CN104281840A - 一种基于智能终端定位识别建筑物的方法及装置 - Google Patents

Abstract

本发明公开了一种基于智能终端定位识别建筑物的方法及装置。所述方法包括：智能终端拍摄目标建筑的照片，提取照片中目标建筑的顶部轮廓；获取所述照片的拍摄点所在位置对应的地图，将该地图中的建筑作为候选建筑；从所述候选建筑中确定出与所述目标建筑的顶部轮廓最佳匹配的建筑，以该建筑的位置信息定位识别所述目标建筑。通过本发明的技术方案，基于目标建筑物的单张照片，便能快速地实现该目标建筑的定位识别，时延低，无需依赖事先部署的数据库，识别准确度高。

Description

一种基于智能终端定位识别建筑物的方法及装置

技术领域

本发明涉及定位技术领域，尤其涉及一种基于智能终端定位识别建筑物的方法及装置。

背景技术

日常生活中，移动智能终端用户可能会对其视线内、但距离较远的某个目标建筑物感兴趣，想知道这个目标建筑物的具体是什么建筑，怎样到达该目标建筑物，以及有哪些商家、餐馆或者公司在该目标建筑物内。例如一个移动智能终端用户在纽约市旅游时，他可以很轻易地认出一些有名的标志性建筑物，例如帝国大厦、纽约自由塔等。但是，他也想要了解另外一些在他视线内但并不知名的建筑。这些建筑可能距离该用户比较远，走过去确认那些建筑很麻烦。而向本地居民求助，可能也存在语言交流、或者本地居民也不了解该建筑的困难。

针对这类情况，现有技术对距离较远的目标建筑进行定位识别的方法有：基于用户对目标建筑拍摄的多张照片，然后计算相机到目标建筑的深度距离来对目标建筑进行定位识别。例如OPS就需要用户从多个地点多个角度对目标建筑拍摄多张照片，然后依据这多张照片对该目标建筑重建一个三维模型从而来估算用户和目标建筑的距离，再依据用户自身的GPS位置从而确定目标建筑的GPS位置；这个过程需要较长的处理时间。另一类方法是借助事先部署的标注好GPS位置的图片数据库，当用户对目标建筑拍摄一张照片后，将该图片去所述图片数据库里检索匹配，将最相近的图片的GPS标签作为目标建筑的GPS位置；但该方法的局限性在于图片数据库的图片数目有限，一旦匹配出错则定位的误差会很大。

发明内容

本发明的目的在于提出一种基于智能终端定位识别建筑物的方法及装置，基于目标建筑物的单张照片，便能快速地实现该目标建筑的定位识别，时延低，无需依赖事先部署的数据库，识别准确度高。

为达此目的，本发明采用以下技术方案：

一种基于智能终端定位识别建筑物的方法，包括：

智能终端拍摄目标建筑的照片，提取照片中目标建筑的顶部轮廓；

获取所述照片的拍摄点所在位置对应的地图，将该地图中的建筑作为候选建筑；

从所述候选建筑中确定出与所述目标建筑的顶部轮廓最佳匹配的建筑，以该建筑的位置信息定位识别所述目标建筑。

其中，所述获取所述照片的拍摄点所在位置对应的地图之前，还包括：

获取所述照片的拍摄点的GPS位置。

其中，所述获取所述照片的拍摄点所在位置对应的地图，将该地图中的建筑作为候选建筑，包括：

获取以所述GPS位置为中心、设定范围内的地图，将该地图中的建筑作为候选建筑。

其中，所述智能终端拍摄目标建筑的照片之后，还包括：

确定智能终端相机在世界坐标系中的拍摄方向。

其中，所述从所述候选建筑中确定出与所述目标建筑的顶部轮廓最佳匹配的建筑，包括：

提取候选建筑的俯视轮廓；

确定候选建筑与所述拍摄方向的相对方位；

确定候选建筑与所述拍摄点的相对距离；

根据候选建筑的俯视轮廓、所述相对方位和相对距离确定出与所述目标建筑的顶部轮廓最佳匹配的建筑。

其中，所述提取候选建筑的俯视轮廓之后，还包括：

结合所述拍摄方向确定候选建筑的俯视轮廓中与目标建筑的顶部轮廓对应的部分可见轮廓；

所述确定候选建筑与所述拍摄方向的相对方位，确定候选建筑与所述拍摄点的相对距离，具体为：

确定候选建筑的部分可见轮廓与所述拍摄方向的相对方位，确定候选建筑的部分可见轮廓与所述拍摄点的相对距离。

其中，所述确定候选建筑与所述拍摄方向的相对方位，包括：

根据所述拍摄方向、目标建筑的顶部轮廓在照片中的方位得出目标建筑的顶部轮廓在世界坐标系的方位；

获取地图中候选建筑的所述部分可见轮廓在世界坐标系的方位；

计算候选建筑的所述部分可见轮廓在世界坐标系中方位与目标建筑的顶部轮廓在世界坐标系中方位的角度差。

其中，所述确定候选建筑与所述拍摄点的相对距离，包括：

由智能终端的相机参数、候选建筑的真实大小、照片中目标建筑所占的像素大小和照片宽度计算候选建筑与拍摄点的相对距离。

其中，所述根据候选建筑的俯视轮廓、所述相对方位和相对距离确定出与所述目标建筑的顶部轮廓最佳匹配的建筑，包括：

基于所述拍摄方向、候选建筑在地图上的位置、候选建筑与拍摄方向的相对方位和与拍摄点的相对距离，计算出各候选建筑对应的拍摄点理论位置；

通过所述拍摄点理论位置、所述GPS位置的联合概率模型确定拍摄点的最大概率位置；

找到拍摄点的最大概率位置对应的候选建筑，将该候选建筑确定为与所述目标建筑的顶部轮廓最佳匹配的建筑。

其中，所述结合所述拍摄方向确定候选建筑的俯视轮廓中与目标建筑的顶部轮廓对应的部分可见轮廓，包括：

由所述拍摄方向和候选建筑的俯视轮廓确定出候选建筑的若干可见轮廓；

从候选建筑的全部可见轮廓中找出与目标建筑的顶部轮廓相似度最高的可见轮廓，将该可见轮廓作为该候选建筑对应的部分可见轮廓；

其中，用C₁,C₂,...,C_n表示n个候选建筑的俯视轮廓，提取俯视轮廓C_i中的顶点P₁、P₂、...、P_ai，以顶点集合<P₁,P₂,...,P_ai>表示候选建筑的俯视轮廓C_i；

