CN102270304A - 数据差异引导的图像捕获 - Google Patents

数据差异引导的图像捕获 Download PDF

Info

Publication number
CN102270304A
CN102270304A CN2011102132552A CN201110213255A CN102270304A CN 102270304 A CN102270304 A CN 102270304A CN 2011102132552 A CN2011102132552 A CN 2011102132552A CN 201110213255 A CN201110213255 A CN 201110213255A CN 102270304 A CN102270304 A CN 102270304A
Authority
CN
China
Prior art keywords
view data
picture
previously stored
computing equipment
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2011102132552A
Other languages
English (en)
Other versions
CN102270304B (zh
Inventor
I.奥默
E.奥菲克
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Microsoft Technology Licensing LLC
Original Assignee
Microsoft Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Microsoft Corp filed Critical Microsoft Corp
Publication of CN102270304A publication Critical patent/CN102270304A/zh
Application granted granted Critical
Publication of CN102270304B publication Critical patent/CN102270304B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/13Satellite images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Astronomy & Astrophysics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)
  • Processing Or Creating Images (AREA)

Abstract

公开了方法和装置。在线用户可以查看先前存储的一个或多个地理区域的图像。新的低分辨率图像可被获取,并且所述新的低分辨率图像的特性可以与先前存储的图像中的一个相应图像相比较,以便确定变化量。关于是否获取新的高分辨率图图像的决定可以是基于所确定的变化量以及与先前存储的图像中的所述一个图像相关联的新鲜度分值做出的。在另一个实施例中,新的图像可被捕获,并且可以获取相应的位置数据。先前存储的相应图像也可以被获得,并且可以与新的图像进行比较,以便确定变化量。基于所确定的变化量以及先前存储的图像的新鲜度分值,可以将新图像上传至远端计算设备。

