CN107110651A - 用于使用地图信息辅助的增强型便携式导航的方法和装置 - Google Patents

用于使用地图信息辅助的增强型便携式导航的方法和装置 Download PDF

Info

Publication number
CN107110651A
CN107110651A CN201580058907.6A CN201580058907A CN107110651A CN 107110651 A CN107110651 A CN 107110651A CN 201580058907 A CN201580058907 A CN 201580058907A CN 107110651 A CN107110651 A CN 107110651A
Authority
CN
China
Prior art keywords
information
navigation
navigation solution
portable set
hypothesis
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
CN201580058907.6A
Other languages
English (en)
Other versions
CN107110651B (zh
Inventor
李韬
J·乔治
王达
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.)
InvenSense Inc
Original Assignee
InvenSense Inc
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 InvenSense Inc filed Critical InvenSense Inc
Publication of CN107110651A publication Critical patent/CN107110651A/zh
Application granted granted Critical
Publication of CN107110651B publication Critical patent/CN107110651B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/01—Determining conditions which influence positioning, e.g. radio environment, state of motion or energy consumption
    • G01S5/017—Detecting state or type of motion

Abstract

本公开涉及使用地图信息来增强便携式设备的导航解决方案。所述便携式设备的传感器数据可以用于导出导航解决方案。可以使用所述导航解决方案来估计所述设备的位置信息。还可以获得包含用户的当前位置的区域的地图信息。可以使用所述估计位置信息和所述地图信息来生成关于所述便携式设备的可能位置的多个假设。通过管理和处理所述假设，可以提供更新的估计位置信息。可以将所述更新的估计位置信息提供作为输出或反馈以便增强所述导航解决方案。

Description

用于使用地图信息辅助的增强型便携式导航的方法和装置
相关申请的交叉引用
本申请要求于2015年9月4日提交的题为“METHOD AND APPARATUS FOR USING MAPINFORMATION AIDED ENHANCED PORTABLE NAVIGATION(用于使用地图信息辅助的增强型便携式导航的方法和装置)”的美国专利申请序列号14/845,903以及于2014年9月8日提交的题为“METHOD AND APPARATUS FOR USING MAP MATCHING AND CONSTRAINING FORENHANCED PORTABLE NAVIGATION(用于使用地图匹配和约束进行增强型便携式导航的方法和装置)”的美国临时专利申请序列号62/047,511的优先权和权益，所述专利申请两者均通过引用以其全文被结合。
技术领域
本公开涉及一种用于通过使用地图辅助和/或地图约束导航解决方案来增强平台(如例如，人、车辆、或船舶)内的设备的导航解决方案的方法和装置，其中，设备可以捆绑或不捆绑到平台上，并且其中，在不捆绑的情况下，设备的移动性可以约束或不约束在平台内，并且其中，设备可以倾斜至任何取向并且仍提供无缝导航。
背景技术
在各种各样的应用和环境中采用如被配置成是手持式的或以其他方式与用户相关联的便携式电子设备等便携式电子设备。这种设备越来越多地配备有一个或多个传感器或其他用于确定便携式设备的位置或运动的系统。显著地，如智能电话、平板计算机、智能手表或其他便携式设备等设备可以以全球导航卫星系统(GNSS)接收器、低成本微机电系统(MEMS)惯性传感器和磁强计为特征。可以集成GNSS和多个传感器以便在大多数室外环境中提供良好的定位结果。然而，一些大众市场应用在如商场、办公室或地下停车场等所有种类的环境中需要无缝定位能力。在室内环境中不存在GNSS信号的情况下，使用低成本惯性传感器的常规捷联式惯性导航系统(SINS)由于累积的传感器漂移和偏差而遭受显著的性能退化。如此，仅依赖于运动传感器的定位技术可能并不满足对无缝室内和室外导航应用的所有要求。
行人航位推算(Pedestrian Dead Reckoning，PDR)是便携式设备室内/室外定位技术的示例，并且最近已经变成了工业和学术研究的焦点。类似于SINS，PDR累积从已知起点的连续位移以便导出位置。可以使用惯性传感器测量，利用在一定精确度内的各种算法来估计这种位移(步长)。相比于来自SINS的加速度计导出的位移的位置误差，使用来自PDR的步长的位置误差累积得更慢。相比于不具有GNSS更新的SINS，PDR显示出了改善的性能。然而，PDR由于累积的航向误差而仍缺乏稳健性。这种缺点可能随着时间而引起歪斜的路径并且产生可能与建筑物布局不一致的位置估计。因此，所产生的导航轨迹可能穿过墙、地板或其他障碍物。为了避免这些类型的导航轨迹与建筑物布局不一致，可以使用地图信息来约束对被指示为可能路线的区域的PDR解决方案，并且可以更新所确定的位置以便与从地图信息中导出的假定位置相匹配。如本文中所使用的，本公开的地图辅助技术包括约束所导出的用户位置或将所导出的位置更新为从地图信息中确定的位置中的任一者或两者。
如所提及的，地图信息可以用于提高导航系统的可靠性和定位准确度两者。为了在导航系统中使用地图信息，已经提出了并在现有技术中应用了各种地图辅助算法。地图辅助算法通常可以被分类成四个种类：几何技术、拓扑技术、概率技术以及其他高级技术。
几何地图辅助算法通常仅考虑用户位置与地图之间的几何关系。所述算法广泛用于车辆导航应用中，在车辆导航应用中，空间道路网被抽象化为节点和曲线。最常用的几何地图辅助算法是将用户位置与路段的最近节点相匹配的点到点(Point-to-Pint)辅助技术。虽然点到点辅助技术容易实施，但是其对将道路网络数字化的方式敏感。另一种几何地图辅助算法是点到曲线(Point-to-Curve)辅助的。这种技术将用户位置与道路的最近曲线相匹配。曲线中的每条曲线包括分段线性的线段。可以计算从用户位置到线段中的每条线段的距离。给出最小距离的线段被选择为匹配道路。尽管点到曲线辅助算法比点到点辅助算法更有效，但是其在密集道路网中可能不稳定。又另一个几何算法是曲线到曲线(Curve-to-Curve)辅助的，其将用户轨迹的简短历史与道路的曲线相匹配，并且可以选择与用户轨迹具有最近距离的道路曲线。不幸的是，这种方式对异常值相当敏感并且由此经常给出出乎意料的结果。
除了基本几何信息以外，拓扑地图辅助算法利用历史用户轨迹信息(所述信息可以包括之前标识的路段)以及如链路连通性、道路分类、道路限制信息(单方向、转弯限制)等拓扑信息。各种之前的工作已经在不同程度上应用了拓扑信息。例如，(i)使用拓扑信息来标识一组候选链路；(ii)以及用于标识一组候选链路中的正确链路。因此，拓扑地图辅助算法通常胜过仅依赖于几何技术的算法。此外，基于权重的拓扑地图辅助算法可以进一步改善匹配辅助性能。这种技术将来自GPS/DR集成系统的网络几何和拓扑信息以及定位信息中的相关值用作不同道路链路候选项的权重。具有最高权重分数的链路可以选择为正确路段。然而，误识别之前时期内的道路链路可能对随后地图辅助结果具有显著的负面影响。
常规概率地图辅助算法使用来自导航仪的用户位置周围的误差椭圆或矩形区域。误差区域取决于估计导航位置的方差。然后，误差区域叠加到道路网上以便标识用户正行进的路段。如果误差区域包含许多段，则使用航向、连通性和接近标准来执行对候选段的评估。为了提高计算有效性和系统可靠性，仅可以在用户行进通过交叉点时构造误差区域。这是因为当其他道路链路接近用户正行进的链路时，在每个时期构造误差区域可能导致不正确的路线标识。