根据所述拍摄方向与俯视轮廓<P₁,P₂,...,P_ai>中的线段向量的外积的正负确定候选建筑C_i的可见轮廓，将<P₁,P₂,...,P_ai>中连续几段所述外积为负的线段构成的轮廓作为可见轮廓，从候选建筑C_i的所述可见轮廓确定出部分可见轮廓

其中，所述计算各候选建筑对应的拍摄点理论位置，包括：

由候选建筑在地图上的位置、所述拍摄方向和该候选建筑与所述拍摄方向的相对距离，计算对该候选建筑拍摄时的拍摄点理论位置。

其中，所述由所述拍摄点理论位置、所述GPS位置的联合概率模型确定拍摄点的最大概率位置，包括：

计算候选建筑C_i对应的拍摄点理论位置e_i的概率分布f_i(x)，

$f_i\left(x\right)=\frac{1}{\sqrt{2\mathrm{\&pi;}}{\mathrm{\&sigma;}}_i}{e}^{-\frac{{\left|\right|x-e_i\left|\right|}^2}{2{\mathrm{\&sigma;}}_i^2}};$

其中，σ_δ为拍摄方向误差的标准差，δ_i为所述角度差，s_i为部分可见轮廓与目标建筑的顶部轮廓的匹配分数；

计算n个候选建筑对应的拍摄点理论位置的总概率分布

根据所述总概率分布和GPS位置得到联合概率分布计算的最大值作为拍摄点的最大概率位置，其中，

${\hat{f}}_{\mathrm{final}}\left(x\right)=\frac{1}{n\sqrt{2\mathrm{\&pi;}}{\&Element;}_G}{e}^{-\frac{{\left|\right|x-o\left|\right|}^2}{2{\&Element;}_G^2}}\underset{i}{\overset{n}{\mathrm{\&Sigma;}}}\frac{{\mathrm{\&alpha;}}_i}{\sqrt{2\mathrm{\&pi;}}{s}_i\&Element;}{e}^{-\frac{{\mathrm{\&alpha;}}_i^2{\left|\right|x-e_i\left|\right|}^2}{2s_i^2{\&Element;}^2}},$

ο为获取到的GPS位置，∈_G为所述GPS位置的概率分布。

一种定位识别建筑物的装置，包括：

目标建筑获取单元，用于控制智能终端拍摄目标建筑的照片，提取照片中目标建筑的顶部轮廓；

候选集确定单元，用于获取所述照片的拍摄点所在位置对应的地图，将该地图中的建筑作为候选建筑；

定位识别单元，用于从所述候选建筑中确定出与所述目标建筑的顶部轮廓最佳匹配的建筑，以该建筑的位置信息定位识别所述目标建筑。

其中，还包括：位置获取单元，

所述位置获取单元，用于获取所述照片的拍摄点的GPS位置。

其中，所述获取所述照片的拍摄点所在位置对应的地图，将该地图中的建筑作为候选建筑，包括：

获取以所述GPS位置为中心、设定范围内的地图，将该地图中的建筑作为候选建筑。

其中，所述定位识别单元包括：拍摄方向确定模块，

所述拍摄方向确定模块，用于确定拍摄相机在世界坐标系中的拍摄方向。

其中，所述定位识别模块，具体用于：

提取候选建筑的俯视轮廓；

确定候选建筑与所述拍摄方向的相对方位；

确定候选建筑与所述拍摄点的相对距离；

根据候选建筑的俯视轮廓、所述相对方位和相对距离确定出与所述目标建筑的顶部轮廓最佳匹配的建筑。

实施本发明实施例，具有如下有益效果：

本发明实施例采用智能终端拍摄一张目标建筑物的照片，提取照片中目标建筑的顶部轮廓；获取所述照片的拍摄点所在位置对应的地图，将该地图中的建筑作为候选建筑；从所述候选建筑中确定出与所述目标建筑的顶部轮廓最佳匹配的建筑，以该建筑的位置信息定位识别所述目标建筑。本发明方案只需智能终端拍摄单张照片便能快速实现目标建筑的定位识别，不仅时延低，无需依赖任何事先部署的数据库，而且定位准确度高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明第一实施例的一种基于智能终端定位识别建筑物的方法的流程示意图。

图2是本发明第二实施例的一种基于智能终端定位识别建筑物的方法流程示意图。

图3是本发明实施例中智能终端坐标系的示意图。

图4是本发明实施例中获得以拍摄点所在位置为中心的一张当地地图的示意图。

图5是本发明实施例中被拍建筑俯视轮廓中的可见部分的示意图。

图6是本发明第三实施例的一种定位识别建筑物的装置的结构示意图。

图7是本发明第四实施例的一种定位识别建筑物的装置的结构示意图。

图8是本发明第四实施例的定位识别单元的模块示意图。

具体实施方式

下面结合本发明的附图对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

结合图1对本发明的第一实施例进行说明。

图1是本发明第一实施例的一种基于智能终端定位识别建筑物的方法流程图，详述如下：

步骤S101，智能终端拍摄目标建筑的照片，提取照片中目标建筑的顶部轮廓。

在第一实施例中，所述智能终端包括但不限于智能手机、平板电脑和PDA，当用户对一定范围内的某一建筑感兴趣，希望了解该建筑的更多信息时，可用自己手头上的智能终端对该建筑拍单张照片，并且对拍照角度不作限定，以能拍摄到该建筑的顶部轮廓为准。然后采用已有的图像处理技术提取出照片中该建筑的顶部轮廓。