Description

数据差异引导的图像捕获
背景技术
诸如Bing® Maps(Bing是Redmond, Washington的Microsoft Corporation的注册商标)或Google® Maps(Google是Mountain View, California的Google Inc.的注册商标)之类的在线地图服务力求广泛地表示具有最大覆盖范围、新鲜度及深度的地球。但是,保持最大覆盖范围是昂贵的。例如,为地理图像数据库获取新的高质量的图像数据的成本通常很高。例如,在获取高分辨率的空间像(aerial image)时,我们必须承担飞机飞过地理区域以捕获高分辨率图像数据的成本。通常,用于获取高分辨率的空间像数据的成本是相当昂贵的。由此,高分辨率的空间像数据有可能无法被频繁获取,并且在线高质量图像数据有可能是数年之前的。
在获取街道级图像时,配备了诸如相机或其他设备之类的图像捕获设备以及位置传感器的车辆可以沿着街道行进,以便扫描和收集街道级图像以及相应的位置数据。每个车辆都可以具有用于存储所捕获的街道级图像以及相应位置数据的存储设备,并且可以周期性地将所有捕获到的街道级图像数据上传至一个或多个远端计算设备,以便进行处理。在一些情况中,所捕获的街道级图像数据可以只在每天结束的时候上传,由此需要每个车辆都具有能够存储长达一天的收集到的街道级图像和定位数据的量的存储设备。当车辆中的存储设备达到其容量时,不能捕获额外的街道级图像和位置数据。所述一个或多个计算设备可以处理来自每个车辆的所有的上传的捕获的街道级图像数据,以便更新一个或多个地理区域的覆盖范围。
发明内容
提供本发明内容部分是为了以简化的形式介绍构思的选择,其在以下的具体实施方式部分中被进一步地描述。本发明内容部分既不是用于标识所要求保护的主题的关键特征或必要特征,也不是用于限制所要求保护的主题的范围。
在符合本公开的主题的实施例中,一个或多个地理区域的低分辨率空间像可被获取。计算设备可以将每一个低分辨率的空间像与各个相应的先前存储的高分辨率空间像相比较,以便确定变化量。所述计算设备可以基于所确定的变化量以及各个相应的先前存储的高分辨率空间像的新鲜度分值来确定是否要获得新的高分辨率空间像,以便替换各个相应的先前存储的高分辨率空间像。在一个实现方式中,当计算设备确定要获得新的高分辨率空间像时,该计算设备可以基于各个最近的低分辨率空间像来幻生(hallucinate)一个合成的高分辨率空间像,以便替换各个相应的先前存储的高分辨率空间像,直至提供新的高分辨率空间像。
在另一个实施例中,图像捕获设备、位置传感器以及计算设备可被放置在车辆中。所述车辆可以在一个或多个地理区域内行进,同时捕获街道级图像以及相应的位置数据。计算设备可以接收所捕获的街道级图像以及相应的位置数据。对于每个所捕获的街道级图像来说,计算设备可以从远端计算设备请求并接收相应的先前存储的图像(或是压缩程度更高但使得能够检测出变化的信息)以及相关联的新鲜度分值。该计算设备可以将各个所捕获的街道级图像的特性(aspect)与相应的先前存储的图像相比较,以便确定变化量。基于所确定的变化量以及新鲜度分值,所述计算设备可以进行确定是将各个所捕获的街道级图像上传至远端计算设备,还是丢弃各个所捕获的街道级图像。在本实施例的变体中,可以采用不同的技术来限制在各个所捕获的街道级图像中可能出现的某些对象的效果,以免影响所确定的变化量。
附图说明
为了描述可以获得上述以及其它优点和特征的方式,下面讨论更加具体的描述,并且其将参照在附图中图示的其特定实施例而被呈现。应该理解的是,这些附图仅仅描绘典型的实施例,由此不应认为是对所述描述的范围的限制,将通过使用附图来利用附加的特性和细节来描述和解释各实现方式。
图1图示了用于与本公开主题相符的各个实施例的例示操作环境。
图2是可用于实现符合本公开主题的实施例的例示计算设备的功能框图。
图3图示了一个实施例中的例示过程的流程图。
图4图示了图3的实施例的变体中的例示过程的流程图。
图5是可以在第二实施例中实现的例示过程的流程图。
具体实施方式
在下文中详细讨论实施例。虽然讨论了特定的实现方式,但是应该理解,这仅仅是出于例示目的进行的。相关领域的技术人员将会认识到,在不脱离本公开的主题的精神和范围的情况下,其他的组件和配置也是可以使用的。
概述
在各个实施例中,公开了用于引导数据捕获的方法和装置。在一个实施例中,可以获取低分辨率的空间像数据,其包括但不局限于低分辨率的卫星图像数据。与用于获取高分辨率的空间像数据的成本相比,用于获取低分辨率的空间像数据、诸如低分辨率的卫星图像数据或其他低分辨率的空间像数据的成本要便宜得多。例如,由NAVTECH®(NAVTECH是Rosemont, Illinois的Navigation Technologies Corporation的注册商标)或Teleatlas之类的供应商发布的道路矢量数据可以是按月更新的。卫星图像、例如由Landsat或Spot Image提供的图像是可以低成本从市场上买到的,并且是频繁更新的。例如,地球上的每一个点在每个月更新多于一次。