高级地图辅助算法通常指如卡尔曼滤波器、粒子滤波器、模糊逻辑模型或贝叶斯推理等更高级的技术。例如，卡尔曼滤波器可以用于传播来自GPS或GPS/DR的用户位置以及用于通过使用正交投影地图匹配位置来重新评估用户位置从而减小沿迹误差。类似概念还可以与粒子滤波器一起用于预测和更新用户位置。进一步地，模糊推算系统可以用于使用i)用户位置与候选链路之间的距离以及ii)平台方向和链路方向之间的差异来导出匹配道路链路。仍进一步的示例是通过采用来自当前用户位置的验证区域内的所有可能链路的伪测量结果(投影位置和航向)以及对道路网的拓扑分析，使用针对地图辅助的多假设技术(MHT)来导出一组假设和概率。
尽管存在各种常规可用的地图辅助算法(几何方法、拓扑方法、概率方法或者高级方法)，但是所有算法都可以被认为是基于用户受约束于可以被抽象化为连接的点、线和曲线的道路的网的假设。虽然这种假设对于许多户外陆地车辆导航应用可能足够有效，但是在复杂室内环境中可能遇到问题，在复杂室内环境中，房间、电梯、走廊和类似结构无法被简化为前述点、线和曲线。一些研究人员使用粒子滤波器连同来自建筑物平面图的几何约束(墙、不可进入的区域)信息来提高室内定位准确度，然而，用户可以任意地进入或离开房间，并且在这些场景中，简单的几何约束是不令人期望的。此外，这种技术还未适应多楼层的情况。相比而言，常规多楼层地图辅助技术已经仅依赖于几何信息来标识楼梯位置。这种方式可能不足够可靠，特别是当发生导航解决方案漂移时。此外，大多数现有地图辅助算法忽略了用户运动状态信息。如上/下楼、站在/行走于自动扶梯上、或使用电梯等用户运动状态对于验证室内导航应用中的候选匹配层变化链路或物体而言是有益的。尽管如模糊逻辑或粒子滤波器等高级算法有可能提供改善的性能，但是它们由于繁重的计算负担而可能通常并不适合于实时或因果应用。
相应地，将期望提供使用可用地图信息(特别是室内地图)的导航技术以便增强针对便携式设备的定位应用的准确度和可靠性。类似地，将期望提供对无缝室外和室内转变以及处理多层室内地图而言良好运行的地图信息辅助技术以便在复杂多层室内环境中对用户进行可靠导航。进一步地，将期望提供与采用运动传感器的便携式设备一起实时运行的地图信息辅助技术。此外，将期望提供适合于在客户端模式和服务器模式下通过使服务器能够使用上传的用户位置和运动信息来生成地图匹配结果和实时导航结果而有效运行的地图辅助技术。如将在以下资料中描述的，本公开满足这些和其他需要。
发明内容
如以下将详细描述的，本公开包括一种用于使用地图信息来增强便携式设备和平台的导航解决方案的方法，其中，所述设备的移动性被约束或不被约束在所述平台内，并且其中，所述设备可以倾斜至任何取向。所述方法可以包括获得所述便携式设备的传感器数据；至少部分地基于所述传感器数据来导出导航解决方案；至少部分地基于所述导航解决方案来提供所述便携式设备的估计位置信息；获得包含所述用户的当前位置的区域的地图信息；至少部分地基于所述估计位置信息和所述地图信息来生成关于所述便携式设备的可能位置的多个假设；至少部分地基于所述估计位置信息和所述地图信息来管理所述假设；处理所述所管理的假设以便更新所述便携式设备的所述估计位置信息；以及提供使用所述更新的估计位置信息的增强型导航解决方案。
本公开还包括一种用于提供使用地图信息的增强型导航解决方案的便携式设备。所述设备可以包括传感器组件，所述传感器组件与所述便携式设备集成，所述传感器组件被配置成用于输出表示所述便携式设备的运动的数据；以及处理器，所述处理器被配置成用于实现：导航模块，所述导航模块用于至少部分地基于传感器数据来导出导航解决方案；以及地图模块，所述地图模块具有：位置估计器，所述位置估计器用于至少部分地基于所述导航解决方案来提供所述便携式设备的估计位置信息；地图处理器，所述地图处理器用于获得包含所述用户的当前位置的区域的地图信息；以及假设分析器，所述假设分析器用于至少部分地基于所述估计位置信息和所述地图信息来生成和管理关于所述便携式设备的可能位置的多个假设，其中，所述地图模块处理所述所管理的假设以便更新所述便携式设备的所述估计位置信息。
本公开还涉及一种用于提供使用地图信息来的增强型导航解决方案的系统。所述系统可以包括便携式设备，所述便携式设备具有：集成传感器组件，所述便携式设备被配置成用于输出表示所述便携式设备的运动的数据；以及处理器，所述处理器被配置成用于实现导航模块，所述导航模块用于至少部分地基于所述传感器数据来导出导航解决方案。所述系统还可以包括从所述便携式设备处接收所述导航解决方案的远程处理资源。所述远程处理资源可以具有处理器，所述处理器被配置成用于实现地图模块，所述地图模块具有：位置估计器，所述位置估计器用于至少部分地基于所述导航解决方案来提供所述便携式设备的估计位置信息；地图处理器，所述地图处理器用于获得包含所述用户的当前位置的区域的地图信息；以及假设分析器，所述假设分析器用于至少部分地基于所述估计位置信息和所述地图信息来生成和管理关于所述便携式设备的可能位置的多个假设，其中，所述地图模块处理所述所管理的假设以便更新所述便携式设备的所述估计位置信息，并且其中，所述远程处理资源向所述便携式设备传输所述更新的估计位置信息。
附图说明
图1是根据实施例的用于增强导航解决方案的便携式设备的示意图。
图2是根据实施例的用于增强导航解决方案的示例性架构的示意性表示。
图3是根据实施例的用于增强导航解决方案的另一个示例性架构的示意性表示。
图4是根据实施例的用于增强导航解决方案的例程的流程图。
图5是根据实施例的用于增强导航解决方案的系统的示意图。
图6是根据实施例的用于增强导航解决方案的地图模块的示意性表示。
图7是根据实施例的在几何地图中的地图实体裁剪的示意性表示。
图8是根据实施例的网格地图的示意性表示。
图9是根据实施例的用于生成假设的误差椭圆的示意性表示。
图10是根据实施例的投影到地图实体上的误差椭圆的示意性表示。
图11是根据实施例的具有门信息的走廊场景中的误差椭圆的示意性表示。
图12是根据实施例的不具有门信息的走廊场景中的误差椭圆的示意性表示。
图13是根据实施例的对层变化场景中的导航解决方案进行比较的示意性表示。
图14是根据实施例的对航向振荡移除之后的导航解决方案进行比较的示意性表示。
图15是根据实施例的对沿着直走廊墙的多个假设进行比较的示意性表示。
图16是根据实施例的对沿着L形走廊墙的多个假设进行比较的示意性表示。
图17是根据实施例的对跨墙场景中的多个假设进行比较的示意性表示。
图18是根据实施例的对具有手持使用模式的走廊场景中的多个假设进行比较的示意性表示。
图19是根据实施例的对具有手持使用模式的走廊场景中的导航解决方案进行比较的示意性表示。
图20是根据实施例的对具有手持使用模式的房间变化场景中的多个假设进行比较的示意性表示。
图21是根据实施例的对具有手持使用模式的房间变化场景中的导航解决方案进行比较的示意性表示。
图22是根据实施例的对具有口袋使用模式的房间变化场景中的多个假设进行比较的示意性表示。
图23是根据实施例的对具有口袋使用模式的房间变化场景中的导航解决方案进行比较的示意性表示。
图24是根据实施例的对具有不同使用模式的房间变化场景中的多个假设进行比较的示意性表示。
图25是根据实施例的对具有不同使用模式的房间变化场景中的导航解决方案进行比较的示意性表示。
图26是根据实施例的对具有手持使用模式的针对第一层的自动扶梯层变化场景中的多个假设进行比较的示意性表示。
图27是根据实施例的对具有手持使用模式的针对第二层的自动扶梯层变化场景中的多个假设进行比较的示意性表示。
图28是根据实施例的对具有手持使用模式的针对第一层的自动扶梯层变化场景中的导航解决方案进行比较的示意性表示。
图29是根据实施例的对具有手持使用模式的针对第二层的自动扶梯层变化场景中的导航解决方案进行比较的示意性表示。
图30是根据实施例的对具有手持使用模式的针对第一层的电梯层变化场景中的多个假设进行比较的示意性表示。
图31是根据实施例的对具有手持使用模式的针对第二层的电梯层变化场景中的多个假设进行比较的示意性表示。
图32是根据实施例的对具有手持使用模式的针对第一层的电梯层变化场景中的导航解决方案进行比较的示意性表示。
图33是根据实施例的对具有手持使用模式的针对第二层的电梯层变化场景中的导航解决方案进行比较的示意性表示。
图34是根据实施例的对具有手持使用模式的针对第一层的电梯/自动扶梯层变化场景中的多个假设进行比较的示意性表示。
图35是根据实施例的对具有手持使用模式的针对第二层的电梯/自动扶梯层变化场景中的多个假设进行比较的示意性表示。
图36是根据实施例的对具有手持使用模式的针对第一层的电梯/自动扶梯层变化场景中的导航解决方案进行比较的示意性表示。
图37是根据实施例的对具有手持使用模式的针对第二层的电梯/自动扶梯层变化场景中的导航解决方案进行比较的示意性表示。
具体实施方式
首先，应当理解的是，本公开不限于具体列举的材料、架构、例程、方法或结构，因为所述列举项可能变化。因此，尽管可以在对本公开的实践或实施例中使用与本文中所描述的选项类似或相当的许多这种选项，但是本文中描述了优选材料和方法。
还应当理解的是，本文中所使用的术语仅出于对本公开的特定实施例进行描述的目的而并不旨在进行限制。
以下结合附图而阐述的详细说明旨在作为本公开的示例性实施例的描述，而不旨在表示可以在其中实践本公开的仅有示例性实施例。贯穿本说明书所使用的术语“示例性的”是指“充当示例、实例或例示”，并且不应当一定被解释为比其他示例性实施例优选或有利。为了提供对本说明书的示例性实施例的透彻理解的目的，本详细说明包括特定细节。对于本领域的技术人员将显而易见的是，可以在没有这些特定细节的情况下实践本说明书的示例性实施例。在一些实例中，以框图形式示出了公知的结构和设备，以便避免模糊本文中所呈现的示例性实施例的新颖性。