较佳的，本步骤中不仅能够提取出照片中目标建筑的顶部轮廓，还可获得这个顶部轮廓是以怎样的方位对着拍照的用户。

步骤S102，获取所述照片的拍摄点所在位置对应的地图，将该地图中的建筑作为候选建筑。

在第一实施例中，可通过传感器获取所述照片的拍摄点的GPS位置，也可通过运营商基站获取拍摄点的位置信息，再通过网络获取以拍摄点所在位置为中心、一定范围内的地图(例如谷歌地图)。较佳的，根据拍摄点位置的经纬度读数可以通过Google Static Map API获得以拍摄点位置为中心的一张当地地图。然后由该地图中的建筑获得目标建筑的候选建筑集。

步骤S103，从所述候选建筑中确定出与所述目标建筑的顶部轮廓最佳匹配的建筑，以该建筑的位置信息定位识别所述目标建筑。

由于很多建筑物的顶部轮廓很相似，具体该怎么区分这些顶部轮廓相似的建筑物并从中找出用户拍摄的目标建筑；再者智能终端的传感器数据是有噪音的，例如GPS、加速度传感器、磁场传感器都有一定的误差，怎么排除这些误差干扰，提高目标建筑定位识别的鲁棒性很关键。

优选的，本实施例中采用轮廓提取技术提取候选建筑的俯视轮廓，确定出候选建筑与所述拍摄方向的相对方位和相对距离；由于每个建筑物都有它自己独一无二的俯视轮廓、相对拍摄方向的方位和到拍摄点的距离。因此可以通过分析这三个特征从候选建筑中匹配出最可能的目标建筑。

另一个需要考虑的问题是，由于用户拍摄照片一般只能照到目标建筑的一个侧面，因此从照片中提取出的目标建筑的顶部轮廓只是其部分轮廓，若将目标建筑的部分轮廓和候选建筑的整个俯视轮廓进行比对，则可能影响定位识别的准确度。

有鉴于此，本实施例中，先通过拍摄方向确定候选建筑的俯视轮廓中与目标建筑的顶部轮廓对应的部分可见轮廓；确定候选建筑的部分可见轮廓与所述拍摄方向的相对方位，确定候选建筑的部分可见轮廓与所述拍摄点的相对距离。通过这种方式从所述候选建筑中确定出与所述目标建筑的顶部轮廓最佳匹配的建筑，已知该建筑的位置信息，进而可实现所述目标建筑的定位识别，并且定位识别的准确度。

通过本发明第一实施例，采用智能终端拍摄一张目标建筑物的照片，提取照片中目标建筑的顶部轮廓；获取所述照片的拍摄点所在位置对应的地图，将该地图中的建筑作为候选建筑；从所述候选建筑中确定出与所述目标建筑的顶部轮廓最佳匹配的建筑，以该建筑的位置信息定位识别所述目标建筑。本方案只需智能终端拍摄单张照片便能快速实现目标建筑的定位识别，不仅时延低，无需依赖任何事先部署的数据库，而且定位准确度高。

结合图2对本发明的第二实施例进行说明。由于不确定照片里拍摄的目标建筑到底是候选建筑中的哪一个，由于传感器误差也不确定准确的拍摄点位置，因此在第二实施例中采取一种概率模型来识别定位目标建筑，把拍摄点位置视为由候选建筑反推出来的拍摄理论位置概率分布与GPS概率分布的联合概率分布，可增强目标建筑定位识别的鲁棒性。

图2是本发明第二实施例的一种基于智能终端定位识别建筑物的方法流程图，详述如下：

步骤S201，智能终端拍摄目标建筑的照片，提取照片中目标建筑的顶部轮廓。

该步骤的实施可参照第一实施例的步骤S101，在此不作赘述。

步骤S202，确定智能终端相机在世界坐标系中的拍摄方向。

在第二实施例中，定义智能终端坐标系为：X和Y坐标轴在智能终端屏幕平面中，Z轴垂直于智能终端屏幕平面朝外，如图3所示。由于摄像头在智能终端的背面，所以拍摄方向在智能终端坐标系中为(0,0,-1)。本实施例所说的世界坐标系为:X轴在水平面上并指向东面，Y轴在水平面上并指向北面，Z轴垂直于水平面指向天空。因此需先得到在世界坐标系中的拍摄方向。

本实施例中，可通过智能终端的加速度传感器和磁场传感器得到智能终端坐标系到世界坐标系的旋转矩阵R：

$R=\left[\begin{array}{ccc}{r}_{00}& r_{01}& r_{02}\\ r_{10}& r_{11}& r_{12}\\ r_{20}& r_{21}& r_{22}\end{array}\right]$

因此可以计算出在世界坐标系中的拍摄方向为R(0，0，1)^T＝(-r₀₂,-r₁₂,-r₂₂)^T。向量(-r₀₂,-r₁₂)则代表了拍摄方向投影在水平面上的方向，即r₀₂是朝东方向的分量，r₁₂是朝北方向的分量。

步骤S203，获取所述照片的拍摄点的GPS位置。

本实施例中，可通过位置传感器获取拍照时智能终端对应的GPS位置。

上述步骤S202、S203的执行可不分先后顺序。

步骤S204，获取所述照片的拍摄点所在位置对应的地图，将该地图中的建筑作为候选建筑。

本实施例中，可通过Google Static Map API获得以拍摄点所在位置为中心的一张当地地图。优选的，可根据智能终端对应的GPS位置信息通过Url获取当地的谷歌地图。具体Url示例如下：

http://maps.googleapis.com/maps/api/staticmap？center＝X,Y&scale＝2&zoom＝17&sensor＝false&size＝640x640&style＝element:geometry.stroke％7Chue:0xff0000％7Csaturation:100&style＝element:labels％7Cvisibility:off&style＝feature:road％7Cvisibility:off。其中X,Y分别为测量到的GPS位置的经纬度。

步骤S205，提取候选建筑的俯视轮廓。

由于大部分建筑的俯视轮廓是几何多边形，所以并不需要存储边界线上所有的点的坐标。因此本实施例中采用Ramer-Douglas-Peucker算法提取俯视轮廓中的顶点信息，只保存这些必要的顶点坐标。例如将n个候选建筑的俯视轮廓表示为C₁，C₂，…，C_n，其中第i个候选建筑的俯视轮廓C_i可以被表示为<p₁，p₂，…，p_ai>，其中，顶点P₁、P₂、...、P_ai是按逆时针顺序排列的。