先前获取的多个地理区域的高分辨率空间像数据可被存储,以便在线使用。先前获取的高分辨率空间像数据中的每一项都可以具有各自的新鲜度分值,其可以是时间的函数。该新鲜度分值可以指示为了更新相应地理区域的覆盖情况而要获取新的高分辨率图像或图像数据的概率。例如,在最大年限Kmax下,先前获取的高分辨率空间像数据的新鲜度分值可以具有诸如为1的值,这指示派遣飞机以获取新的高分辨率的空间像数据来更新相应地理区域覆盖范围的概率是100%。在一个实施例中,Kmax可以是五年。但是,对于不同的地理区域来说,Kmax可以具有其他适当的值,例如30个月、30天或是另一值。
一个或多个计算设备可以将最近获取的低分辨率的空间像的特性与相应的先前获取的高分辨率空间像的特性相比较。所述一个或多个计算设备可以基于所确定的变化量以及与相应的先前获取的高分辨率空间像相关联的新鲜度分值来确定是否预定新的高分辨率空间像,以便替换相应的先前获取的低分辨率空间像。
当前,每天都有很多车辆穿行通过地理区域中的街道。这些车辆可以包括但不局限于运输公司的车辆、邮件递送车辆、出租车、废物管理车辆以及其他车辆。每个车辆都可以配备一个或多个图像捕获设备、一个或多个位置传感器、以及具有用于存储所捕获的图像数据的存储设备的计算设备。所述一个或多个图像捕获设备以及一个或多个位置传感器可以向计算设备提供最近捕获的街道级图像数据以及相应的位置数据。所述计算设备可以请求一个或多个远端计算设备提供与由所述一个或多个位置传感器提供的位置数据相对应的先前获取并存储的图像数据。所述计算设备可以从一个或多个远端计算设备接收所请求的先前获取并存储的图像数据以及相应的新鲜度分值,并且该计算设备可以对其进行显示。
然后,计算设备可以将最近捕获的街道级图像数据的各种特性与所请求的先前获取并存储的图像数据相比较,以便确定变化量。该变化量可以集中于人为变化,其包括但不局限于道路和建筑物外观变化,或是地理区域内的农业变化、以及其他类型的变化。例如,可以比较所请求的先前获取并存储的图像数据以及最近捕获的街道级图像数据的特性,例如光谱反射率、纹理、颜色分布以及其他特性。
可以使用先前获取并存储的图像数据的各种特性的变化量以及新鲜度分值,来确定是否可以将最近捕获的街道级图像数据上传至一个或多个远端计算设备,以便更新地理区域的覆盖范围,或者是否可以丢弃最近捕获的街道级图像数据。在一些实施例中,当先前获取并存储的图像数据具有高新鲜度分值(指示先前获取并存储的图像数据相对较旧)时,第一最小变化量可以导致确定将最近捕获的街道级图像数据上传至一个或多个远端计算设备进行处理。当先前获取并存储的图像数据具有低新鲜度分值(指示先前获取并存储的图像数据相对较新时),将最近捕获的街道级图像数据上传至一个或多个远端计算设备以进行处理的确定可以具有用于所述确定的最小变化量,并且该最小变化量大于关于相对较旧的先前获取并存储的图像数据的最小变化量。换言之,当先前获取并存储的图像数据相对较新时,用于进行将最近捕获的街道级图像数据上传至一个或多个远端计算设备的确定的第一最小变化量大于关于相对较旧的先前获取并存储的图像数据的第二最小变化量。
例示操作环境
图1是用于各种实施例的例示操作环境100的功能框图。例示操作环境100可以包括第一计算设备102、一个或多个第二计算设备104、图像捕获设备106、第三计算设备108、卫星110、飞机112以及网络114。
第一计算设备102可以是希望查看一个或多个地理位置的图像数据的用户的计算设备。所述第一计算设备102可以是台式个人计算机、笔记本个人计算机、个人数字助理(PDA)、或者其他类型的计算设备。一个或多个第二计算设备104可以包括一台服务器或是服务器群中彼此相连的多台服务器、以及来自包含台式个人计算机、笔记本个人计算机、PDA及其他计算设备的计算设备群组中的一个或多个计算设备。
图像捕获设备106可以是数字照相机或其他类型的数字图像捕获设备。第三计算设备108可以包括从包含笔记本个人计算机、一个或多个台式个人计算机以及一个或多个其他类型的计算设备的群组中选择的一个或多个计算设备。所述第三计算设备108可以与图像捕获设备106具有有线或无线连接。在一些实施例中,图像捕获设备106以及一个或多个第三计算设备108可被放置在车辆内,例如放置在汽车、卡车、公共汽车或其他类型的车辆内。
网络114可以包括局域网、广域网、分组交换网络、ATM网络、帧中继网络、光纤网络、公用交换电话网、无线网络、有线网络、其他类型的网络、或者这些网络的任何组合。第一计算设备102和第二计算设备104可以与网络114相连。第三计算设备108可以通过至网络114的无线连接或是通过经由另一网络或网络群组的连接与第二计算设备104相连。
卫星110可以包括用于获取关于多个地理区域的低分辨率空间像或图像数据的一个或多个图像捕获设备。飞机112或卫星110可以包括用于获取关于所述多个地理区域的高分辨率空间像或图像数据的一个或多个图像捕获设备。由卫星110捕获的所获取的低分辨率空间像或图像数据可被提供给第二计算设备104。类似地,来自飞机112或卫星110的一个或多个高分辨率空间像或图像数据可被提供给第二计算设备104。
例示计算设备
图2是可用于实现符合本公开的主题的一个或多个实施例的例示计算设备200的框图。例示计算设备200可以包括总线210、处理器220、存储器230、输出设备240、存储设备250、输入设备260、以及通信接口270。总线210可以连接处理器220、存储器230、输出设备240、存储设备250、输入设备260、以及通信接口270。