仅为了方便和清晰的目的，如顶部、底部、左、右、上、下、之上、上方、下方、下面、后方、背面和前面等方位术语可以相对于附图或芯片实施例使用。这些和类似方位术语不应被解释为以任何方式限制本公开的范围。
在本说明书中以及在权利要求书中，将理解的是，当元件被称为“连接至”或“耦合至”另一个元件时，其可以直接连接至或耦合至另一个元件，或者可以存在中间元件。相比而言，当元件被称为“直接连接至”或“直接耦合至”另一个元件时，不存在中间元件。
随后的详细说明的一些部分是针对计算机存储器内的数据位的操作的程序、逻辑块、处理和其他符号表示而呈现的。这些说明和表示是数据处理领域中的技术人员向所述领域的其他技术人员最有效地转达他们的工作的主要内容时所使用的手段。在本说明书中，程序、逻辑块、过程等被设想为是导致期望结果的一系列前后一致的步骤或指令。所述步骤是需要对物理量的物理操作的步骤。通常，尽管不是必要的，但是这些量采取能够在计算机系统中存储、转移、组合、比较及以其他方式操纵的电信号或磁信号的形式。
然而，应当记住的是，这些和类似术语中的全部术语将与适当的物理数量相关联并且仅是应用于这些量上的方便标签。除非另外特别说明，如从以下讨论中明显的，应当理解的是，贯穿本说明书，利用如“访问”、“接收”、“发送”、“使用”、“选择”、“确定”“归一化”、“相乘”、“求平均”、“监测”、“比较”、“应用”、“更新”、“测量”、“导出”等术语来进行的讨论是指计算机系统或类似电子计算设备的动作和过程，所述计算机系统或类似电子计算设备对表示为计算机系统的寄存器和存储器内的物理(电子)量的数据进行操纵并且将其转换成类似地表示为计算机系统存储器或寄存器或其他这种信息存储设备、传输设备或显示设备内的物理量的其他数据。
可以在处理器可执行指令的一般情境中讨论本文中所描述的实施例，所述指令驻留于由一个或多个计算机或其他设备执行的如程序模块等某种形式的非瞬态处理器可读存储介质上。一般地，程序模块包括执行特定任务或实施特定抽象数据类型的例程、程序、对象、组件、数据结构等。程序模块的功能可以如所期望的那样结合或分布在各种实施例中。
在附图中，可以将单个块描述为执行一项或多项功能；然而，在实际实践中，该块执行的所述一项或多项功能可以在单个部件中或在多个部件之间执行和/或可以使用硬件、使用软件或使用硬件和软件的组合来执行。为了清楚地说明硬件和软件的这种可交换性，以上已经总体上按照它们的功能而描述了各种说明性部件、块、模块、电路和步骤。将这种功能实施为硬件还是软件取决于强加于整个系统上的特定应用和设计约束。技术人员可针对每个特定应用以不同方式来实施所描述的功能，但是这种实施决策不应当被解释为致使脱离本公开的范围。而且，示例性无线通信设备可以包括除了所示出的部件之外的部件，包括如处理器、存储器等熟知的部件。
除非被具体描述为以特定方式实施，可以在硬件、软件、固件或其任何组合中实施本文中所描述的技术。也可以在集成逻辑设备中一起实施被描述为模块或部件的任何特征或者可以将其单独实施为分立但彼此协作的逻辑设备。如果在软件中实施，则可以至少部分地通过包括指令的非瞬态处理器可读存储介质来实现所述技术，所述指令当被执行时执行以上所描述的方法中的一种或多种方法。非瞬态处理器可读数据存储介质可以形成可以包括封装材料的计算机程序产品的一部分。
非瞬态处理器可读存储介质可以包括如同步动态随机存取存储器(SDRAM)等随机存取存储器(RAM)、只读存储器(ROM)、非易失性随机存取存储器(NVRAM)、电可擦除可编程只读存储器(EEPROM)、闪存、其他已知存储介质等。另外地或可替代地，可以至少部分地通过处理器可读通信介质来实现所述技术，所述处理器可读通信介质承载或传达采用指令或数据结构的形式并且可以被计算机或其他处理器访问、读取和/或执行的代码。例如，可以采用载波来承载计算机可读电子数据，比如，用于传输和接收电子邮件或用于访问如互联网或局域网(LAN)等网络的数据。当然，在不背离所请求保护的主题的范围和精神的情况下，可以对这种配置进行许多修改。
结合本文中所公开的实施例而描述的各种说明性逻辑块、模块、电路和指令可由一个或多个处理器执行，比如，一个或多个运动处理单元(MPU)、数字信号处理器(DSP)、通用微处理器、专用集成电路(ASIC)、专用指令集处理器(ASIP)、现场可编程门阵列(FPGA)或其他同等集成或离散逻辑电路。如本文中所使用的术语“处理器”可以指前述结构或适合于实施本文中所描述的技术的任何其他结构中的任一者。此外，在一些方面，可以在按本文中所描述的方式配置的专用软件模块或硬件模块内提供本文中所描述的功能。而且，可以在一个或多个电路或逻辑元件中完全实施所述技术。通用处理器可以是微处理器，但在替代方案中，所述处理器可以是任何常规处理器、控制器、微控制器、或状态机。处理器还可以被实施为计算设备的组合，例如，MPU和微处理器的组合、多个微处理器、结合MPU核的一个或多个微处理器或者任何其他这种配置。
除非另有限定，本文中所使用的所有技术术语和科学术语与本公开相关的领域的技术人员共同理解的意义相同的意义。
最后，除非文中另外明确指明，如在本说明书和所附权利要求书中所使用的，单数形式的“一种”、“一个”以及“所述”包括复数对象。
本公开的技术涉及使用地图信息来增强便携式设备的导航解决方案。通常，这种便携式设备可以与运送设备的平台相关联。如在当用户行走、奔跑、游泳或以其他方式经历移动时携带的智能电话的示例中的，平台可以是用户。平台还可以被考虑为输送用户和便携式设备的车辆或船舶。尽管便携式设备通常可以在平台的运动方向上运输或输送，但是其取向可以不受约束。返回到智能电话的示例，其可以被握在用户手中并且可以在各种取向上采用或者被携带在口袋、皮套、提包或其他方式中。在其他示例中，便携式设备可以捆绑到平台上(比如，与车载支架一起)或者可以不被捆绑。当不被捆绑时，设备的可移动性可能被约束或不被约束在平台内，并且因此，可能存在使得设备可以相对于用户或平台而倾斜至任何取向的情况。
如以下将更加详细地描述的，用于使用地图信息来增强便携式设备和平台的导航解决方案的技术涉及获得便携式设备的传感器数据。为了帮助说明这些方面，在图1中使用高层次示意框来描绘了代表性便携式设备100。如将理解的，设备100可以被实施为如可由用户在空间中移动的并且由此可以感测其在空间中的运动、位置和/或取向的手持式设备等设备或装置。例如，这种手持式设备可以是移动电话(例如，智能电话、蜂窝电话、在本地网络上运行的电话或者任何其他电话听筒)；平板计算机；个人数字助理(PDA)；视频游戏机；视频游戏控制器；导航设备；可穿戴设备(例如，眼镜、手表、皮带夹)；健康跟踪器；虚拟或增强现实设备；移动互联网设备(MID)；个人导航设备(PND)；数字静态相机；数码摄像机；双筒望远镜；远摄镜头；便携式音乐、视频或媒体播放器；遥控器；或者其他手持式设备；或这些设备中的一个或多个设备的组合。
如所示出的，设备100包括主机处理器102，所述主机处理器可以是一个或多个微处理器、中央处理单元(CPU)或用于运行软件程序的其他处理器，所述软件程序可以存储在存储器104中，与设备100的功能相关联。可以在存储器104中提供多个软件层，所述存储器可以是如电子存储器等计算机可读介质或如硬盘、光盘等用于与主机处理器102一起使用的其他存储介质的任何组合。例如，可以为设备100提供操作系统层以便实时控制和管理系统资源，实现应用软件和其他层的功能，并且将应用程序与设备100的其他软件和功能对接。类似地，可以提供如菜单导航软件、游戏、相机功能控制、导航软件、通信软件(比如，电话或无线局域网(WLAN)软件)或各种各样的其他软件和功能接口中的任何接口等不同软件应用程序。在一些实施例中，可以在单个设备100上提供多个不同应用，并且在这些实施例中的一些实施例中，多个应用可以同时运行。
设备100包括如此处采用集成运动处理单元(MPUTM)106的形式示出的至少一个传感器组件，所述集成运动处理单元以传感器处理器108、存储器110和惯性传感器112为特征。存储器110可以存储算法、例程或用于使用传感器处理器108的逻辑或控制器来对惯性传感器112和/或如以下所描述的其他传感器输出的数据进行处理的其他指令，以及存储惯性传感器112或其他传感器输出的原始数据和/或运动数据。惯性传感器112可以是用于测量设备100的空间运动的一个或多个传感器。根据配置，MPU 106测量设备的一个或多个旋转轴和/或一个或多个加速轴。在一个实施例中，惯性传感器112可以包括旋转运动传感器或线性运动传感器。例如，旋转运动传感器可以是用于沿着一个或多个正交轴测量角速度的陀螺仪，并且线性运动传感器可以是用于沿着一个或多个正交轴测量线性加速度的加速度计。在一方面，可以采用三个陀螺仪和三个加速度计，从而使得设备100的传感器处理器108或其他处理资源执行的传感器融合操作组合来自惯性传感器112的数据以便提供对六轴运动确定。如所期望的，可以使用要与MPU 106一起集成到单个封装体中的微机电系统(MEMS)来实施惯性传感器112。可以在共同未决的，共同拥有的美国专利申请序列号11/774,488(于1007年7月6日提交)和12/106,921(于1008年4月11日提交)中找到关于主机处理器102和MPU 106的适当配置的示例性细节，所述专利申请通过引用以其全文结合在此。可以从加利福尼亚州森尼维尔市应美盛公司(InvenSense，Inc.)处获得对设备100中的MPU106的适当实施方式。