步骤S206，结合所述拍摄方向确定候选建筑的俯视轮廓中与目标建筑的顶部轮廓对应的部分可见轮廓。

由于单张照片往往只能照到目标建筑的一个侧面，因此从照片中提取出的目标建筑的顶部轮廓只是其部分轮廓。例如图5中，只有<p₄，p₅，p₆，p₇，p₈>在照片上是可见的。为了提高识别准确度，本实施例中也需要对候选建筑的俯视轮廓中的可见部分进行识别和提取。具体实施方式可以为：

为了候选建筑的俯视轮廓上的线段在是否是可见的，可以结合拍摄方向确定出候选建筑的俯视轮廓C_i的可见轮廓。具体为根据在世界坐标系中的拍摄方向与俯视轮廓<P₁,P₂,...,P_ai>中的线段向量的外积的正负确定候选建筑C_i包含的可见轮廓，<P₁,P₂,...,P_ai>中外积为正的线段是在照片上不可见的线段，只有连续几段所述外积为负的线段构成的轮廓才为可见轮廓。例如在图5中，而因此<P₂,P₃,P₄>在照片上是不可见的。可能有六种不同的可见轮廓为：<P₄,P₅,P₆>，<P₅,P₆，P₇>，<P₆,P₇,P₈>，<P₄,P₅,P₆，P₇>，<P₅,P₆，P₇,P₈>，<P₄,P₅,P₆，P₇,P₈>。

由于一个候选建筑在面朝拍摄方向上可能有多种不同的可见轮廓，因此从候选建筑C_i的所述可见轮廓确定出部分可见轮廓实质为找出若干可见轮廓中和照片中目标建筑顶部轮廓相似度最高的可见轮廓，将该可见轮廓作为该候选建筑对应的部分可见轮廓。由于轮廓形状的比较需要具备旋转不变性、平移不变性以及缩放不变性，因此本实施例中可采用Hu不变矩来计算各可见轮廓与目标建筑的顶部轮廓的相似性：

$I(A,B)=\underset{i=1,\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;7}{\mathrm{\&Sigma;}}|m_i^A-m_i^B|$

其中， $m_i^A=\mathrm{sign}\left(h_i^A\right)\&CenterDot;\log h_i^A,m_i^A=\mathrm{sign}\left(h_i^B\right)\&CenterDot;\log h_i^B,,$ 和是轮廓A和B的Hu不变矩。轮廓A和B越近似，对应的I(A,B)就越小，换算对应的匹配分数s_i就越小。因此，当部分可见轮廓与目标建筑的顶部轮廓的匹配分数越大时，部分可见轮廓对应的候选建筑就越不可能是目标建筑。

优选的，本实施例中，采用如下算法1来提取每个候选建筑中与目标建筑的顶部轮廓对应的部分可见轮廓，即提取每个候选建筑最可能在照片中的部分可见轮廓。

算法1：

1：input：一个候选建筑的俯视轮廓C_i＝<P₁,P₂,...,P_ai>，目标建筑的顶部轮廓C，拍摄方向

2：output：最可能在照片中的部分可见轮廓轮廓与C的匹配分数s_i

3 float s_i＝MAXVALUE；

4 for m＝1；m≤a_i；m++do

5 if $\stackrel{\&RightArrow;}{D}\&times;p_m{p}_{m+1}>0$ then

6 continue；

7 for n＝2；n≤a_i；n++do

8 if $\stackrel{\&RightArrow;}{D}\&times;p_{(m+n-1)\%a_i}{p}_{(m+n)\%a_i}>0$ then

9 break；

10 let $\mathrm{temptC}={<P}_m,P_{m+1},...,P_{(m+n)\%a_i}>;$

11 if I(temptC,C)<s_i

12 s_i＝I(temptC,C)；

13 ${\tilde{C}}_i=\mathrm{temptC};$

14 returns_i

步骤S207，确定候选建筑与所述拍摄方向的相对方位。

不同建筑物相对拍摄方向的方位角度也不同，可以基于上述的在世界坐标系中的拍摄方向以及目标建筑的顶部轮廓在照片中的方位，得到目标建筑顶部轮廓在世界坐标系的方位。然后根据所述的地图得到候选建筑的所述部分可见轮廓在世界坐标系的方位。计算这两个方位的角度差，把这两个方位的角度差也作为一个定位识别目标建筑的特征参数。例如第i个候选建筑的所述部分可见轮廓和目标建筑顶部轮廓的方位角度差为δ_i，当δ_i越大的时候，该候选建筑是目标建筑的可能性就越小。

步骤S208，确定候选建筑与所述拍摄点的相对距离。

本实施例中可由智能终端的相机参数、候选建筑的真实大小、照片中目标建筑所占的像素大小和照片宽度计算候选建筑与拍摄点的相对距离。具体实施方式可为：

获取智能终端相机的焦距F以及CCD元件宽度W_ccd；获取候选建筑的真实大小C_m；获取照片中目标建筑所占像素的大小C_p以及照片的宽度W_p；计算该候选建筑与拍摄点的相对距离为

步骤S209，基于所述拍摄方向、候选建筑在地图上的位置、候选建筑与拍摄方向的相对方位和与拍摄点的相对距离，计算出各候选建筑对应的拍摄点理论位置。

已知候选建筑在地图上的位置，候选建筑离拍摄点的距离和智能终端相机的拍摄方向，可以估算出如果是对第i个候选建筑拍照时对应的拍摄点位置，将由第i候选建筑反算出来的拍摄点位置记为拍摄点理论位置e_i。

基于之前的计算，得到了候选建筑的部分可见轮廓于目标建筑顶部轮廓的匹配分数s_i，方位角度差δ_i，估算的拍摄点理论位置e_i。再已知智能终端拍摄点的GPS位置ο，最直观的方法是找出距离拍摄点的GPS位置ο的最近的e_i，与该拍摄点理论位置e_i对应的候选建筑则为目标建筑。然而实际上由于GPS传感器是有误差的，所以采集获取的拍摄点的GPS位置ο并不准确，而且这种方式并没利用到目标建筑的顶部轮廓形状特征和在照片中的方位信息，因此，定位识别的准确度有待提高。