处理器220可以包括一个或多个解释和执行指令的常规处理器。存储器230可以包括随机存取存储器(RAM)、只读存储器(ROM)、和/或存储供处理器120执行的信息和指令的其他类型的动态或静态存储设备。RAM或其他类型的动态存储设备可以存储指令以及临时变量、或是在处理器120执行指令器件使用的其他中间信息。ROM或其他类型的静态存储设备可以存储用于处理器120的静态信息或指令。
输出设备240可以包括显示设备,例如等离子显示器、液晶显示器、阴极射线管(CRT)、其他类型的显示设备,或是其他类型的输出设备。
存储设备250可以包括存储介质,所述存储介质包括但不局限于:光盘、快闪RAM、磁带、磁盘或是其他类型的存储设备。存储设备250可以在其上存储有操作系统、硬件配置信息、和/或一个或多个可执行应用程序。
输入设备260可以包括键盘、指向设备、或其他类型的输入设备。例如,该指向设备可以例如是计算机鼠标、轨迹球、用户手指或是其他类型的指向设备。
通信接口170可以包括用于经由无线或有线连接来发送和接收数据的一个或多个收发机。
多个例示计算设备200可以用于实现第一计算设备102、第二计算设备104、和/或第三计算设备108。当例示计算设备200实现第一计算设备102时,通信接口270可以具有至网络114的有线或无线连接。当例示计算设备200实现第二计算设备104时,通信接口270可以具有至网络114的有线或无线连接,以及当第三计算设备108未经由网络114与第二计算设备104相连时,第二计算设备104可以进一步包括至与第三计算设备108相连的第二网络的第二通信接口。当例示计算设备200实现第三计算设备108时,通信接口270可以包括经由网络114或其它网络而与第二计算设备104接口的第二通信接口以及与图像捕获设备106接口的第一通信接口。
例示处理
图3是图示符合本公开的主题的实施例中的例示处理的流程图。该处理可以以第二计算设备104从卫星110获得最近捕获的低分辨率空间像或图像数据以及关于地理区域的相应位置信息(操作302)为开始。然后,第二计算设备104可以获取相应的先前获取并存储的高分辨率空间像或图像数据、连同相关联的新鲜度分值(操作304)。
然后,第二计算设备可以将最近捕获的低分辨率空间像或图像数据的各种特性与先前获取并存储的高分辨率空间像进行比较,以便确定变化量(操作306)。为了减少季节变化导致的差异,在一个实现方式中,先前获取并存储的高分辨率空间像以及最近获取的低分辨率空间像两者可以在不同年份的相同季节期间或不同年份的相同月份期间获取。在一些实现方式中,先前获取并存储的高分辨率空间像以及最近获取的低分辨率空间像两者可以由同一卫星获取。通过确定关于颜色分布的变化量,可以将所述变化量集中于农业变化。另外,该变化量可以集中于人为变化,其包括但不局限于:可以基于图像外观确定的道路和建筑物外观变化、光谱反射率、纹理、以及图像的其他特性。
接下来,第二计算设备104可以基于所确定的变化量以及先前获取并存储的图像或图像数据的新鲜度分值来确定是否预定高分辨率空间像(操作308)。如先前所述,关于较旧的先前获取并存储的图像或图像数据的用于确定预定高分辨率空间像的最小变化量,小于关于较新的先前获取并存储的图像或图像数据的、用于确定预定高分辨率空间像的最小变化量。
在操作308期间,如果第二计算设备104确定要预定高分辨率空间像,则第二计算设备104可以提供要预定高分辨率空间像的指示,或者第二计算设备104可以自动地预定高分辨率空间像(操作310)。然后,第二计算设备104可以基于最近获取的低分辨率空间像来幻生新的合成的空间图像(操作312)。在一些实现方式中,在被呈现的时候,该合成的空间像可以具有类似于卡通的外观。然后,第二计算设备104可以将先前获取并存储的空间像临时替换成新的合成的空间像,直至提供新的高分辨率空间像为止(操作314)。由此,如果用户请求观看已经被所幻生的合成的空间像替换的、关于相应的先前获取并存储的空间像或图像数据的地理区域的空间像,那么可以为用户呈现合成的空间像。还可以为用户呈现被替换的先前获取并存储的空间像或图像数据的相应的新鲜度分值。
在操作308期间,如果第二计算设备104确定不预定高分辨率空间像,或者在第二计算设备104执行了操作314之后,第二计算设备104可以确定是否存在任何其它的最近获取的低分辨率空间像(操作316)。如果不存在其它的最近捕获的低分辨率空间像,那么该过程可以完成。否则,第二计算设备104可以获取下一个最近捕获的低分辨率空间像(操作318),并且可以再次执行操作304-318。
在一些实施例中,可以基于非图像数据确定预定高分辨率空间像,所述非图像数据包括但不局限于:来自地图的数据,指示蜂窝电话在地理区域中的至少某个部分的使用显著增长或减少的数据,与新建工程、清拆或土地使用变化相关的文章,以及其他非图像数据。
图4是图示了其中要预定高分辨率空间像的确定进一步基于非图像数据的实现方式中的例示处理的流程图。该过程可以以第二处理设备104获得或被提供以与先前获取并存储的空间像相关的非图像数据(操作402)为开始。然后,第二计算设备104可以获得相应的先前获取并存储的空间像的新鲜度分值(操作404)。