可替代地或另外地，设备100可以实施采用外部传感器114的形式的传感器组件。外部传感器可以表示如以上所描述的输出数据以供用于导出导航解决方案的一个或多个传感器(比如，加速度计和/或陀螺仪)。如本文中所使用的，“外部”指的是不与MPU 106集成且对于设备100来说可能是远程的或本地的传感器。同样可替代地或另外地，MPU 106可以从辅助传感器116处接收数据，所述辅助传感器被配置成用于测量与围绕设备100的环境有关的一个或多个方面。例如，可以使用气压计和/或磁强计来改善使用惯性传感器112来进行的位置确定。在一个实施例中，辅助传感器116可以包括沿着三个正交轴进行测量的磁强计，并且输出要与陀螺仪和加速度计惯性传感器数据融合以便提供对九轴运动确定的数据。在另一个实施例中，辅助传感器116还可以包括用于提供可以与其他传感器数据融合以便提供十轴运动确定的海拔确定的气压计。尽管在基于MEMS一个或多个传感器的情境下描述了本公开的技术，但是所述技术可以应用于任何传感器设计或实施方式。
在所示出的实施例中，设备100的主机处理器102、存储器104、MPU 106和其他部件可以通过总线118而耦合，所述总线可以是任何适当总线或接口，比如，外围组件快速互连(PCIe)总线、通用串行总线(USB)、通用异步接收机/发射机(UART)串行总线、适当的高级微控制器总线体系结构(AMBA)接口、集成电路间(I2C)总线、串行数字输入输出(SDIO)总线、串行外围接口(SPI)或其他等同物。根据架构，可以根据期望而采用不同的总线配置。例如，可以使用附加总线来耦合设备100的各种部件，比如，通过使用主机处理器102与存储器104之间的专用总线。
在一方面，可以通过导航模块120来将本公开的用于导出便携式设备100的导航解决方案的各种操作实施为存储在存储器104中的可由主机处理器102读取和执行的一组适当指令。导航模块120可以采用基于参考的策略、自包含策略、或任何策略组合来提供任何期望程度的位置感知能力。例如，导航模块120可以采用利用如来自惯性传感器112和/或外部传感器114的传感器数据的惯性导航技术来导出导航解决方案。这种技术可以涉及航位推算等，并且可以确定设备100的取向，包括如任何转动角、俯仰角和方位(航向)角等值。当导出导航解决方案时，导航模块120还可以使用如全球导航卫星系统(GNSS)接收器等绝对导航信息122源，包括但不限于全球定位系统(GPS)；全球导航卫星系统(GLONASS)；伽利略和/或北斗；以及WiFiTM定位信标、蜂窝塔定位信标、蓝牙TM定位信标；或其他类似方法。导航模块120还可以被配置成用于使用来自无线通信协议的信息，使用信号三边测量来提供位置确定。可以采用任何适当协议，包括基于蜂窝的和无线局域网(WLAN)技术，比如，通用陆地无线接入(UTRA)、码分多址(CDMA)网络、全球移动通信系统(GSM)、电气与电子工程师协会(IEEE)802.16(WiMAX)、长期演进(LTE)、IEEE 802.11(WiFiTM)等。仍进一步地，导航模块120还可以被配置成用于确定指示用户运动方式的运动模式，所述运动方式可以包括但不限于行走、驾驶、奔跑、上/下楼、乘坐电梯、行走于/站在自动扶梯上以及其他类似的运动方式。
类似地，地图模块124还可以被实施为存储在存储器104中的可由主机处理器102读取和执行的一组适当指令。如以下将更加详细描述的，地图模块124可以包括位置估计器126、假设分析器128和地图处理器130。位置估计器126可以使用导航模块120提供的导航解决方案来估计便携式设备100的位置信息。还可以使用来自假设分析器128的信息来更新估计位置信息，所述假设分析器可以被配置成用于使用估计位置和来自地图处理器130的信息来生成、评估和组合关于便携式设备100的可能位置的多个假设。相应地，地图处理器130可以被配置成用于访问关于包含便携式设备100的当前位置的区域的外部信息并且呈现采用可由假设分析器128使用的形式的信息。通过处理所生成的假设，比如，使用适当加权和求平均来进行组合、选择所选假设、选择一组假设以及仅组合使用适当加权和求平均的假设、或者其他适当操作，来自假设分析器128的输出可由位置估计器用于更新估计位置信息。除了位置信息以外，估计位置信息和/或更新的估计位置信息可以包括速度和/或航向信息以及与设备100的运动或位置相关的任何其他信息，并且还可以包括地图实体信息。然后，可以将更新的估计位置用作增强型导航解决方案或者可以将其反馈给导航模块120以便用于导出增强型导航解决方案。在一些实施例中，可以在增强型导航解决方案中使用来自更新的估计位置信息和导航解决方案的值。
其他实施例可以以主机处理器102、MPU 106和设备100提供的其他资源之间的任何期望的处理划分为特征，并且可以使用软件、硬件和固件的任何期望组合来实施。可替代地或另外地，可以远程地执行与地图模块124相关联的操作中的任何操作，结果返回至便携式设备100以便增强导航解决方案。不论远程地或本地地执行，更新的估计位置信息都表示对指示供同时期使用的便携式设备100的位置的位置信息的确定。尽管可能需要一些传输时间、一些可能的缓冲时间以及处理时间，但是结果至少是近实时的(可能存在一些可能的延迟时间)并且可以使用任何可用信息，一直到更新了估计位置信息时为止。如此，可以根据期望而采用多个软件层并且可以将其存储在存储器104、存储器110或其他适当位置的任何组合中。例如，运动算法层可以提供运动算法，所述运动算法提供对从运动传感器和其他传感器提供的原始传感器数据的更低级处理。传感器设备驱动器层可以向设备100的硬件传感器提供软件接口。进一步地，可以提供适当的应用程序接口(API)以便促进主机处理器102与MPU 106之间的通信，例如，以便传输期望的传感器处理任务。如此，在软件中实施的方面可以包括但不限于应用软件、固件、驻留软件、微代码等，并且可以采取可以从提供程序代码以供由计算机或任何指令执行系统(比如，设备100的主机处理器102、传感器处理器108、专用处理器或任何其他处理资源；或者远程处理资源)使用或结合使用的计算机可使用或计算机可读介质中获取的计算机程序产品的形式。
为了展示示例性实施例，在图2中示意性地示出了用于为便携式设备100提供增强型导航解决方案的架构200。如来自惯性传感器112、外部传感器114和/或辅助传感器116的传感器数据可以被提供为对导航模块120的输入202。还可以提供如来自122的绝对导航信息(如果或者当所述绝对导航信息可用时)以便生成集成导航解决方案。进而，地图模块124使用来自导航解决方案的信息(所述信息可以包括位置估计、速度估计和/或姿态估计并且还可以包括如通过导航模块120确定的用户运动模式)连同如本文中所描述的地图信息来输出增强型导航解决方案。可选地，如所指示的，可以将增强型导航解决方案反馈给导航模块120以便用于导出随后的导航解决方案。给导航模块120的反馈可以包括已经使用地图信息来增强的位置信息、速度信息和/或航向信息，并且还可以包括将设备的位置与来自地图的参考物体或特征关联的当前地图实体信息。反馈信息可以用于进一步改善集成导航解决方案的性能。
在图3中示意性地示出了用于提供针对便携式设备100的增强型导航解决方案的架构300。再次，如来自惯性传感器112、外部传感器114和/或辅助传感器116的传感器数据可以被提供为对导航模块120的输入202。同样，还可以提供如来自122的绝对导航信息(如果或者当所述绝对导航信息可用时)以便生成集成导航系统。进而，地图模块124接收如以上所描述的来自导航解决方案的输入连同地图信息以便输出更新的估计位置，所述更新的估计位置根据指示而被反馈给导航模块120。再次，给导航模块120的反馈可以包括已经使用地图信息来增强的位置信息、速度信息和/或航向信息，并且还可以包括当前地图实体信息。由此，导航模块120在此实施例中输出增强型导航解决方案。反馈信息还可以用于在随后的推导中用于进一步改善集成导航解决方案的性能。
为了展示本公开的技术，在图4中描绘了代表性例程。以400开始，可以如从惯性传感器112和/或外部传感器114中获得便携式设备的传感器数据。在402中，导航模块120可以使用传感器数据来导出导航解决方案。在404中，可以估计便携式设备100的位置信息，并且在406中，可以获得周围区域的地图信息。在408中，可以根据估计位置信息和地图信息来生成多个假设。接下来，在410中，按如本文中所描述的方式来管理所生成的假设，并且然后在412中，处理所述假设以便更新估计位置信息。然后，在414中，可以提供增强型导航解决方案。
在一方面，更新的估计位置信息本身可以用作增强型导航解决方案。可以将更新的估计位置信息馈送给导航解决方案以便导出增强型导航解决方案。对所述增强型导航解决方案的所述导出可以利用所述更新的估计位置信息作为对所述导航模块的测量结果更新。另一个选项是，增强导航解决方案可以包括来自导航解决方案和更新的位置信息的值。
在一方面，可以获得便携式设备的绝对导航信息，并且可以基于绝对导航信息来导出导航解决方案。可以从以下各项中的任何一项或其任何组合中获得所述绝对导航信息：(i)全球导航卫星系统(GNSS)；(ii)基于小区的定位；(iii)基于WiFi的定位；或(iv)其他基于无线的定位。