由于不确定照片中拍摄的目标建筑到底是候选建筑中的哪一个，也无法得到准确无误差的拍摄点位置，因此本实施例提供了一种概率模型来识别定位目标建筑，把拍摄点位置视为由候选建筑反推出来的拍摄理论位置的概率分布与拍摄点的GPS位置的概率分布的联合概率分布，以提高识别准确度。通过一种概率模型来识别定位目标建筑的具体实施方式包括如下步骤S211-S212。

步骤S210，通过所述拍摄点理论位置、所述GPS位置的联合概率模型确定拍摄点的最大概率位置。

具体包括步骤：

先计算计算候选建筑C_i对应的拍摄点理论位置e_i的概率分布f_i(x)，即如果是对第i个候选建筑拍照时对应的拍摄点理论位置的概率分布：

$f_i\left(x\right)=\frac{1}{\sqrt{2\mathrm{\&pi;}}{\mathrm{\&sigma;}}_i}{e}^{-\frac{{\left|\right|x-e_i\left|\right|}^2}{2{\mathrm{\&sigma;}}_i^2}};$

其中，σ_i表示拍摄点理论位置e_i的标准方差，本实施例中用所述匹配分数s_i，方位角度差δ_i来计算σ_i。由于当s_i越大时，该候选建筑就越不可能是目标建筑，所以s_i与σ_i成正比。由于拍摄方向是通过加速度传感器和磁场传感器等得到的，因此它也有一定误差，经过多次实验后发现该误差呈均值为0的正太分布，所以σ_i的具体计算方式可以如下：

即σ_i正比于s_i，反比于方位角角度差分数α_i。其中，σ_δ为拍摄方向误差的标准差，δ_i为所述角度差，s_i为部分可见轮廓与目标建筑的顶部轮廓的匹配分数。

然后计算n个候选建筑对应的拍摄点理论位置的总概率分布为：

即由于每个候选建筑反推出的拍摄点理论位置的概率分布都是独立的，所以所有候选建筑反推出的拍摄点理论位置的概率分布是它们的叠加。

另一个需要考虑的因素为传感器获取到的GPS位置ο，由于传感器误差，将GPS位置ο的概率也可视为高斯分布，因此最终得到的拍摄理论位置的概率分布为由所述总概率分布和GPS位置得到联合概率分布为：

${\hat{f}}_{\mathrm{final}}\left(x\right)=\frac{1}{n\sqrt{2\mathrm{\&pi;}}{\&Element;}_G}{e}^{-\frac{{\left|\right|x-o\left|\right|}^2}{2{\&Element;}_G^2}}\underset{i}{\overset{n}{\mathrm{\&Sigma;}}}\frac{{\mathrm{\&alpha;}}_i}{\sqrt{2\mathrm{\&pi;}}{s}_i\&Element;}{e}^{-\frac{{\mathrm{\&alpha;}}_i^2{\left|\right|x-e_i\left|\right|}^2}{2s_i^2{\&Element;}^2}};$

其中，ο为获取到的GPS位置，∈_G为所述GPS位置的概率分布。

最后，计算联合概率分布的最大值，即为拍摄点的最大概率位置。

步骤S212，找到拍摄点的最大概率位置对应的候选建筑，将该候选建筑确定为与所述目标建筑的顶部轮廓最佳匹配的建筑，以该建筑对目标建筑进行定位识别。

本实施例中，然后根据拍摄点的最大概率位置可以找到在那个位置对应的候选建筑，该候选建筑即为所求的目标建筑，已知候选建筑的位置信息和其他信息，由此实现对目标建筑的定位识别。

通过上述第二实施例，采用智能终端拍摄一张目标建筑物的照片，提取照片中目标建筑的顶部轮廓；获取所述照片的拍摄点所在位置对应的地图，将该地图中的建筑作为候选建筑；从所述候选建筑中确定出与所述目标建筑的顶部轮廓最佳匹配的建筑，以该建筑的位置信息定位识别所述目标建筑。本实施例通过由候选建筑反推拍摄点理论位置，并通过拍摄点理论位置、所述GPS位置的联合概率模型确定拍摄点的最大概率位置，能够提高目标建筑定位识别的准确度，且根据以上算法匹配出目标建筑并把信息返回给智能终端用户，整个过程只需要大概几秒钟。

以下为本发明实施例提供的一种定位识别建筑物的装置的实施例。所述装置的实施例与上述的方法实施例属于同一构思，装置的实施例中未详尽描述的细节内容，可以参考上述方法实施例。

图6示出了本发明第三实施例的一种定位识别建筑物的装置的结构示意图，下面进行详细说明。

请参见图6，所述装置包括：目标建筑获取单元610、候选集确定单元620和定位识别单元630。下面对各单元进行具体说明。

所述目标建筑获取单元610，用于控制智能终端拍摄目标建筑的照片，提取照片中目标建筑的顶部轮廓。

在第三实施例中，当用户对一定范围内的某一建筑感兴趣，希望了解该建筑的更多信息时，可通过对该建筑拍摄单张照片，对拍照角度不作限定，以能拍摄到该建筑的顶部轮廓为准。然后采用已有的图像处理技术提取出照片中该建筑的顶部轮廓。并且，还可从照片中目标建筑的顶部轮廓是以怎样的方位对着拍照点的。

所述候选集确定单元620，用于获取所述照片的拍摄点所在位置对应的地图，将该地图中的建筑作为候选建筑。

较佳的，候选集确定单元620具体可用于：通过网络获取以拍摄点所在位置(即上述GPS位置)为中心、一定范围内的地图(例如谷歌地图)。例如根据拍摄点位置的经纬度读数可以通过Google Static Map API获得以拍摄点位置为中心的一张当地地图，然后由该地图中的建筑获得目标建筑的候选建筑集。

所述定位识别单元630，用于从所述候选建筑中确定出与所述目标建筑的顶部轮廓最佳匹配的建筑，以该建筑的位置信息定位识别所述目标建筑。

由于很多建筑物的顶部轮廓很相似，具体该怎么区分这些顶部轮廓相似的建筑物并从中找出用户拍摄的目标建筑；再者传感器数据是有噪音的，例如GPS、加速度传感器、磁场传感器都有一定的误差，怎么排除这些误差干扰，提高目标建筑定位识别的鲁棒性很关键。

