本综述中，我们提出了高速公路上自动驾驶车辆定位的最新方法分类，定位任务分为三个部分，即道路级定位（RLL）、自车车道级定位（ELL）和车道级定位。
1.2K20编辑于 2022-09-13 - 来自专栏点云PCL
自动驾驶中车辆的如何使用点云定位？
本篇文章将主要介绍三维激光雷达在自动驾驶定位领域最新的研究，并分析各种方法的定位的效果。 介绍 自动驾驶的定位意味着能够在地图中找到车辆的位置和方向。 （3）基于点云数据的深度学习的方法：深度学习在决定车辆的定位问题上的研究获得越来越多的研究。在[5,6,7,8]文章中首先使用2D的图像来预测和计算里程计，并且最终的定位效果还是可以接受的。 接下来讲介绍各种点云定位技术对比和测试结果。 自动驾驶车辆的3D激光雷达定位 首先回顾和讨论文献中可用的所有方法，在这些文献中，仅使用3D LIDAR传感器即可实现对车辆的3D定位。 ： （1）通过将获取的扫描帧点云与预构建的高精点云地图的一部分进行配准，对车辆进行定位。 还有论文【21】【22】利用自动驾驶车辆环境中存在的几何形状作为定位的要素，将平面提取算法与帧与帧之间的技术相结合以产生姿态的估计用于车辆的定位，与通过ICP算法获得的结果比较平面提取和对齐的方法在准确性和速度上都显示出了极大的提高
3.5K20发布于 2020-08-20 - 来自专栏点云PCL
基于语义地图的单目定位用于自动驾驶车辆
实验结果表明，该方法在各种自动驾驶定位任务中是一种可靠且实用的定位解决方案。 主要贡献 将当前观测中的语义线索与语义地图中的元素关联，为自动驾驶车辆中的单目视觉定位提供了一种有前途的解决方案。 通过最小化全局重投影误差，可以获得车辆的六自由度（6-DOF）位姿。 图1. 系统结构示意图,上半部分展示了全局语义地图的构建过程，下半部分展示了通过单目摄像头进行的车辆定位过程 A. 图5展示了带有旋转角度补偿的增强型IPM模型。 图5. 带有翻滚角、俯仰和偏航角补偿的增强型逆透视变换（IPM）模型示意图。 总结 在本文提出了一种基于稳定视觉语义特征（如地面标记、车道线和杆状物）的自动驾驶车辆视觉定位系统。 在未来的工作中，考虑集成更多种类的低成本传感器，例如GPS，以进一步扩展自动驾驶车辆在更复杂交通场景中的鲁棒定位应用。
84411编辑于 2024-06-21 - 来自专栏自动化测试实战
Appium定位 5 ——xpath
今天我们先来和大家说一下appium，上一次说到了定位，不知道大家定位的怎么样了，今天来说如何定位xpath，五分钟即可学会： 例1： 现在我想定位下面这个登录按钮： xpath该怎么写呢？ 先不管三七二十几，先写//，然后找你要定位元素最近的可以直接定位到的元素，我们看到home属性是content-desc： 所以我们就可以根据content-desc这个属性直接定位到上图红色home那里这些属性都在这个 WebView下面，所以继续： //adnroid.webkit.WebView[@content-desc='home']/ 接下来是一个View，然后他下面的第二个View就是我们要定位的 //android.webkit.WebView [@content-desc='home']/android.view.View/android.view.View[2] 这样就可以定位到了，有两点说明 第一：xpath的索引从1开始，不是从0开始哦 再举个例子： 定位方框里的： 先写上//，然后看home那行，知道要这样写： //android.webkit.WebView[@content-desc='home'] 接着看到定位的View在ListView
1.3K50发布于 2018-05-18 - 来自专栏OpenCV与AI深度学习
基于YOLOv3的车辆号牌定位算法【文末送书】