然后,第二计算设备104可以基于新鲜度分值以及非图像数据来进行确定是否预定高分辨率空间像(操作406)。例如,非图像数据可以具有关联值。与关于边道的变化相比,关于主路的变化可以具有更高的值。与关于街道上的单个建筑物的变化相比,关于相同街道上的一组建筑物的变化可以具有更高的值,依此类推。因此,非图像数据的关联值可以是与各种类型的变化相关联的值的总和。与在相应的先前获取并存储的空间像的新鲜度分值指示较新的图像年限时关于进行确定预定空间像的最小值相比,在相应的先前获取并存储的空间像的新鲜度分值指示较旧的图像年限时关于进行确定预定空间像的最小值可以较低。
在操作406中,如果第二计算设备确定要预定高分辨率空间像,则第二计算设备104可以指示要预定高分辨率空间像,或者可以预定该地理区域的高分辨率空间像(操作408)。
在执行操作408之后,或者在执行操作406并确定不预定新的高分辨率空间像之后,第二计算设备104可以确定是否存在待处理的其它非图像数据(操作410)。如果不存在其它非图像数据,那么该过程完成。否则,第二计算设备104可以获得与先前存储的空间像或图像数据相关联的下一项非图像数据(操作412)。所述第二计算设备104可以再次执行操作404-412,直至不存在待处理的其它非图像数据。
图5是图示了其中可以获取街道级图像的实施例中的例示处理的流程图。该过程可以以第三计算设备108从图像捕获设备106获得最近捕获的街道级图像或图像数据并且从一个或多个位置传感器获得位置数据(操作502)为开始。所述第三计算设备108、图像捕获设备106以及一个或多个位置传感器可以位于运动的车辆内。
第三计算设备108可以从第二处理设备106请求并接收相应的在线图像或图像数据、以及相关联的新鲜度分值(操作504)。第三计算设备108可以呈现或显示相关联的新鲜度分值(操作506)。然后,第三计算设备108可以比较相应的在线图像或图像数据以及最近捕获的街道级图像或图像数据的特性,以确定相应的在线图像或图像数据与最近捕获的街道级图像或图像数据之间的变化量(操作508)。所述第三计算设备108可以使用各种形式来更好地感测最近捕获的街道级图像或图像数据的结构和反射率。所述形式可以包括但不局限于:彩色视频,立体视频,光检测及测距(LIDAR)以及近红外(IR)输入,所述光探测及测距(LIDAR)是基于雷达使用的相同原理使用源自激光器的光来检测并定位对象的测量系统。可以通过使用包括但不局限于面部识别、行人检测、车辆检测、运动检测以及前景对象检测的技术,将变化检测局限于街道级图像中出现的静态建筑物,而不是汽车和/或人。在一些实现方式中,可以使用包括但不局限于针对街道标志和/或商业标识上的自然图像的文本恢复技术,用于恢复文本并且将所恢复的文本与已知数据相比较来检测变化。
然后,第三计算设备108可以基于所确定的变化量以及新鲜度分值来确定是否将最近捕获的街道级图像或图像数据上传至第二计算设备104(操作510)。关于较旧的先前捕获并存储图像或图像数据的用于确定上传最近捕获的街道级图像或图像数据的最小变化量小于关于用于确定上传最近捕获的街道级图像的较新的先前获取并存储的街道级图像或图像数据的最小变化量。
在操作510期间,如果第三计算设备108确定要将最近捕获的街道级图像或图像数据上传至第二计算设备104,那么第三计算设备108可以将最近捕获的街道级图像或图像数据上传至第二计算设备104。否则,第三计算设备108可以丢弃最近捕获的街道级图像或图像数据,并且可以确定是否存在其它最近捕获的街道级图像或图像数据要进行处理(操作514)。如果不存在其它最近捕获的街道级图像或图像数据,那么该处理可以完成。否则,第三计算设备108可以接收或者获取下一个最近捕获的图像或图像数据(操作516),并且可以重复操作504-516,直至不存在其它最近捕获的街道级图像或图像数据。
在其他实施例中,用户捕获的大量在线图像或图像数据可以以与上述实施例中的最近捕获的图像或图像数据相同的方式来使用,以便确定是否更新先前获取并存储的图像或图像数据。例如,来自在线照片共享服务Flicker的大约两百万个图像已经与世界模型匹配。通过使用变化检测来引导对所述大约两百万个图像的处理,由此将精力仅仅集中在所述大约两百万个图像中包含新信息的图像上。
结论
在这里描述各种实施例,其中最近捕获的低分辨率空间像或街道级图像可以与相应的先前获取并存储的高分辨率图像相比较,以便确定变化量。所确定的变化量以及与先前获取并存储的高分辨率图像相关联的新鲜度分值可用于进行确定是否预定高分辨率空间像。通过使用变化检测,一个或多个远端计算设备可以只使用包含新信息的最近捕获的图像来更新相应的先前获取并存储的图像。
虽然以特定于结构特征和/或方法操作的语言描述了本主题,但是应该理解,所附权利要求中的主题未必局限于上述具体特征或操作。相反,以上描述的具体特征和操作是作为用于实现权利要求的例示形式公开的。
所描述的实施例的其他配置是本公开的范围的一部分。例如,在其他实施例中,过程执行的操作的顺序有可能是不同的,和/或有可能包含附加的或其他的操作。
相应地,所附的权利要求及其法律上的等同定义实施例,而不是所给出的任何具体示例定义实施例。