优选的，本实施例中采用轮廓提取技术提取候选建筑的俯视轮廓，确定出候选建筑与所述拍摄方向的相对方位和相对距离；由于每个建筑物都有它自己独一无二的俯视轮廓、相对拍摄方向的方位和到拍摄点的距离。因此可以通过分析这三个特征从候选建筑中匹配出最可能的目标建筑。

另一个需要考虑的问题是，由于用户拍摄照片一般只能照到目标建筑的一个侧面，因此从照片中提取出的目标建筑的顶部轮廓只是其部分轮廓，若将目标建筑的部分轮廓和候选建筑的整个俯视轮廓进行比对，则可能影响定位识别的准确度。

有鉴于此，本实施例中，先通过拍摄方向确定候选建筑的俯视轮廓中与目标建筑的顶部轮廓对应的部分可见轮廓；确定候选建筑的部分可见轮廓与所述拍摄方向的相对方位，确定候选建筑的部分可见轮廓与所述拍摄点的相对距离。通过这种方式从所述候选建筑中确定出与所述目标建筑的顶部轮廓最佳匹配的建筑，已知该建筑的位置信息，进而可实现所述目标建筑的定位识别，并且定位识别的准确度。

通过上述第三实施例，通过目标建筑获取单元拍摄一张目标建筑物的照片，提取照片中目标建筑的顶部轮廓；通过候选集确定单元获取所述照片的拍摄点所在位置对应的地图，将该地图中的建筑作为候选建筑；最后通过定位识别单元从所述候选建筑中确定出与所述目标建筑的顶部轮廓最佳匹配的建筑，以该建筑的位置信息定位识别所述目标建筑。本方案通过单张照片便能快速实现目标建筑的定位识别，不仅时延低，无需依赖任何事先部署的数据库，而且定位准确度高。

如图7所示，图7为本发明第四实施例的一种定位识别建筑物的装置的结构示意图。在第四实施例中，所述装置不仅包括目标建筑获取单元710、候选集确定单元720、定位识别单元730、位置获取单元740和拍摄方向确定模块750。其中，目标建筑获取单元710、候选集确定单元720可参考第三实施例的说明，下面针对定位识别单元730、位置获取单元740和拍摄方向确定模块750进行进一步的说明。

第四实施例中，位置获取单元740用于获取所述照片的拍摄点的GPS位置。对应的，所述候选集确定单元720可根据该GPS位置的经纬度信息获得以拍摄点位置为中心的一张当地地图，然后由该地图中的建筑获得目标建筑的候选建筑集。获取当地地图的方式可参考上述第二实施例所述。

第四实施例中，拍摄方向确定模块750，用于确定拍摄相机在世界坐标系中的拍摄方向。具体确定方式可参考第二实施所述，在此不作赘述。

由于很多建筑物的顶部轮廓很相似，具体该怎么区分这些顶部轮廓相似的建筑物并从中找出用户拍摄的目标建筑；再者传感器数据是有噪音的，例如GPS、加速度传感器、磁场传感器都有一定的误差，怎么排除这些误差干扰，提高目标建筑定位识别的鲁棒性很关键。

优选的，本实施例中采用轮廓提取技术提取候选建筑的俯视轮廓，确定出候选建筑与所述拍摄方向的相对方位和相对距离；由于每个建筑物都有它自己独一无二的俯视轮廓、相对拍摄方向的方位和到拍摄点的距离。因此可以通过分析这三个特征从候选建筑中匹配出最可能的目标建筑。

进一步的，结合图8，下面对本实施例中定位识别单元730的具体说明。

因此，第四实施例中，所述定位识别模块730具体用于：提取候选建筑的俯视轮廓，确定候选建筑与所述拍摄方向的相对方位，确定候选建筑与所述拍摄点的相对距离；根据候选建筑的俯视轮廓、所述相对方位和相对距离确定出与所述目标建筑的顶部轮廓最佳匹配的建筑。

较佳的，所述定位识别单元730具体包括：轮廓匹配模块731、角度差模块732、距离确定模块733、拍摄位置估算模块734和定位模块735。下面对各模块进行说明。

所述轮廓匹配模块731，用于结合所述拍摄方向确定候选建筑的俯视轮廓中与目标建筑的顶部轮廓对应的部分可见轮廓。

由于大部分建筑的俯视轮廓是几何多边形，所以并不需要存储边界线上所有的点的坐标。因此可采用Ramer-Douglas-Peucker算法提取俯视轮廓中的顶点信息，只保存这些必要的顶点坐标。本实施例中确定部分可见轮廓的方式可为：由所述拍摄方向和候选建筑的俯视轮廓确定出候选建筑的若干可见轮廓；然后从候选建筑的全部可见轮廓中找出与目标建筑的顶部轮廓相似度最高的可见轮廓，将该可见轮廓作为该候选建筑对应的部分可见轮廓。具体实现方式可如下：

用C₁,C₂,...,C_n表示n个候选建筑的俯视轮廓，提取俯视轮廓C_i中的顶点P、P₂、...、P_ai，以顶点集合<P₁,P₂,...,P_ai>表示候选建筑的俯视轮廓C_i；

根据所述拍摄方向与俯视轮廓<P₁,P₂,...,P_ai>中的线段向量的外积的正负确定候选建筑C_i的可见轮廓，<P₁,P₂,...,P_ai>中连续几段所述外积为负的线段构成的轮廓为可见轮廓；

然后从候选建筑C_i的所述可见轮廓确定出部分可见轮廓具体方式可参考上述第二实施例对应部分，在此不作赘述。

第四实施例中，所述角度差模块732，用于根据所述拍摄方向、目标建筑的顶部轮廓在照片中的方位得出目标建筑的顶部轮廓在世界坐标系的方位；获取地图中候选建筑的所述部分可见轮廓在世界坐标系的方位；计算候选建筑的所述部分可见轮廓在世界坐标系中方位与目标建筑的顶部轮廓在世界坐标系中方位的角度差。