为了保证切割图片的完整性，同样采取扩大像素值的办法，xml文件中保存的号牌位置，其中左上角位置坐标点分别减少5个像素，右下角位置坐标点分别增加5个像素。 初步处理后的数据只是得到具体号牌的图片，尚未对图片进行标注处理，因此并不能直接作为数据集来训练OCR算法，该部分主要实现号牌上文本的识别，本章3.2小节中已经通过YOLOv3算法实现全部遮挡号牌、未悬挂号牌和其他类号牌的定位和分类 ，在目标检测算法基础上选择识别结果中其他类的图片进行进一步处理，除了与图片标注的质量有关之外，图片的数量也直接影响最终的模型是否更好的泛化能力，数据集中的车辆号牌图片除了包括正常号牌之外，还存在半遮挡的号牌 具体的实现方式如图5所示。 图5 修改权重文件实现方式 (1)分析权重结构。 05 阈值分析 实际应用中，污损遮挡号牌的识别不仅和算法的识别率有关，更与所采集的车辆图像质量和实际车牌质量息息相关，车牌质量的好坏直接影响最终的识别性能，例如车牌会受到主观因素上的车辆套牌
63920编辑于 2022-12-22 港口码头作业人员车辆怎么定位？融合方案破解海港难题
港口作为物流枢纽，每天都有大量人员和车辆在复杂环境中作业。堆场、廊道、码头前沿，区域交错，环境多变。如何实现精准定位和安全管控，是管理者长期面临的难题。 一套多技术融合定位方案（例如：航飞光电人员定位系统），为港口提供了从“人找车、人找人”到实时可视可控的解决方案。一、从“海港迷宫”到“一图全览”：定位难在哪？ 针对这些难点，港口码头人员定位系统使用UWB、北斗、蓝牙、RTK等定位技术融合路线。二、多项定位功能融入安全帽许多一线工人不愿佩戴额外的定位工牌，认为会影响作业。 为解决这一问题，将定位模块嵌入常规安全帽中。从外观上看，它与普通安全帽无异，但内部集成了定位芯片与模块。这种设计避免了工人抵触，实现了人员位置信息的自动采集。 这道电子围栏发挥多重作用：越界报警：未经授权的人员或车辆靠近边界时，系统立即触发声光报警，并推送至管理人员终端。
9410编辑于 2026-03-16- 来自专栏机器学习AI算法工程
yolov5 行人 车辆 跟踪 检测 计数
默认是 南/北 方向检测，若要检测不同位置和方向，可在 main.py 文件第13行和21行，修改2个polygon的点。
1.4K30编辑于 2021-12-17 基于yolov8+bytetrack+pyqt5实现车辆进出流量统计+车辆实时测速实现
以前使用过yolov5+deepsort实现过车辆进出流量统计+车辆实时测速，可以看我往期视频，这回改成yolov8+bytetrack实现，实时性更好，原理和原来一样。 流处理车辆速度计算公式： 车速=单位像素车速x像素偏移/(车辆当前位置时间-车辆进入时间) 时间为电脑本地时间或者在线北京时间 视频处理车速计算公式： 车速=单位像素车速x像素偏移/((当前帧索引-车辆进入帧索引 )x(1/FPS)) 【效果截图】 【视频演示】 基于yolov8+pyqt5实现车辆进出流量统计+车辆实时测速_哔哩哔哩_bilibili测试环境：torch==1.9.0+cu111torchvision ==0.10.0+cu111ultralytics==8.2.2以前使用过yolov5+deepsort实现过车辆进出流量统计+车速测量，这次更换为yolov8+bytetrack，代码高度封装，不冗余 -6.2封装成一个类几行代码完成语义分割任务，基于yolov8+bytetrack实现目标追踪视频演示，yolov5+bytetrack+pyqt5实现目标追踪，基于yolov5的单目测距视频演示，C+
38300编辑于 2025-07-20- 来自专栏LB说IOT
联网车辆
到2025年，将有超过5亿辆联网汽车上路，到2030 年，联网汽车服务的价值将达到810亿美元，使联网汽车市场成为增长最快的领域之一物联网，并为移动运营商，汽车制造商和更广泛的生态系统中的公司提供了巨大的收入机会 从4G到5G——规模上的自主性和移动性 C-V2X技术已在全球商用，它利用了安全且成熟的4G LTE网络基础设施，提供了当今互联汽车市场的好处。 随着5G、C-V2X和联网车辆市场将充分发挥其潜力，实现完全自主和联网驾驶，并提供社会效益、增值服务和广泛的商业机会。 事实上，C-V2X已经从4G LTE网络（LTE-V2X）向下一代移动网络（5G NR-V2X）演进，这意味着新的3GPP版本不断为这项技术提供了根本性的增强，而C-V2X是唯一一种具有可持续发展路线图的连接式车辆技术 5G对于移动生态系统的转型也至关重要。
65820编辑于 2022-04-12 - 来自专栏程序猿的大杂烩