在一方面，生成关于便携式设备的可能位置的多个假设可以进一步基于来自前一个时期的更新的位置信息。
在一方面，可以对地图信息进行预处理。对地图信息进行预处理可以包括提取地图实体。对地图信息进行预处理还可以包括从背景实体中裁剪至少一个前景地图实体。例如，裁剪背景实体可以限定可越过区域。进一步地，对地图信息进行预处理还可以包括将地图实体表示为相对复杂的多边形和将所述多边形分解成多个相对更简单的多边形。仍进一步地，对地图信息进行预处理可以包括生成连接的链路和节点的网格。
在一方面，估计位置信息可以是表示便携式设备的可能位置的误差区域。可以通过将误差区域投影到地图信息上来生成所述假设中的至少一个假设。当发生与多个地图实体的重叠时，可以通过将错误区域投影到地图信息上来生成多个假设。地图信息可以包括基于多边形的几何地图和/或网格地图。
在一方面，所述地图信息可以包括网格地图，并且所述估计位置信息可以至少部分地基于所确定的用户轨迹与所述网格地图的几何和/或拓扑特征之间的关联性。
在一方面，管理假设可以包括添加假设、去除假设和组合假设中的至少一项。
在一方面，管理假设可以包括应用决策逻辑。决策逻辑可以被配置成用于跨墙事件和/或层变化事件。
在一方面，导航解决方案可以是用户的运动模式。估计位置信息可以至少部分地基于运动模式；假设可以至少部分地基于运动模式来进行管理；和/或层变化事件可以至少部分地基于运动模式。
在一方面，所述增强型导航解决方案可以是至少部分地基于与所述估计位置信息相关联的地图实体所检测的所述用户的运动模式。
在一方面，可以使用以下各项中的至少一项来估计便携式设备的位置信息：仅预测卡尔曼滤波器、近恒速卡尔曼滤波器、仅预测粒子滤波器和近恒速粒子滤波器。
在一方面，可以远程地执行以下各项中的至少一项：获得地图信息、生成多个假设、管理假设以及处理所管理的假设以便更新便携式设备的估计位置信息。
如以上所描述的，如便携式设备100等便携式设备可以提供使用地图信息的增强型导航解决方案。
在一方面，所述设备可以包括便携式传感器设备的绝对导航信息的来源，并且绝对导航信息可以辅助导航解决方案。可以从以下各项中的任何一项或其任何组合中获得所述绝对导航信息：(i)全球导航卫星系统(GNSS)；(ii)基于小区的定位；(iii)基于WiFi的定位；或(iv)其他基于无线的定位。
在一方面，地图模块提供增强型导航解决方案，其中，更新的估计信息可以是增强型导航解决方案。
在一方面，可以将更新的估计位置信息反馈给导航模块，其中，所述导航模块可以使用更新的估计位置信息来增强导航解决方案。增强导航解决方案可以利用更新的估计位置信息作为对所述导航模块的测量结果更新。
在一方面，地图模块可以提供增强型导航解决方案，其中，所述增强型导航解决方案包括来自更新的估计信息和导航解决方案的值。
在一方面，传感器组件可以包括加速度计和陀螺仪。传感器组件可以是被实施为微机电系统(MEMS)的惯性传感器。
在一些实施例中，被描述为由地图模块124执行的功能可以远程地执行。为了帮助展示，图5中示意性地描绘了适当导航系统500的一个架构。如所示出的，便携式设备502可以将导航模块120实施成用于采用设备502的传感器数据，以及可选地，绝对导航信息来导出集成导航解决方案。可能包括位置估计、速度估计和/或姿态估计并且还可能包括用户的运动模式的导航解决方案可以传输至如服务器504等适当的远程处理资源。然后，服务器504可以将地图模块124(包括以上所描述的功能中的任何功能或所有功能)实施成用于更新便携式设备502的估计位置信息。然后，服务器504将更新的估计位置信息传输至便携式设备502以供任何适当用途。反馈给便携式设备502的更新的估计位置信息可以包括任何适当信息，包括但不限于关于一个或多个地图实体的信息和/或航向信息。
在一方面，所述设备提供增强型导航解决方案，其中，更新的估计信息可以是增强型导航解决方案。
在一方面，可以将更新的估计位置信息反馈给导航模块，其中，所述导航模块可以使用更新的估计位置信息来增强导航解决方案。增强导航解决方案可以利用更新的估计位置信息作为对所述导航模块的测量结果更新。
在一方面，所述设备可以进一步提供增强型导航解决方案，其中，所述增强型导航解决方案包括来自更新的估计信息和导航解决方案的值。
示例
如以上所描述的，本公开的技术涉及提供使用地图信息的增强型导航解决方案。图6中示意性地示出了示例性架构600，所述架构示出了地图模块124与导航模块120之间的适当关系。地图模块124的功能可由便携式设备100实施，或者可由如服务器等远程处理资源提供。导航模块120可以使用滤波器来集成来自多个运动传感器(例如，加速度计、陀螺仪、磁强计和气压计)的原始测量结果，以及来自任何绝对导航信息源的位置更新、速度更新和/或航向更新，以便生成连续定位和运动模式信息。这种信息作为输入而被提供给如所示出的导航模块120的位置估计器126。位置估计器可以利用来自导航模块120的信息以及来自假设分析器128的结果来生成改善的地图匹配定位估计。假设分析器128使用这些位置估计来创建、去除或组合针对下一个时期的假设。位置估计器126维持所有可能的地图匹配候选项并且生成其相应定位估计。位置估计器126可以使用滤波器(包括但不限于卡尔曼滤波器、无迹卡尔曼滤波器、粒子滤波器等)中的任何一个滤波器或其任何组合来获得位置估计。还可以根据应用而使用不同的系统和测量模型，例如，仅预测、近恒速等。这些模型可以采用不同的技术来传播便携式设备100的位置以及来将导航解决方案输出用作测量结果更新。尽管在以下资料中描述了代表性系统和测量模型，但是可以采用其他变型形式。位置估计器126可以输出更新的位置，所述更新的位置还可以包括作为假设的组合的速度和/或航向信息。例如，所述组合可以是加权平均值。可以根据经验模型或拓扑模型而适应性地调整在组合假设时使用的权重。例如，可以基于假设的数量和/或位置估计的不确定性来调整加权。来自假设的组合的更新的位置表示地图辅助信息并且可由地图模块124和/或导航模块120用于提供增强型导航解决方案。还可以根据实施方式而将当前地图实体反馈给导航模块120以便用于导出增强型导航解决方案。还可以在导航滤波器中采用给导航模块120的反馈来改善针对陀螺仪的偏差估计以及设备与平台之间的失准角。此外，用户的当前地图实体信息还有益于改善导航解决方案中的运动检测。例如，如果可以确定用户在楼梯上，则相应传感器数据的模式可以与该运动模式相关联。
最初地，可以从任何适当来源处(比如，从在线地图服务提供商处)获得地图信息。必要时，可以将地图信息预处理成适合于地图模块124使用的形式。例如，可以将地图信息转换成内部地图数据结构，在所述内部地图数据结构中，地图信息可以保存在本地存储设备中以供未来由地图模块124在没有下载开销的情况下使用并且在需要时再次对其进行处理。相应地，对地图信息进行预处理可以包括以下功能：i)将来自各种地图提供商的地图信息转换成统一数据结构；ii)准备适合于地图辅助算法的必要地图数据结构；和/或iii)将地图信息存储在如存储器104等本地存储设备中。
在线室内/室外地图服务提供商可以提供用于访问其地图数据库的web应用编程接口(API)。相应地，来自地图提供商的相应API可以用于获得包含用户当前位置的区域的地图信息。可能具有相应地图信息的场所的特别显著示例包括如办公大楼、医院、商场、会议中心展览、零售店等室内环境。可以对这种地图信息进行预处理以便促进其由地图模块124进行使用。例如，可以对所述信息进行解码以便使用API来提取用于本公开的技术的必要地图数据，并且尽管可以使用xml文件、二进制文件等，但是可以将其转换成如地理Javascript对象表示法(GeoJson)格式等统一格式。然后，可以将经转换的地图数据保存在本地存储设备中以供未来使用。解码和转换可由外部资源执行并且可以以任何适当方式传递以供地图模块124使用。通常，期望的是将针对每个场所而执行预处理操作的次数最小化。例如，可以针对给定场所而以适当方式来将地图信息一次性格式化，并且可以将其分发至任何数量的便携式设备以便用于生成假设从而增强该场所内的导航解决方案。然而，当新的信息变得可用时或者当发生场所变化时，可以执行另一项预处理操作。
此外，对地图信息进行预处理包括将其分割成可越过区域和不可越过区域。例如，走廊表示典型室内环境中的一类重要的可越过区域。如此，如果走廊信息不可用于将地图信息呈现为基于多边形的几何地图，则可以执行走廊裁剪功能以便从背景实体中提取走廊形状信息。许多常规地图服务提供商并不提供对于室内地图辅助算法重要的走廊形状信息。因此，用于获得可能存在于所述场所中的走廊的形状的适当技术可以包括从背景实体中提取所有其他实体。背景实体可以是建立给定建筑物或建筑物楼层或其他场所的边界轮廓。前景实体包括边界轮廓内的如商店、电梯、自动扶梯和其他障碍物等所有物体。如本文中所使用的裁剪过程是指从一组2维几何形状中切掉特定“裁剪”窗口之外的那些部分。可以通过将主体多边形(背景实体)与裁剪多边形(背景实体顶部的其他前景实体)相交来实现这一点。所述多边形可由一系列顶点限定，并且任何曲线都可以被表示为一组适当的线段。