由于不同建筑物相对拍摄方向的方位角度也不同，因此可把这个角度差也作为一个定位识别目标建筑的特征参数，当这个角度差越大的时候，对应候选建筑是目标建筑的可能性就越小。

第四实施例中，所述距离确定模块733，用于由智能终端的相机参数、候选建筑的真实大小、照片中目标建筑所占的像素大小和照片宽度计算候选建筑与拍摄点的相对距离。具体方式可如下：

获取智能终端相机的焦距F以及CCD元件宽度W_ccd；获取候选建筑的真实大小C_m；获取照片中目标建筑所占像素的大小C_p以及照片的宽度W_p；计算该候选建筑与拍摄点的相对距离为

第四实施例中，所述拍摄位置估算模块734，用于基于所述拍摄方向、候选建筑在地图上的位置、候选建筑与拍摄方向的相对方位和相对距离，计算各候选建筑对应的拍摄点理论位置；通过所述拍摄点理论位置、所述GPS位置的联合概率模型确定拍摄点的最大概率位置。

已知候选建筑在地图上的位置，候选建筑离拍摄点的距离和智能终端相机的拍摄方向，可以估算出如果是对第i个候选建筑拍照时对应的拍摄点位置，将由第i候选建筑反算出来的拍摄点位置记为拍摄点理论位置e_i。因此本实施例中计算各候选建筑对应的拍摄点理论位置的具体方式可为：由候选建筑在地图上的位置、所述拍摄方向和该候选建筑与拍摄点的相对距离，计算对该候选建筑拍摄时的拍摄点理论位置。

由于不确定照片中拍摄的目标建筑到底是候选建筑中的哪一个，也无法得到准确无误差的拍摄点位置，因此本实施例提供了一种概率模型来识别定位目标建筑，把拍摄点位置视为由候选建筑反推出来的拍摄理论位置的概率分布与拍摄点的GPS位置的概率分布的联合概率分布，以提高识别准确度。基于此，本实施例中由所述拍摄点理论位置、所述GPS位置的联合概率模型确定拍摄点的最大概率位置，具体可为：

首先计算候选建筑C_i对应的拍摄点理论位置e_i的概率分布f_i(x)，

$f_i\left(x\right)=\frac{1}{\sqrt{2\mathrm{\&pi;}}{\mathrm{\&sigma;}}_i}{e}^{-\frac{{\left|\right|x-e_i\left|\right|}^2}{2{\mathrm{\&sigma;}}_i^2}};$

其中，σ_δ为拍摄方向误差的标准差，δ_i为所述角度差，s_i为部分可见轮廓与目标建筑的顶部轮廓的匹配分数；

由于每个候选建筑反推出的拍摄点理论位置的概率分布都是独立的，所以所有候选建筑反推出的拍摄点理论位置的概率分布是它们的叠加，因此计算n个候选建筑对应的拍摄点理论位置的总概率分布为，

考虑到传感器误差，将传感器获取到的GPS位置ο的概率视为高斯分布，由此得到的拍摄理论位置的概率分布为由所述总概率分布和GPS位置得到联合概率分布为：

${\hat{f}}_{\mathrm{final}}\left(x\right)=\frac{1}{n\sqrt{2\mathrm{\&pi;}}{\&Element;}_G}{e}^{-\frac{{\left|\right|x-o\left|\right|}^2}{2{\&Element;}_G^2}}\underset{i}{\overset{n}{\mathrm{\&Sigma;}}}\frac{{\mathrm{\&alpha;}}_i}{\sqrt{2\mathrm{\&pi;}}{s}_i\&Element;}{e}^{-\frac{{\mathrm{\&alpha;}}_i^2{\left|\right|x-e_i\left|\right|}^2}{2s_i^2{\&Element;}^2}};$

ο为获取到的GPS位置，∈_G为所述GPS位置的概率分布。计算的最大值作为拍摄点的最大概率位置，即为拍摄点的最大概率位置。

第四实施例中，所述定位模块735，用于找到拍摄点的最大概率位置对应的候选建筑，将该候选建筑确定为与所述目标建筑的顶部轮廓最佳匹配的建筑。

本实施例中，根据拍摄点的最大概率位置可以找到在那个位置对应的候选建筑，该候选建筑即为所求的目标建筑，已知候选建筑的位置信息和其他信息，由此实现对目标建筑的定位识别。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利要求范围，因此，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，仍属本发明所涵盖的范围。

Claims (10)