Claims (15)

1.一种用于引导数据捕获的方法,包括:
由计算设备获得地理区域的先前存储的高分辨率空间像的新鲜度分值(304);
由计算设备获得地理区域的最近的低分辨率的空间像(302);
由计算设备将最近的低分辨率空间像的特性与先前存储的高分辨率空间像的特性相比较,以便确定变化量(306);以及
由计算设备基于新鲜度分值以及所确定的变化量来确定是否预定新的高分辨率空间像(308)。
2.如权利要求1的方法,其中所述新鲜度分值至少部分地基于先前存储的高分辨率空间像的年限,以使得同关于较新的先前存储的高分辨率空间像的最小变化量相比,关于较旧的高分辨率空间像的更小的最小变化量导致所述确定确定要获得新的高分辨率空间像。
3.如权利要求1的方法,其中最近的低分辨率空间像以及先前获得的高分辨率空间像是在不同年份中的相同季节期间捕获的,以便减小季节差异的影响。
4.如权利要求3的方法,其中当前的低分辨率空间像和先前存储的高分辨率空间像是由同一卫星捕获的。
5.如权利要求1的方法,其中变化量是基于来自由下列各项组成的群组中的至少一项的变化确定的:区域中的颜色分布,区域中的光谱反射率,以及区域中的纹理。
6.如权利要求1的方法,其中所述比较还包括:
在所述确定确定了要预定新的高分辨率图像之后,根据所获得的最近的低分辨率空间像幻生合成的高分辨率图像。
7.如权利要求1的方法,其中变化量进一步是基于非图像数据确定的。
8.一种计算设备,包括:
用于连接到图像捕获设备的接口;
至少一个处理器;
存储设备;
用于与至少一个其他计算设备通信的通信接口;
将至少一个处理器与接口、存储设备以及通信接口相连的总线;以及
经由总线与所述至少一个处理器相连的存储器,该存储器包括供所述至少一个处理器执行根据权利要求1-7中的任一项所述的方法的指令。
9.一种用于引导图像数据的捕获的方法,该方法包括:
由至少一个计算设备将最近捕获的地理区域的图像数据与先前存储的该地理区域的图像数据相比较,以便确定变化量(306,508);以及
由所述至少一个计算设备基于先前存储的图像数据的新鲜度分值以及所确定的变化量来确定是否要更新先前存储的图像数据(308,510-512)。
10.如权利要求9的方法,其中:
最近捕获的图像数据是低分辨率空间像数据或街道级图像数据。
11.如权利要求9的方法,其中:
最近捕获的图像数据是低分辨率图像数据,以及
该方法还包括:
当所述确定确定了要更新先前存储的图像数据时,基于低分辨率图像数据以及先前存储的图像数据来幻生合成的高分辨率图像;以及
响应于对来自用户的请求的接收,将所述合成的高分辨率图像呈现给用户。
12.如权利要求11的方法,还包括:
使用最近的高分辨率图像来替换合成的高分辨率图像。
13.如权利要求9的方法,还包括:
获得与先前存储的图像数据有关的非图像数据;以及
至少部分地基于非图像数据以及与先前存储的图像数据相关联的新鲜度分值来确定是否要更新先前存储的图像数据。
14.如权利要求9的方法,还包括:
获得多个用户提供的在线图像数据;
将所述多个用户提供的在线图像数据与先前存储的图像数据中的相应的图像数据相比较;以及
仅仅使用所述多个用户提供的在线图像数据中具有关于先前存储的图像数据中的相应的图像数据的新信息的图像数据来更新先前存储的图像数据中的相应的图像数据。
15.如权利要求9所述的方法,其中:
所述新鲜度分值表示先前存储的图像数据应当被更新的概率,以使得用于做出更新先前存储的图像数据的确定的变化量对于较旧的图像数据而言较小,并且对于较新的图像数据而言较大。
CN201110213255.2A 2010-07-28 2011-07-28 数据差异引导的图像捕获 Active CN102270304B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US12/845,143 US8503794B2 (en) 2010-07-28 2010-07-28 Data difference guided image capturing
US12/845143 2010-07-28