在从背景中迭代地裁剪所有其他实体之后，可以获得走廊多边形。适当的裁剪算法(例如，瓦蒂裁剪算法(Vatti Clipping Algorithm))可以被配置成用于使用孔来容纳相对复杂的多边形。图7中示出了用于代表性的基于多边形的几何室内地图的裁剪算法的结果的展示。针对地图的一部分的背景实体700由虚线表示。在背景实体700顶部裁剪了使用细线来表示为多边形(比如，多边形702(为了保持清晰性，没有表示其他多边形))的前景实体。所产生的多边形704(由粗实线表示)给出了走廊的形状。所产生的走廊形状可由复杂多边形表示。本文中所使用的复杂多边形是内部具有一个或多个孔的多边形(不具有自相交)。
如以下将描述的，一些地图实体可以提供固有位置信息，比如，可以与层变化场景相关联的电梯、自动扶梯、楼梯，或者可以允许假设航向或其他位置信息的输送机。还可以使用背景地图实体的入口和出口的位置以及前景实体的门或其他入口/出口。仍进一步地，当生成假设时，还可以使用入口/出口的方向。在多层场所中，每一层的高度可以与指示高程变化的传感器信息一起用于帮助判定什么时候可能存在层变化。
另外，当地图实体的一个或多个形状由地图模块124使用时，预处理可以包括将所述一个或多个形状分解成很小的更简单的多边形以便提高计算效率。梯形分解可以用于将相对复杂的多边形分解成更简单的梯形，而凸分解可以用于将相对复杂的多边形划分成更简单的凸多边形。在分解过程之后，可以应用最优分解算法来生成减小数量的多边形。可以采用分解方法中的任何一种方法和任何组合。
对地图信息进行预处理还可以包括使用连接的链路和节点来将室内地图的可越过区域抽象化。连接的链路和节点可以包含地图的几何信息和拓扑信息两者。因此，地图模块124可以得益于拓扑信息而改善对更新的估计位置信息的生成。如此处所使用的，根据连接的链路和节点而构造的地图可以被称为网格地图。可以使用任何适当技术来生成网格地图，如例如，通过使用冯洛诺伊图(Voronoi Diagram)(可能地)连同其他一些处理。生成网格地图的另一个示例是通过直接使用地图的可越过区域和不可越过区域的几何形状(可能地)连同地图实体类型中的一些地图实体类型。图8中展示了示例网格地图。如所示出的，可以使用如点800等点来表示地图节点。虚线表示连接的链路(比如，点800之间的链路802)，并且地图实体由如804等实线多边形表示。节点是地图上与其最近三个或更多个地图实体具有相等距离的点。正如基于多边形的几何地图，网格地图可由外部处理资源进行离线预处理并且可以存储在地图文件中以便随后由地图模块124使用，而无需在每次确定更新的估计位置信息时进行预处理。
可以应用基于多边形的几何地图和网格地图两者来提高地图模块124提供的更新的估计位置信息的可靠性和准确度。例如，可以容易地将零售店地图划分成结构化区域和非结构化区域。在如开放空间、隔离货摊等那些非结构化区域处，可以应用以上所描述的基于几何的技术。可替代地或另外地，在如对齐的架子或货摊等结构化区域处，地图模块124可以采用由网格地图表示的几何信息和拓扑信息。
相应地，地图模块124的地图处理器130可以起到加载之前存储的经预处理的地图信息的作用，所述地图信息可以包括如以上所描述的裁剪的和分解的地图信息以及原始地图信息。地图处理器130可以访问已经以促进生成针对便携式设备100的位置假设的方式来格式化的地图信息，并且可以根据需要检索所述信息。根据经预处理的地图信息，地图处理器130将内部地图数据结构初始化，所述内部地图数据结构可以包括地图投影参数、几何形状、标识(ID)和地图中的所有实体的类型信息。投影参数(例如，六参数仿射变换)可以用于在地图中的坐标与在经度和纬度中的坐标之间进行变换。实体类型描述如背景、单元、自动扶梯、电梯、楼梯等特定实体的功能。形状信息和类型信息两者可由假设分析器128使用。地图处理器130还可以将地图几何信息组织到空间数据库中，从而使得可以应用有效搜索算法来在地图中查询兴趣点和兴趣范围。例如，R树结构可以用于进行对地图实体的有效且快速搜索。如将理解的，R树搜索算法可以定位地图中的给定点并且将指针返回相应地图实体。
尽管在由外部处理资源执行的情境下进行描述，但是与对地图信息进行预处理相关联的功能中的任何功能或所有功能可以根据需要而由地图处理器130执行。
如图6所指示的，来自位置估计器126和地图处理器130两者的输出被馈送到假设分析器128中。显著地，位置估计器126可以提供采用用于限定误差区域的位置和方差估计的形式的估计位置信息。假设分析器128将误差区域叠加或投影到经处理的地图上以便标识用户正行在其中进的可能实体。假设分析器128基于任何适当的决策逻辑(包括以下所描述的决策逻辑)来维持、创建、去除和组合假设。假设分析器128还可以基于拓扑信息和经验信息来向所有当前可用假设分配权重。这些权重可以用于组合或去除假设以及用于组合假设，比如，通过生成加权平均值以便更新估计位置。
如所指出的假设分析器128维持、创建、删除和组合假设。假设是指用户的具有任何相应期望属性(比如，位置、速度、航向、运动模式、位置方差、所占据的地图实体等)的可能位置。可以基于如在以下示例中指示的用户操作场景来选择应用于各种假设的决策逻辑。
针对假设管理的决策逻辑的许多实施方式采用误差区域的概念。如将理解的，误差区域表示便携式设备100的由位置估计器126确定的(多个)可能位置的不确定性。如所期望的，误差区域可以限定矩形、圆形、椭圆形、任意多边形或任何其他形状。如果卡尔曼滤波器与位置估计器126一起使用，则可以使用“误差椭圆”。误差椭圆的参数包括半长轴长度(a)和半短轴长度(b)，并且可以从卡尔曼滤波器和预定义置信水平的协方差矩阵中导出取向(α)。例如，尽管可以根据期望的性能特性而采用其他值，但是95％置信水平可以用于合理地覆盖位置不确定性。
相应地，误差椭圆参数可由方程(1)给出：
其中，λ1和λ2表示协方差矩阵的特征值，并且v1表示协方差矩阵的具有最大特征值的特征向量。为了减小计算负荷，误差椭圆可以通过具有在椭圆边缘的周围均匀分布的若干顶点(比如，32个顶点)的多边形来近似。
如果使用粒子滤波器，则位置估计的样本近似于误差区域。然而，假设分析器128中仍需要误差椭圆或其他区域来组合和去除假设。因此，可以从位置样本数据中导出协方差矩阵。然后，可以如在卡尔曼滤波器模式下计算误差椭圆的参数。为了展示，图9示出了源自使用95％置信水平的粒子滤波器的误差椭圆的示例。“+”符号指示近似误差椭圆900的顶点。
参照误差区域的上下文，可以应用各种决策逻辑方式来管理假设。第一示例与具有跨墙事件的场景相对应。每个假设可以具有其自己的用于指示与便携式设备100相关联的当前地图实体的占据域。如图10中所示出的，位置估计器126使用叠加到地图布局上的误差区域来获得候选假设。如果在误差区域与除了当前占据的实体之外的地图实体之间未检测到重叠区域，则假设分析器128无需执行任何进一步操作。然而，当误差区域与多个地图实体相交时，将相交实体的属性插入到相交表中。重叠检测可以通过迭代地检查误差椭圆的近似多边形的顶点的位置来实现。可以应用空间搜索算法(例如，R树搜索算法和多边形中点(Point-in-Polygon)算法)来找到针对误差椭圆的每个顶点的地图实体。如果所有顶点都在与当前假设的占据相同的地图实体上，则不声明任何重叠。否则，将把新的假设候选项添加到相交列表中。应当注意的是，每个假设维持其自身的相交列表。当前假设可以被称为父假设，而所有候选假设可以被称为子假设。
如果相交区域超过适当阈值(比如，误差椭圆的总面积的约10％)，则可以对新的假设候选项进行进一步分析，否则，将把所述相交区域从相交列表中移除。然后，假设分析器128可以对相交列表中与当前假设的占据不同的候选项进行分析。新的候选假设的初始位置由来自位置估计器126的当前位置估计给出。然而，如果此点不在重叠多边形的范围内，则重叠多边形的形心矩反而可以用作新假设的初始位置。
随后，可以执行跨墙检测。跨墙事件的逻辑基于房间门信息是否可用。如果门信息可用，则算法可以评估候选假设的初始位置与如图11中所示意性地指示的门位置之间的距离。如果所述距离在预定义阈值(比如，2米)内，则可以声明跨墙事件。然后，房间门的中心位置可以用作新的候选假设的初始位置。接下来，可以执行验证检查以便判定新假设的初始点是否在其他当前可用假设的范围内。可以根据特定实施方式来调整随后的操作。当使用粒子滤波器时，例如，可以使用驻留在新地图实体中的所有粒子来创建新假设并将其添加到假设列表中。除了新创建的假设的位置以外，所有其他属性可以继承于父假设。当使用卡尔曼滤波器时，例如，不执行任何新假设创建和/或去除，并且可以更新父假设的位置和占据域。
如果房间门信息不可用，则误差椭圆的相交边缘与兴趣地图实体之间的角以及用户的航向可以指示用户可能进入到如图12中所示意性地指示的新实体中的概率。如果当前假设的航向接近平行于房间的边缘，则这种相交可能起因于歪斜的导航解决方案。在这种情况下，如果重叠区域超过适当值(比如，约45％)，则创建与相交点具有预定义量的偏差(比如，约0.5米)的新假设并且删除父假设。在另一方面，如果重叠区域低于预定义量(并且可选地，如果用户的偏航动态很小)，则相交边缘的取向可以用于更新父假设的航向。如果当前假设的航向大约垂直于墙的边缘，则声明可能的跨墙事件。相应地，可以执行与房间门信息可用时类似的过程。