1.一种基于智能终端定位识别建筑物的方法，其特征在于，包括：

智能终端拍摄目标建筑的照片，提取照片中目标建筑的顶部轮廓；

获取所述照片的拍摄点所在位置对应的地图，将该地图中的建筑作为候选建筑；

从所述候选建筑中确定出与所述目标建筑的顶部轮廓最佳匹配的建筑，以该建筑的位置信息定位识别所述目标建筑。

2.根据权利要求1所述基于智能终端定位识别建筑物的方法，其特征在于，所述获取所述照片的拍摄点所在位置对应的地图之前，还包括：

获取所述照片的拍摄点的GPS位置；

所述获取所述照片的拍摄点所在位置对应的地图，将该地图中的建筑作为候选建筑，包括：

获取以所述GPS位置为中心、设定范围内的地图，将该地图中的建筑作为候选建筑；

所述从所述候选建筑中确定出与所述目标建筑的顶部轮廓最佳匹配的建筑，包括：

提取候选建筑的俯视轮廓；

确定候选建筑与所述拍摄方向的相对方位；

确定候选建筑与所述拍摄点的相对距离；

根据候选建筑的俯视轮廓、所述相对方位和相对距离确定出与所述目标建筑的顶部轮廓最佳匹配的建筑。

3.根据权利要求2所述基于智能终端定位识别建筑物的方法，其特征在于，所述智能终端拍摄目标建筑的照片之后，还包括：确定智能终端相机在世界坐标系中的拍摄方向；

所述提取候选建筑的俯视轮廓之后，还包括：

结合所述拍摄方向确定候选建筑的俯视轮廓中与目标建筑的顶部轮廓对应的部分可见轮廓；

所述确定候选建筑与所述拍摄方向的相对方位，确定候选建筑与所述拍摄点的相对距离，具体为：

确定候选建筑的部分可见轮廓与所述拍摄方向的相对方位，确定候选建筑的部分可见轮廓与所述拍摄点的相对距离。

4.根据权利要求3所述基于智能终端定位识别建筑物的方法，其特征在于，所述确定候选建筑与所述拍摄方向的相对方位，包括：

根据所述拍摄方向、目标建筑的顶部轮廓在照片中的方位得出目标建筑的顶部轮廓在世界坐标系的方位；

获取地图中候选建筑的所述部分可见轮廓在世界坐标系的方位；

计算候选建筑的所述部分可见轮廓在世界坐标系中方位与目标建筑的顶部轮廓在世界坐标系中方位的角度差；

所述确定候选建筑与所述拍摄点的相对距离，包括：

由智能终端的相机参数、候选建筑的真实大小、照片中目标建筑所占的像素大小和照片宽度计算候选建筑与拍摄点的相对距离。

5.根据权利要求4所述基于智能终端定位识别建筑物的方法，其特征在于，所述根据候选建筑的俯视轮廓、所述相对方位和相对距离确定出与所述目标建筑的顶部轮廓最佳匹配的建筑，包括：

基于所述拍摄方向、候选建筑在地图上的位置、候选建筑与拍摄方向的相对方位和与拍摄点的相对距离，计算出各候选建筑对应的拍摄点理论位置；

通过所述拍摄点理论位置、所述GPS位置的联合概率模型确定拍摄点的最大概率位置；

找到拍摄点的最大概率位置对应的候选建筑，将该候选建筑确定为与所述目标建筑的顶部轮廓最佳匹配的建筑。

6.根据权利要求3所述基于智能终端定位识别建筑物的方法，其特征在于，所述结合所述拍摄方向确定候选建筑的俯视轮廓中与目标建筑的顶部轮廓对应的部分可见轮廓，包括：

由所述拍摄方向和候选建筑的俯视轮廓确定出候选建筑的若干可见轮廓；

从候选建筑的全部可见轮廓中找出与目标建筑的顶部轮廓相似度最高的可见轮廓，将该可见轮廓作为该候选建筑对应的部分可见轮廓；

其中，用C₁,C₂,...,C_n表示n个候选建筑的俯视轮廓，提取俯视轮廓C_i中的顶点P₁、P₂、...、P_ai，以顶点集合<P₁,P₂,...,P_ai>表示候选建筑的俯视轮廓C_i；

根据所述拍摄方向与俯视轮廓<P₁,P₂,...,P_ai>中的线段向量的外积的正负确定候选建筑C_i的可见轮廓，将<P₁,P₂,...,P_ai>中连续几段所述外积为负的线段构成的轮廓作为可见轮廓，从候选建筑C_i的所述可见轮廓确定出部分可见轮廓

7.根据权利要求6所述基于智能终端定位识别建筑物的方法，其特征在于，所述计算各候选建筑对应的拍摄点理论位置，包括：

由候选建筑在地图上的位置、所述拍摄方向和该候选建筑与所述拍摄方向的相对距离，计算对该候选建筑拍摄时的拍摄点理论位置。

8.根据权利要求7所述基于智能终端定位识别建筑物的方法，其特征在于，所述由所述拍摄点理论位置、所述GPS位置的联合概率模型确定拍摄点的最大概率位置，包括：

计算候选建筑C_i对应的拍摄点理论位置e_i的概率分布f_i(x)，

$f_i\left(x\right)=\frac{1}{\sqrt{2\mathrm{\&pi;}}{\mathrm{\&sigma;}}_i}{e}^{-\frac{{\left|\right|x-e_i\left|\right|}^2}{2{\mathrm{\&sigma;}}_i^2}};$

其中，σ_δ为拍摄方向误差的标准差，δ_i为所述角度差，s_i为部分可见轮廓与目标建筑的顶部轮廓的匹配分数；

计算n个候选建筑对应的拍摄点理论位置的总概率分布

根据所述总概率分布和GPS位置得到联合概率分布计算的最大值作为拍摄点的最大概率位置，其中，

${\hat{f}}_{\mathrm{final}}\left(x\right)=\frac{1}{n\sqrt{2\mathrm{\&pi;}}{\&Element;}_G}{e}^{-\frac{{\left|\right|x-o\left|\right|}^2}{2{\&Element;}_G^2}}\underset{i}{\overset{n}{\mathrm{\&Sigma;}}}\frac{{\mathrm{\&alpha;}}_i}{\sqrt{2\mathrm{\&pi;}}{s}_i\&Element;}{e}^{-\frac{{\mathrm{\&alpha;}}_i^2{\left|\right|x-e_i\left|\right|}^2}{2s_i^2{\&Element;}^2}},$

ο为获取到的GPS位置，∈_G为所述GPS位置的概率分布。

9.一种定位识别建筑物的装置，其特征在于，包括：

目标建筑获取单元，用于控制智能终端拍摄目标建筑的照片，提取照片中目标建筑的顶部轮廓；

候选集确定单元，用于获取所述照片的拍摄点所在位置对应的地图，将该地图中的建筑作为候选建筑；

定位识别单元，用于从所述候选建筑中确定出与所述目标建筑的顶部轮廓最佳匹配的建筑，以该建筑的位置信息定位识别所述目标建筑。

10.根据权利要求9所述定位识别建筑物的装置，其特征在于，还包括：位置获取单元，

所述位置获取单元，用于获取所述照片的拍摄点的GPS位置；

所述获取所述照片的拍摄点所在位置对应的地图，将该地图中的建筑作为候选建筑，包括：

获取以所述GPS位置为中心、设定范围内的地图，将该地图中的建筑作为候选建筑；

所述定位识别模块，具体用于：

提取候选建筑的俯视轮廓；

确定候选建筑与所述拍摄方向的相对方位；

确定候选建筑与所述拍摄点的相对距离；

根据候选建筑的俯视轮廓、所述相对方位和相对距离确定出与所述目标建筑的顶部轮廓最佳匹配的建筑。