Publications (2)

Publication Number Publication Date
CN102270304A true CN102270304A (zh) 2011-12-07
CN102270304B CN102270304B (zh) 2014-06-18

Family

ID=45052605

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110213255.2A Active CN102270304B (zh) 2010-07-28 2011-07-28 数据差异引导的图像捕获

Country Status (2)

Country Link
US (2) US8503794B2 (zh)
CN (1) CN102270304B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9163948B2 (en) * 2011-11-17 2015-10-20 Speedgauge, Inc. Position accuracy testing system
US9275080B2 (en) * 2013-03-15 2016-03-01 Pictometry International Corp. System and method for early access to captured images
US9230168B2 (en) * 2013-07-31 2016-01-05 Digitalglobe, Inc. Automatic generation of built-up layers from high resolution satellite image data
US9183222B2 (en) * 2014-01-28 2015-11-10 Gas Technology Institute Mapping and asset lifecycle tracking system
US9298741B1 (en) * 2014-06-26 2016-03-29 Amazon Technologies, Inc. Context-specific electronic media processing
US9509741B2 (en) * 2015-04-10 2016-11-29 Microsoft Technology Licensing, Llc Snapshot capture for a communication session
MX2018005714A (es) * 2015-11-08 2019-08-16 Agrowing Ltd Un metodo para la adquisicion y analisis de imagenes aereas.
KR102299378B1 (ko) * 2016-08-24 2021-09-07 구글 엘엘씨 변화 검출 기반의 맵 인터페이스 업데이트 시스템
KR102208347B1 (ko) 2016-08-24 2021-01-27 구글 엘엘씨 변화 검출 기반의 이미지 획득 시스템
US10955251B2 (en) * 2018-09-06 2021-03-23 Uber Technologies, Inc. Identifying incorrect coordinate prediction using route information
US11592297B2 (en) 2018-12-20 2023-02-28 Here Global B.V. Method and apparatus for updating maps using gradient thresholding
US11416770B2 (en) 2019-10-29 2022-08-16 International Business Machines Corporation Retraining individual-item models
US10959109B1 (en) * 2020-02-27 2021-03-23 At&T Intellectual Property I, L.P. Creating and using network coverage models

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1909022A (zh) * 2005-08-03 2007-02-07 株式会社电装 公路地图管理系统
WO2009059766A1 (en) * 2007-11-06 2009-05-14 Tele Atlas North America Inc. Method and system for the use of probe data from multiple vehicles to detect real world changes for use in updating a map
CN101650190A (zh) * 2009-07-30 2010-02-17 北京四维图新科技股份有限公司 一种地图变化的上报方法及导航终端
WO2010077229A1 (en) * 2008-12-31 2010-07-08 Tele Atlas North America, Inc. Systems and methods for processing information related to a geographic region

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6745126B1 (en) * 1992-11-09 2004-06-01 Lextron, Inc. Systems and methods for delivering feed rations to feedbunks using a global positioning system
US5839088A (en) * 1996-08-22 1998-11-17 Go2 Software, Inc. Geographic location referencing system and method
US20040139049A1 (en) * 1996-08-22 2004-07-15 Wgrs Licensing Company, Llc Unified geographic database and method of creating, maintaining and using the same
US5898680A (en) * 1996-11-05 1999-04-27 Worldspace, Inc. System for providing location-specific data to a user
US6029173A (en) * 1997-11-26 2000-02-22 Navigation Technologies Corporation Method and system for representation and use of shape information in geographic databases
US6243483B1 (en) 1998-09-23 2001-06-05 Pii North America, Inc. Mapping system for the integration and graphical display of pipeline information that enables automated pipeline surveillance
US6343301B1 (en) 1999-02-24 2002-01-29 Navigation Technologies Corp. Method and system for collecting data for updating a geographic database
AUPQ363299A0 (en) * 1999-10-25 1999-11-18 Silverbrook Research Pty Ltd Paper based information inter face
US6385539B1 (en) 1999-08-13 2002-05-07 Daimlerchrysler Ag Method and system for autonomously developing or augmenting geographical databases by mining uncoordinated probe data
US20030060215A1 (en) * 2001-09-27 2003-03-27 Graham Tyrol R. System and method for displaying subscriber locations on mobile stations
US7639898B1 (en) * 2004-05-10 2009-12-29 Google Inc. Method and system for approving documents based on image similarity
US9105061B2 (en) * 2004-06-16 2015-08-11 Redfin Corporation Online marketplace for real estate transactions
CN101137890A (zh) 2005-01-06 2008-03-05 艾伦·舒尔曼 导航和检查系统
WO2007052171A2 (en) * 2005-09-01 2007-05-10 Zvi Haim Lev System and method for reliable content access using a cellular/wireless device with imaging capabilities
US8189877B2 (en) * 2005-10-21 2012-05-29 Carnegie Institution Of Washington Remote sensing analysis of forest disturbances
US7663671B2 (en) * 2005-11-22 2010-02-16 Eastman Kodak Company Location based image classification with map segmentation
US20070248260A1 (en) 2006-04-20 2007-10-25 Nokia Corporation Supporting a 3D presentation
EP2130363A2 (fr) * 2006-12-14 2009-12-09 Advanced Track And Trace Procede et dispositif de lutte contre la contrefaçon
US20080147366A1 (en) * 2006-12-19 2008-06-19 Science Application International Corporation System and method for displaying simulation data and visualization data
WO2008134595A1 (en) * 2007-04-27 2008-11-06 Pelago, Inc. Determining locations of interest based on user visits
US20090100031A1 (en) 2007-10-12 2009-04-16 Tele Atlas North America, Inc. Method and System for Detecting Changes in Geographic Information
JP2009098733A (ja) * 2007-10-12 2009-05-07 Olympus Corp 情報処理装置、情報処理方法及び情報処理プログラム
US20100061650A1 (en) * 2008-09-05 2010-03-11 Barinder Singh Rai Method And Apparatus For Providing A Variable Filter Size For Providing Image Effects
US8001115B2 (en) * 2008-10-16 2011-08-16 The Curators Of The University Of Missouri Identifying geographic-areas based on change patterns detected from high-resolution, remotely sensed imagery

