← 返回列表

基于资产货物定位信息的实时追踪方法及系统

申请号: CN202410058019.5
申请人: 深圳市奇果物联科技有限公司
更新日期: 2026-03-17

专利详细信息

项目 内容
专利名称 基于资产货物定位信息的实时追踪方法及系统
专利类型 发明申请
申请号 CN202410058019.5
申请日 2024/1/16
公告号 CN117590444A
公开日 2024/2/23
IPC主分类号 G01S19/42
权利人 深圳市奇果物联科技有限公司
发明人 彭琼; 卢森炎; 王阳; 刘维建; 张宁
地址 广东省深圳市宝安区石岩街道罗租社区海谷科技大厦T4栋4-901

摘要文本

本发明公开了基于资产货物定位信息的实时追踪方法及系统,具体涉及实时定位技术领域,包括数据采集模块、模型构建模块、分析验证模块和精准处理模块;通过车队中的图像传感器,拍摄和记录周围车辆的运行场景,并获取对应场景的天气信息、GPS坐标数据信息和车载陀螺仪信息。本发明基于对货物运输过程中车辆图像参数的监测和分析,通过构建GPS实时定位评估模型和卷积神经网络模型对车辆运行图像与GPS定位参数的差异进行评估,以获取GPS定位系统与实际位置之间的差值,再用目标检测算法构建回归模型对计算出的差值进行位置修正和安全性检测,最后根据正则化优化模型中的过拟合现象,得到更加准确的定位实时追踪信息。 来源:马 克 团 队

专利主权项内容

1.基于资产货物定位信息的实时追踪方法,其特征在于,包括如下步骤:步骤S1,通过车队中的图像传感器,拍摄和记录周围车辆的运行场景,并获取对应场景的天气信息、GPS坐标数据信息和车载陀螺仪信息;步骤S2,构建GPS实时定位评估模型,确定GPS定位是否能对资产货物进行实时追踪,若GPS定位不能实现对货物进行实时追踪,对数据进行预处理,构建车辆的卷积神经网络模型,定义适当的损失函数,通过损失函数得到模型输出与实际GPS坐标之间的差异;步骤S3,通过目标检测算法建立回归模型对车辆卷积神经网络模型中得到的差异值进行验证;步骤S4,根据正则化优化归一化方程中的过拟合现象,提高验证集的准确性。