HTML5缓存和GPS定位
在html5中提供了两种在客户端存储数据的新方法localStorage和sessionStorage ，并且html5还支持内嵌在浏览器中的WebSQL数据库，下面就介绍一下这三种存储数据的使用方式。 应用缓存 在HTML5中引入了应用程序缓存，这意味着 web 应用可进行缓存，并可在没有因特网连接时进行访问。 这就是如何使用html5中的应用缓存的简单介绍。 GPS定位 在html5中有一个Geolocation API，这个API用于通过GPS获得用户的地理位置，也就是俗称的GPS定位。 运行结果： 浏览器会询问是否允许定位，点击不允许的话会抛出一个错误对象，然后执行错误处理函数进行相应的处理： ? 如果获取地理位置的过程出错了，也会执行错误处理函数，打印出相应的错误类型： ? 手机上也可以定位： ? 除此之外还可以调用一些地图API将坐标显示到地图上。 代码示例，我这里调用的是百度地图的API： ? 运行结果： ?
3.2K20发布于 2020-09-23 HTML5 Geolocation（地理定位）
HTML5 Geolocation（地理定位）用于定位用户的位置。 定位用户的位置 HTML5 Geolocation API 用于获得用户的地理位置。 浏览器支持 Internet Explorer 9+, Firefox, Chrome, Safari 和 Opera 支持Geolocation（地理定位）. 注意: Geolocation（地理定位）对于拥有 GPS 的设备，比如 iPhone，地理定位更加精确。 HTML5 - 使用地理定位 请使用 getCurrentPosition() 方法来获得用户的位置。 给定位置的信息 本页演示的是如何在地图上显示用户的位置。不过，地理定位对于给定位置的信息同样很有用处。
24410编辑于 2025-12-16- 来自专栏破晓之歌
H5获取定位信息 原
v=2.0&ak=aAP7FmnDEeZAX7Cvdbe7kdKE "></script> <title>百度地图的定位</title> </head> <body> <script type="text
95220发布于 2018-08-15 - 来自专栏漫途科技
车辆排队叫号系统提升车辆调度效率
货主对于货运车辆到厂的时间不明确，司机对于进场的时间把握不好。在互相等待的过程中，极容易出现跑单、排队、难卸货、找不到交货点、到货时间不透明等问题。 因此定制一套智能化信息化的车辆排队叫号系统刻不容缓。 图片 车辆排队叫号系统结合物流、工厂等场景下的客户车辆排队需求，贴合用户痛点，解决了进场车辆等待时间过长，运输时长无法控制、司机准确率无法考核、进场车辆与登记车辆不符等问题。 图片 系统通过在门岗、仓库、调度室、司机端的终端设备，对每一个车辆从进场、装货、出厂、运货、交货进行全流程信息化的管理，每一个环节的负责人通过核对车辆信息、检查车辆状况，装货交付、运货交付。 车辆排队叫号系统改变了传统车辆调度方式，将车辆运力进行合理调度。使整个车辆运输流程更加规范标准。同时还可对供应商车辆进行考核评估。对其进行规范化的管理。
64140编辑于 2023-07-18 - 来自专栏OpenCV与AI深度学习
基于OpenCV+YOLOv5实现车辆跟踪与计数(附源码)
导 读 本文主要介绍基于OpenCV+YOLOv5实现车辆跟踪与计数的应用，并给出源码。 cv2 import torch import numpy as np from tracker import * model = torch.hub.load('ultralytics/yolov5' 添加代码查看YoloV5模型检测输出信息： 添加车辆检测结果绘制： 实现车辆跟踪 将车辆矩形坐标保存到list中： 添加对象跟踪： 车辆跟踪效果： 实现车辆计数 此时将车辆id编号添加到集合area_1中，然后通过len(area_1)作为车辆计数值。 注意：这里为什么不直接用count += 1来计算数量？ 最终效果如下： 视频演示：https://mpvideo.qpic.cn/0bc3uqabwaaakqaflodda5svbjgddosaagya.f10002.mp4?