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1909022A (zh) * 2005-08-03 2007-02-07 株式会社电装 公路地图管理系统
WO2009059766A1 (en) * 2007-11-06 2009-05-14 Tele Atlas North America Inc. Method and system for the use of probe data from multiple vehicles to detect real world changes for use in updating a map
WO2010077229A1 (en) * 2008-12-31 2010-07-08 Tele Atlas North America, Inc. Systems and methods for processing information related to a geographic region
CN101650190A (zh) * 2009-07-30 2010-02-17 北京四维图新科技股份有限公司 一种地图变化的上报方法及导航终端

Also Published As

Publication number Publication date
US20130287307A1 (en) 2013-10-31
CN102270304B (zh) 2014-06-18
US8503794B2 (en) 2013-08-06
US20120027250A1 (en) 2012-02-02
US9183465B2 (en) 2015-11-10

Similar Documents

Publication Publication Date Title
CN102270304B (zh) 数据差异引导的图像捕获
US10289940B2 (en) Method and apparatus for providing classification of quality characteristics of images
US11889194B2 (en) Service system, information processing apparatus, and service providing method
US8385591B1 (en) System and method of using images to determine correspondence between locations
US9906720B2 (en) Service system, information processing apparatus, and service providing method
US9443447B2 (en) System and method for displaying real-time flight information on an airport map
US10909366B2 (en) Joint modeling of object population estimation using sensor data and distributed device data
JP2019020889A (ja) ダイナミックマップ更新装置、ダイナミックマップ更新方法、ダイナミックマップ更新プログラム
US20190213790A1 (en) Method and System for Semantic Labeling of Point Clouds
US9396584B2 (en) Obtaining geographic-location related information based on shadow characteristics
US11403822B2 (en) System and methods for data transmission and rendering of virtual objects for display
CN108197619A (zh) 一种基于招牌图像的定位方法、装置、设备和存储介质
KR20040024624A (ko) 영상정보를 이용한 지리정보 구축 및 브라우징 시스템과그 방법
CN104915432A (zh) 街景图像的获取方法和获取装置
US20230349713A1 (en) Transforming Scale Ring
US10108882B1 (en) Method to post and access information onto a map through pictures
JP2020173604A (ja) 撮影計画立案装置およびその方法
CN108763414B (zh) 一种实景显示方法、装置、终端设备和存储介质
US20150379040A1 (en) Generating automated tours of geographic-location related features
CN109982239A (zh) 基于机器视觉的商场楼层定位系统及方法
JP2002189412A (ja) 地図作成システム及び地図作成方法
JP2003051021A (ja) 情報更新装置、情報取得装置および情報更新処理装置
CN111814555B (zh) 一种基于多源数据的土地功能智能识别方法、系统及设备
Lwin et al. Data collection, processing, and applications for geospatial analysis
JP7111397B1 (ja) プログラム、方法及び情報処理装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
ASS Succession or assignment of patent right

Owner name: MICROSOFT TECHNOLOGY LICENSING LLC

Free format text: FORMER OWNER: MICROSOFT CORP.

Effective date: 20150429

C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20150429

Address after: Washington State

Patentee after: Micro soft technique license Co., Ltd

Address before: Washington State

Patentee before: Microsoft Corp.