假设分析器128还检查假设的占据的转变。假设用户可以自由地进入和离开走廊。然而，单元间横跨(Between-Unit Crossing)是禁止的或者被分配有最小权重，以便反应这样的事实：在商店之间具有门是不常见的。此外，假设分析器128还可以基于这种转变模型或经验模型来分配假设的权重。
当发生层变化事件时，可以应用用于管理假设的另一个是示例性决策逻辑。如果用户上楼或下楼，乘坐电梯或自动扶梯，则导航设备120可以执行用于检测相应运动模式和/或情境指示符的例程，所述运动模式和/或情境指示符用于表示当前用户运动模式/情境(比如，电梯、楼梯、行走、在自动扶梯上行走、或站在自动扶梯上)。当检测到层变化事件时，假设分析器128可以根据所检测到的模式，使用当前导航解决方案来在地图信息中搜索如楼梯、电梯或自动扶梯入口等充分靠近的地图实体。例如，如果从导航解决方案中检测到电梯模式，则假设分析器128可以在地图上搜索附近的电梯入口。如果入口在距离当前用户位置某个距离内，则假设分析器128可以从正常状态转变成层变化状态以便应用相应决策逻辑。作为非限制性示例，距离阈值可以是10m。进一步地，可以根据导航解决方案的准确度来调整所选值。
结合对层变化事件的检测，假设分析器128可以从正常状态转变成层变化状态以便调整其操作。如果期望的话，可以执行验证过程以便避免层变化误报警。在所述过程期间，假设分析器128可以最初地使用与正常状态类似的技术来传播用户位置。验证过程可以将当前时期与进入层变化状态的时期之间的高度差用作验证状态变化的度量。如果在某个时间内，高度差的检测结果超过阈值(比如，作为非限制性示例，2.0m)，则可以验证到层变化状态的转变。否则，所述检测可以被视为误报警，导致返回正常状态。
考虑到对层变化的成功验证，假设分析器128可以去除所有假设并使用所标识的层变化入口信息来创建新假设。假设的初始位置和/或航向可以通过相应地图实体的入口位置来建立。然后，可以使用与新楼层相对应的地图信息，从而使得根据高度差的标志来将新楼层标识为前一个楼层之上或之下。随后，假设分析器128的状态可以转变成最终状态。如果验证过程失败，则状态回到正常状态。
在最终状态下，假设分析器128可以监测导航模块120提供的运动模式。如果检测到行走状态，则假设分析器128可以将当前假设的位置重置为层变化实体的出口位置并且可以恢复到如图13中示意性地描绘的正常状态。假设1300可以与导航解决方案提供的位置估计相对应，而假设1302可以反映基于离开电梯的假设1304的更新的位置估计。否则，假设分析器128可以继续传播用户位置。应当注意的是，在离开层变化实体布局之后，算法并不根据所述层变化实体布局来重置假设的航向。这是因为用户航向可能已经由于对运动模式的检测延迟而改变。如图13中所示出的，电梯门在右侧(0°)；然而，在离开电梯之后，用户航向为约-90°。
除了之前所讨论的运动模式和/或情境感知场景以外(比如，当用户上楼或下楼，乘电梯或自动扶梯时)，可以使用其他一些运动模式和/或情境(比如，行走于或站在输送机(电动步道)上，在无线信标附近或其他无线射频(RF)标签附近行走等)来调整假设分析器128的操作。当系统自主地检测到这种运动模式或情境感知场景时，本文中所呈现的地图信息技术可以将所述运动模式或情境感知场景与地图实体相关。存在得益于这种情况的方式，比如：(i)导航模块120可以检测与地图模块124提供的地图实体相关的运动模式/情境并且可以增强对地图实体的位置的导航解决方案(特别是位置和，可选地，航向)；(ii)导航模块120可以接收地图模块124提供的暗示运动模式和/或情境的地图实体，所述地图实体可以用于辅助识别与所暗示的运动模式相关联的传感器数据模式。
例如，当导航模块120检测到用户正行走于/站在输送机上时，假设分析器128可以在地图信息中搜素附近的输送机。当找到附近的输送机时，可以创建以输送机入口作为初始位置并且以输送机的取向为初始航向的新假设，去除所有其他假设。当用户走出输送机时，与关于层变化事件而应用的过程类似的过程。这种基于情境的2D位置调整可以减小来自PDR的累积误差并且由此改善导航模块120的性能。在另一方面，当假设的误差区域在如输送机、电梯或自动扶梯等特定地图实体顶部时，在导航模块120检测到相应运动模式之前，可以将这种信息馈送给导航模块120以便增大特定检测的灵敏度并提高成功率。
当用户被标识为在停车场上时，可以将类似过程应用于行走/驾驶运动模式检测场景。例如，如果所假设的位置在停车场顶部，则可以将此信息馈送给导航系统以便改善驾驶/行走检测模块的灵敏度。
另一个示例性场景涉及来自无线信标或RF标签的更新。如果商店的入口或服务台配备有无线信标或RF标签，则当便携式设备充分靠近时，可以从这些无线标签处接收信息。在这种情况下，商店入口或服务台的位置可以用于更新假设的位置。
如以上所指出的，位置估计器126可以利用来自导航模块120的输出以及来自假设分析器128的结果来生成由地图信息辅助的改善定位估计。假设分析器128使用这些位置估计来创建、去除或组合针对下一个时期的假设。而且，位置估计器126生成给导航模块120的反馈。反馈可以包括来自所有假设的位置或航向的加权平均值以及地图实体信息。位置和航向反馈可以改善陀螺偏差和失准角估计，并且由此增大定位准确性。如以上所提及的地图实体信息可以提高成功率并减小导航解决方案中的运动检测的延迟。还可以将标准位置偏差和航向偏差作为反馈提供给导航模块120。可以根据经验模型或拓扑模型而适应性地调整标准偏差。例如，可以基于假设的数量或位置估计的不确定性来调整标准偏差。
来自导航模块120的导航解决方案的输入航行可以被预期为平台航向，并且可以从设备航向与估计失准角之差中导出。在一些情况下，从导航解决方案中导出的这种平台航向可能根据便携式设备的使用情况而展示周期性航向振荡。所述使用情况是便携式设备与用户之间的交互类型的表征，并且可以包括用户是否携带着设备；是否使用摆动的手臂握着设备或者“摇晃”；是否在行走时将设备定位“在耳朵上”；是否在导航或发短信操作时输入数据或进行查看；是否在口袋或其他容器或固持器中携带设备；以及影响设备相对于用户的取向的其他设备使用情况。例如，口袋或摇晃使用情况可能具有周期性运动分量。为了移除平台航向的周期性振荡，可以应用低通滤波器。例如，可以采用具有0.5Hz截止频率的五阶低通滤波器。图14中示意性地展示了移除航向振荡的示例性结果，由轨迹1400单独地指示导航解决方案的结果并且由轨迹1402指示低通滤波之后的增强型导航解决方案。
尽管主要在几何地图信息的情境下进行描述，但是可替代地或另外地，以上技术可以与被表示为网格地图的地图信息一起使用。例如，可以通过使用位置到曲线(Position-to-Curve)或曲线到曲线(Curve-to-Curve)匹配来将用户位置投影到连接的链路和节点中。可以组合这两种技术以便使实施和维护简单。网格地图还可以用于辅助假设分析器128通过使用加权拓扑算法基于用户轨迹与网格地图的拓扑特征之间的关联性来导出更可靠的假设。可以应用任何(一项或多项)适当条件测试来去除不满足预定义阈值的段，所述预定义阈值可以从现场测试数据的统计分析中获得。正如几何技术一样，当存在分歧时，可以生成多个假设以便将用户运动不确定性考虑在内。例如，用户运动不确定性可能由累积补偿误差、用户航向误差等引起。如此，多个假设可以并行地运行某个时间段。可以移除具有低权重的不太可能的假设。此外，使用网格地图，可以通过对假设的拓扑历史进行分析来采用改善的假设加权方案。可以使用所有假设的信息的加权平均值来计算改善的不确定性估计。因此，可以获得更准确的用户位置不确定性估计。
可以使用各种滤波器、运动和/或测量模型根据本公开的技术来更新假设的位置。尽管可以根据期望而采用其他滤波器和/或模型，但是以下所描述的四种示例性方法采用仅预测卡尔曼滤波器、近恒速卡尔曼滤波器、仅预测粒子滤波器和近恒速粒子滤波器。
作为采用仅预测卡尔曼滤波器的第一示例，来自导航模块120提供的集成导航解决方案的输出可以用于预测针对所有当前可用假设的系统状态。三个状态可以用作针对每个假设的系统状态，包括地图坐标中的位置误差(δx，δy)以及航向误差δψ。进一步地，dXn表示针对第n个假设的系统状态；位置误差和航向误差两者都可以被建模为如方程(2)所指示的随机游走：
(2)dXn＝[δx δy δψ]T
如此，可以导出如方程(3)中所示出的一种形式的系统模型：
其中，
ψ是用户航向；
L是步长，所述步长可以通过计算来自导航解决方案的相邻时期中的两个位置之间的位移来获得；
wL是步长的驱动噪声；并且
wψ是航向误差的驱动噪声。
应当注意的是，可以在地图坐标系中计算位置和步长。可以使用仿射变换来将经度和纬度中的位置变换到地图框架中。变换矩阵具有六个参数，所述参数可以从导入的地图数据中获得。在仅预测方法中，无需使用任何测量更新。
由此，系统状态的传播可由方程(4)给出：
其中，k和k+1表示两个连续时期；“～”表示预测值；“^”表示最佳估计值；“Δψk+l”表示来自当前时期中的集成解决方案的航向增量。
作为采用近恒速假设模型的第二示例，来自导航模块120的输出作为伪测量结果而用于更新针对所有可用假设的系统状态。系统可以被建模为速度随机游走。针对第n个假设的系统状态与在仅预测模型中的系统状态相同。速度误差可以被建模为随机游走、随机常数或一阶高斯马尔可夫过程。使用速度随机游走的示例性系统由如下方程(5)给出：
其中，
δx是在地图坐标中的x方向上的速度误差；
δy是在地图坐标中的y方向上的速度误差；
