【技术实现步骤摘要】
基于深度学习和大数据的全天候徒步旅行辅助系统及方法
[0001]本专利技术属于图像增强和大数据三维地图建模
,尤其是一种基于机器视觉的同时定位和地图构建的全天候户外徒步旅行智能辅助系统及方法。
技术介绍
[0002]徒步旅行作为一种户外运动方式由来已久,发展至今,已由少数人寻求刺激、挑战自身极限的项目,变为世界性的时尚健康运动。徒步旅行通常指在郊区、山野或者沙漠进行中长距离的走路锻炼,它不仅锻炼人的体魄与耐力,陶冶人的心灵和性情,促进人际交流,而且能够激发人们热爱自然、热爱生活的情感,使久居都市的人们的疲惫心灵得到放松。但户外徒步的旅行方式存在风险,旅行者稍有不慎就可能陷入危险,若误入地势险峻的陌生区域,可能酿成迷路、被困住、失去行动力,甚至坠崖或落水等惨剧。
[0003]野外地势的不易观测性是造成户外运动事故的主要因素之一,这个问题可通过现有的一套智能辅助预警系统初步解决,但这套方案存在功耗大、成本高等问题,且无法全天候工作、无法预测危险。该系统实时感知周围环境并进行地图建模,能分析计算出用户身边的潜在危险,专利技术专利申请号为201810437491.4,名称为一种用于户外探险的夜行路况标识系统,提供了一种用于户外探险的夜行路况标识系统,包括:AR眼镜,红外摄像头,超声波传感器,微型投影仪和中央控制器。该系统将增强现实技术应用于夜行路况标识功能上,具有较高程度的自主分析功能,无需使用GPS信号导航功能,仅佩戴可移动的AR视觉眼镜,即可在行走过程中随时观察到图像化的路况标识信息,避免因导航不准确而给探 ...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习和大数据的全天候徒步旅行辅助系统,其特征在于,包括:中心服务器、智能眼镜和远程智能设备;其中,所述中心服务器用于分配管理智能眼镜和远程智能设备的匹配连接,以及实时比对和更新完整的三维地图模型;所述中心服务器将景区完整的三维地图模型提供给智能眼镜,作为GPS定位导航的补充以及危险预测的依据;所述三维地图模型包含用户标记的危险信息;所述智能眼镜用于采集图像和视频数据,进行实时图像增强处理,构建局部三维地图模型;所述智能眼镜并从所述中心服务器下载景区完整的三维地图模型,并在三维地图上显示危险信息标记,对当前用户可能遇到的危险进行预警;所述危险信息标记为其他用户标记的危险信息;所述远程智能设备通过中心服务器与所需远程监控的智能眼镜匹配连接,以便通过远程智能设备查看来自智能眼镜的图像数据,确保特殊的智能眼镜佩戴群体的出行安全。2.如权利要求1所述的基于深度学习和大数据的全天候徒步旅行辅助系统,其特征在于,进一步包括:提示手环,其与所述智能眼镜进行配对使用,智能眼镜将危险信息标记通过无线通信模块发送给提示手环,提示手环采用振动的方式提示用户。3.如权利要求1所述的基于深度学习和大数据的全天候徒步旅行辅助系统,其特征在于,所述中心服务器接收由各个智能眼镜提供的局部三维地图模型,通过大数据分析,筛选重构,构建景区完整的三维地图模型并不断更新完善。4.如权利要求1所述的基于深度学习和大数据的全天候徒步旅行辅助系统,其特征在于,所述智能眼镜下载景区完整的三维地图模型,利用模板匹配,将拍摄范围内的局部三维地图模型与完整的三维地图模型进行搜索比对,判断出用户所在的位置以及用户面朝的方向;根据完整的三维地图模型预测用户前方地形,对危险进行预警。5.如权利要求1所述的基于深度学习和大数据的全天候徒步旅行辅助系统,其特征在于,所述智能眼镜集成有中央处理器、GPS定位模块、耳骨传导耳机、无线通信模块、双目摄像头、AR显示镜片、内存模块、电源模块、标记与示警模块;所述中央处理器设置有双目SLAM处理单元;所述双目摄像头设在智能眼镜本体前端两侧,实时采集图像和视频数据;所述标记与示警模块供用户通过按键选择遇到的危险类型,结合用户当前的GPS定位信息,在三维地图上标记危险所在的位置,即用户标记的危险信息;所述标记与示警模块根据其他用户标记的危险信息,通过耳骨传导耳机播放语音提示;所述AR显示镜片上显示三维地图模型与危险信息标记,对当前用户可能遇到的危险进行预警;所述智能眼镜通过无线通信模块与中心服务器通信,将构建的局部三维地图模型与用户标记的危险信息一起上传至所述中心服务器。6.如权利要求5所述的基于深度学习和大数据的全天候徒步旅行辅助系统,其特征在于,所述智能眼镜在构建三维地图模型前,中央处理器先将采集的影像进行图像增强处理,包括:黑夜增强和去雨去雪去雾;图像增强处理算法框架基于超StarGAN网络,所述超StarGAN网络由2个ResNext判断网络和1个StarGAN网络构成;经图像增强处理后的图像提
供给所述双目SLAM处理单元构建局部三维地图模型。7.如权利要求6所述的基于深度学习和大数据的全天候徒步旅行辅助系统,其特征在于,2个所述ResNext判断网络包括:ResNext
‑
2判断网络和ResNext
‑
4判断网络;...
【专利技术属性】
技术研发人员:邱崧,夏思为,龙彦汐,姜梦圆,李外云,金豫,
申请(专利权)人:华东师范大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。