2.1K10编辑于 2023-11-27 - 来自专栏opengps
openGPS.cn - 浏览器定位技术探讨(HTML5定位)
浏览器定位，也就是HTML5定位，据我目前的理解，这俩其实是一个概念。都是随着html5技术的发展而开始进入大众视野。 ，因此当前阶段，只有默认返回wgs84标准坐标的浏览器可以准确定位。 ： 1，电脑端使用浏览器定位，电脑端也能定位。 推测浏览器使用了外部服务实现定位，但准确度取决于参与影响因素有，ip定位，计算机时区等 2，移动端浏览器定位，取决于多种因素，主要是依赖于移动设备内置的位置服务。 此内置服务对于手机来讲，包括纯GPS定位，纯网络定位（wifi，ip等均属于网络定位），综合定位，以及关闭定位功能 3，系统权限问题，以安卓平台为例，手机APP往往需要先获取位置服务的权限，然后才能用到位置服务功能
3K60发布于 2018-04-13 - 来自专栏生信技能树
凭什么定位到UBR5基因
看到于2017年发表在Cancer Res 杂志的文章；E3 Ubiquitin Ligase UBR5 Drives the Growth and Metastasis of Triple-Negative 但是居然莫名其妙的就定位到了UBR5基因，而且这就是它全文的亮点：Here, we report for the first time a distinctive and profound role of the E3 ubiquitin ligase UBR5 in the growth and metastasis of TNBC. 不过大家更认可实验结果 前面显示出病人4，8，11，13，15，19，21的基因UBR5出现了拷贝数增加，所以研究者使用了 RT-PCR实验验证。 我需要你仔细查看基因UBR5出现了拷贝数增加的病人在全部的TNBC病人队列的比例！以及给出其它跟基因UBR5拷贝数变化非常类似的基因列表。
75430发布于 2020-12-03 - 来自专栏机器学习AI算法工程
车辆目标检测
车辆是视频场景中最关键的对象之一，车辆 和 人 是视频检测永恒的话题。 车辆检测 是车辆分析中关键的一步，是后续进行 车型识别、车标识别、车牌识别、车辆特征 的基础。 • 开放检测算法框架及代码： 关于目标检测的框架及代码非常多，这里列出来几个： 名声在外的 DPM Deformable Part Models，专业做行人检测，对于车辆检测等刚体目标 • 开放训练数据集 （车辆检测）： MIT - CBCL 车辆数据集 由 MIT 提供的车辆数据集（2000年），主要用于车辆检测和识别中，共有516张128*128格式为ppm 下载地址：http://www.cvlibs.net/datasets/kitti/index.php UA-DETRAC 车辆检测和跟踪的大规模数据集，可以作为 KITTI 数据集主要拍摄于北京和天津的道路过街天桥（京津冀场景有福了），并 手动标注了 8250 个车辆 和 121万目标对象外框。
3.5K40发布于 2018-06-07 - 来自专栏QA一隅
Android H5元素定位
问题思考 在混合开发的App中，经常会有内嵌的H5页面。那么这些H5页面元素该如何进行定位操作呢？ ）切换，然后对H5页面元素进行定位操作。 H5定位实践案例 测试场景 启动dr.fone app 进入backup H5页面中的输入邮箱并点击提交，然后返回 测试环境 测试设备：逍遥模拟器 Android 5.1.1 /Chrome 66.0 需求分析 先进入到H5页面，然后切换到context,再进行相关元素定位操作。 conetext切换：可以通过contexts()方法来获取到页面的所有context,然后切换到H5页面的context 在H5页面进行元素定位操作 获取方法实践 contexts=driver.contexts
4K20发布于 2021-08-09
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号