papago車載導航的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

基於深度學習之道路場景辨識與擴增實境導航系統開發

為了解決papago車載導航的問題，作者王正賢 這樣論述：

本論文主要是基於深度學習技術之道路場景辨識與擴增實境導航系統開發。近年來隨著虛擬實境與擴增實境技術蓬勃發展，整合各類感測器與搭載多項定位技術，更是讓導航系統的功能不斷進化。現今市售的車載導航系統大多仍以語音導航及擬真繪製的虛擬地圖或街景影像來指引其行進路線，但當碰到立體道路、多車道交錯、多向路口等複雜道路環境時，透過虛擬實境2D/3D建模與貼圖的方式，對於駕駛者來說仍缺乏直觀性且無法即時清楚理解欲指引之方向，導致與導航路線有所出入，進而容易使車輛錯過欲轉彎的路口，嚴重甚至可能造成意外車禍。此外欲將虛擬導引線與真實影像融合達成擴增實境導航功能時，往往未考慮虛擬導引線與真實影像間的比例關係，造成

使用者在觀看導航系統時容易發生立即轉彎之視覺導引錯誤。因此本論文提出一基於深度學習技術之道路場景辨識暨擴增實境導航系統開發。本論文首先藉由Google Maps API之Directions Service功能進行路徑規劃，並進而取得所規劃路徑中各定位點GPS資料，此外搭配車輛一前視攝影機以取得當前前方影像，接著藉由所提出之影像分割演算法搭配深度學習架構，針對道路環境場景進行各式物件種類分類與區域識別及合併。其中影像分割演算法藉由K-means分類法對於道路場景影像進行初步的分割，接著將其所獲得之參數作為高斯混合模型之初始值，利用高斯混合模型中多個不同高斯分布對於道路場景影像建模進行二次分割；

同時結合深度學習演算策略對於分割影像進行識別，而深度學習演算策略主要是利用深度捲積神經網路架構，藉由不同場景且不同物件樣進行樣本訓練，以分類出道路環境中的物件種類，例如車輛、樹木、路面、道路線與天空等類別，並透過已訓練之深度捲積神經網路進行過度分割影像合併。最後搭配車輛之DGPS定位模組與電子羅盤，以取得當前車輛位置與車身姿態，進而將欲導引之虛擬方向圖示融合於當前影像中；在此為使虛擬導引圖示融合於真實影像中具有正確比例關係，以達到正確擴增實境導引效果。我們利用逆透視投影轉換法將欲虛擬導引線座標位置對應於鳥瞰平面上，接著再藉由透視投影轉換將該座標位置對回至真實影像中，該方法能使虛擬導引線以正確比

例關係融合於真實影像中，進而實現具擴增實境應用的導引功能，不僅有效提供駕駛者更直觀的導引資訊，減少辨識負擔，更能達到車前安全輔助之功效。

基於車輛網路分享的車輛資訊所設計的動態共乘系統

為了解決papago車載導航的問題，作者洪似妮 這樣論述：

現有的共乘系統中，大多數是由司機在共乘平台上公開自己行程，乘客再根據司機公開的資訊選擇適合自己行程。但此做法不容易選到適合自己的司機或乘客，而雙方的個人偏好也不同，無法獲得良好的配對與路徑規劃。此外，在沒有即時交通路況資訊的狀態下，傳統的共乘系統在時間限制內無法找到最省油錢的行駛路徑以及最佳的共乘配對組合。因此，本研究希望設計出適用於私人車的共乘動態配對系統，透過車輛網路分享即時交通路況資訊，達到降低油費與節能省碳之目的。首先利用車輛網路和Android平台本身搭載的感測器收集交通路段資訊，利用車輛網路之間的無線傳輸將蒐集的資料分享到周圍的車輛節點，使路段和車輛的狀態皆能夠即時動態更新，避免

交通阻塞，接著VBA*演算法依據即時路況的資訊計算出最佳路徑。而本論文所研究的共乘系統會基於VBA*演算法計算出來的結果提出「共乘配對演算法」、「油錢分攤演算法」與「配對範圍初始與擴大演算法」，這樣可以大幅的減少共乘搜尋的範圍。因此，基於車輛網路提出的動態共乘系統是可以降低時間複雜度。最後，乘客與司機可以找出符合雙方需求的最佳配對結果並即時規劃出共乘路線，達到降低油費與節能省碳之目的。