wvx是针对x轴速度误差的驱动噪声；
wvy是针对x轴速度误差的驱动噪声；
相应地，系统的传播可由方程(6)给出：
如将理解的，可以通过来自最后一个时期的最佳估计速度来获得预测位置，并且预测速度可以是来自之前时期的常数，即，“恒速”模型。
由于来自导航模块120的位置可以用作测量更新结果，所以测量模型可以被表示为方程(7)：
其中，
δZ是测量闭合差；
和是传播的位置；
xTPN和yTPN是来自导航解决方案的预计位置更新；并且
vx和vy是测量噪声。
应当注意的是，可以基于位置准确度和来自导航解决方案的用户动态来适应性地调整测量噪声。例如，当用户按直线行走时(很小的偏航动态)，可以将测量噪声调整得更高，从而使得系统更加依赖预测，并且在转弯时，可以将测量噪声调整得更低以便将更多权重放在测量上。
采用仅预测粒子滤波器的第三示例可以使用一组样本状态或粒子来近似估计兴趣状态的后密度函数(pdfs)。此处每个是针对范围为从1到M的索引i(粒子滤波器的大小)的具体状态样本。此示例可以用于非高斯多模型pdfs。其多假设性质使其还适合于具有地图辅助的室内导航。类似于卡尔曼滤波器，粒子滤波器还具有预测状态和更新状态。仅预测粒子滤波器仅需要采用预测状态。
仅预测粒子滤波器的状态可以是用户的位置和航向。在初始化过程期间，根据导航解决方案的位置和方差来绘制M个随机样本。由如方程(8)所指示的系统模型执行预测：
其中，vL是步长的驱动噪声，所述驱动噪声可以被建模为具有的方差的高斯噪声；并且
其中，vψ是用户航向的驱动噪声，所述驱动噪声可以被建模为具有的方差的高斯噪声。
应当注意的是，当由假设分析器128创建新假设时，将根据所创建的新假设的不确定性来将新样本添加到当前样本集中。类似地，当去除特定假设时，可以将其相应样本从样本集中移除。
采用近恒速粒子滤波器的第四示例可以使用与近恒速多假设卡尔曼滤波器类似的概念，系统状态与用户位置和速度相对应。由等式(9)给出示例性系统模型：
其中，速度的驱动噪声可以被建模为具有的方差的高斯噪声。测量方程可以与针对近恒速多假设卡尔曼滤波器的测量方程相同。
为了帮助展示本公开的技术的益处，执行了现场测试以便评估使用地图信息来增强导航解决方案的性能。在现场测试期间，在各种使用情况(包括手持模式、口袋模式、摇晃模式和多个模式之间的切换)下使用了智能电话。测试轨迹包括只走廊场景、进入和离开房间场景以及层变化场景。
如图15中所示出的，沿着商场中的商店的墙生成了示例性多假设只走廊场景的结果，由轨迹1500单独地指示导航解决方案的结果并且由轨迹1502和1504指示候选假设。由于用户航向和相交边缘之间的相对很小的角，所以未声明任何跨墙事件。两种假设都沿着墙行进。接下来，图16示出了当用户沿着“L”形墙行走时的假设的传播，由轨迹1600单独地指示导航解决方案的结果并且由轨迹1602和1604指示候选假设。在地图匹配解决方案中正确地创建了具有偏差的新假设。图17中示出了跨墙事件的示例性结果，由轨迹1700单独地指示导航解决方案的结果并且由轨迹1702指示增强型导航解决方案。如以上所描述的，在跨墙事件期间，在一个实施例中，可以不执行任何假设创建或去除。父假设仅更新其位置和地图实体域。应当注意的是，在另一个实施例中，可以去除父假设，并且可以使用新的位置和地图实体域连同继承自父假设的其他属性来创建新假设。
在下一个场景中，用户在商场的走廊周围走动，智能电话处于手持使用情况下。图18中示出了来自导航模块120的作为轨迹1800的位置输出和来自地图模块124的位置估计器126的作为轨迹1802的位置输出。“s”表示起点，并且“e”表示终点。由于累积陀螺漂移，所以导航模块120提供的初始导航解决方案生成歪斜的输出。多个假设被示出为已经沿着内衬于商场走廊的商店的墙生成。由于用户航向和相交边缘之间的相对很小的角，所以未声明任何跨墙事件。地图模块124提供的地图信息辅助航向反映墙的取向。图19中对于只走廊场景而示出了来自单机集成导航和不具有反馈的地图辅助解决方案的结果以及具有反馈的地图辅助结果，轨迹1900仅指示导航解决方案的结果，轨迹1902指示不具有给导航模块120的反馈的增强型导航解决方案，轨迹1904指示具有给导航模块120的反馈的增强型导航解决方案。在这种情况下，具有和不具有反馈的地图辅助解决方案两者都胜过来自导航模块120的单机集成导航解决方案。
在现场测试的下一个场景中，用户进入和离开房间，电话在不同使用情况下进行操作。图20和图21示出了电话为手持式的结果。图20中展示了来自位置估计器126的多假设输出，由轨迹2000单独地指示导航解决方案的结果并且由轨迹2002和2004指示更新的估计位置信息。已经使用地图模块124的地图辅助算法来正确地补偿了来自导航模块120的导航解决方案的航向的误差。此外，所述算法还成功地检测跨墙事件。图21中示出了来自具有和不具有反馈的单机地图辅助导航的结果，轨迹2100仅指示导航解决方案的结果，轨迹2102指示不具有给导航模块120的反馈的增强型导航解决方案，轨迹2104指示具有给导航模块120的反馈的增强型导航解决方案。
图22和图23示出了来自轨迹的结果，电话处于口袋中。在图22中，轨迹2200仅指示导航解决方案的结果并且轨迹2102指示增强型导航解决方案，而在图23中，轨迹2300仅指示导航解决方案的结果，轨迹2302指示不具有给导航模块120的更新的估计位置信息的反馈的增强型导航解决方案，并且轨迹2304指示具有反馈的增强型导航解决方案。如所示出的，相比于具有成功跨墙检测的单机集成系统，本公开的技术提供了改善的导航性能。图23还表明，可以通过采用具有反馈的地图辅助解决方案来提供更高的性能。
在测试期间，将类似分析应用于更复杂的场景，电话在不同使用情况下进行操作。电话一开始在手持模式下进行操作，然后在测试路线的1/3处转移到摇晃模式，并且最后返回到手持模式。图24和图25表示了来自此轨迹的结果，轨迹2400仅指示导航解决方案的结果，轨迹2402指示增强型导航解决方案，并且轨迹2500仅指示导航解决方案的结果，轨迹2502指示不具有反馈的增强型导航解决方案并且轨迹2504指示具有反馈的增强型导航解决方案。在这种情况下，具有反馈的地图辅助导航解决方案胜过如图25中所示出的不具有反馈的系统。
现场测试的另一个场景涉及用户乘坐电梯或自动扶梯以便在商场的两个楼层之间进行切换。表示第一组条件，图26、图27、图28和图29展示了当用户乘坐自动扶梯上下，电话在手持模式下进行操作时的结果。在图26中，轨迹2600仅指示导航解决方案的结果，并且轨迹2602指示增强型导航解决方案。在图27中，轨迹2700仅指示导航解决方案的结果，并且轨迹2702指示增强型导航解决方案轨迹。在图28中，轨迹2800仅指示导航解决方案的结果，轨迹2802指示不具有给导航模块120的更新的估计位置信息的反馈的增强型导航解决方案，并且轨迹2804指示具有反馈的增强型导航解决方案。在图29中，轨迹2900仅指示导航解决方案的结果，轨迹2902指示不具有给导航模块120的更新的估计位置信息的反馈的增强型导航解决方案，并且轨迹2904指示具有反馈的增强型导航解决方案。如在这些图中所示出的，在检测层变化事件之后，去除所有当前可用假设，并且创建具有正确航向的自动扶梯的新假设。在不破坏整个轨迹的情况下成功地维持了在层变化事件之后的航向。
接下来，图30、图31、图32和图33示出了当用户乘坐电梯上下层变化时的结果。在图30中，轨迹3000仅指示导航解决方案的结果，并且轨迹3002指示增强型导航解决方案。在图31中，轨迹3100仅指示导航解决方案的结果，并且轨迹3102指示增强型导航解决方案轨迹。在图32中，轨迹3200仅指示导航解决方案的结果，轨迹3202指示不具有给导航模块120的更新的估计位置信息的反馈的增强型导航解决方案，并且轨迹3204指示具有反馈的增强型导航解决方案。在图33中，轨迹3300仅指示导航解决方案的结果，轨迹3302指示不具有给导航模块120的更新的估计位置信息的反馈的增强型导航解决方案，并且轨迹3304指示具有反馈的增强型导航解决方案。
最后，图34、图35、图36和图37示出了当用户乘坐自动扶梯向上以及乘坐电梯向下时(在改变楼层时)的结果。在图34中，轨迹3400仅指示导航解决方案的结果，并且轨迹3402指示增强型导航解决方案。在图35中，轨迹3500仅指示导航解决方案的结果，并且轨迹3502指示增强型导航解决方案轨迹。在图36中，轨迹3600仅指示导航解决方案的结果，轨迹3602指示不具有给导航模块120的更新的估计位置信息的反馈的增强型导航解决方案，并且轨迹3604指示具有反馈的增强型导航解决方案。在图37中，轨迹3700仅指示导航解决方案的结果，轨迹3702指示不具有给导航模块120的更新的估计位置信息的反馈的增强型导航解决方案，并且轨迹3704指示具有反馈的增强型导航解决方案。
总之，本公开的技术可靠地处理层变化事件并显著增强导航解决方案。此外，相比来自导航模块的不具有反馈的解决方案，将更新的估计位置信息作为反馈提供给导航模块120提供了改善的导航性能。
根据设备100的架构，传感器处理器108和惯性传感器112可以形成于不同芯片上，或者如所示出的，可以驻留于相同芯片上。用于计算设备100的取向的传感器融合算法可以在传感器处理器108和MPU 106之外比如由主机处理器104执行，或者可由MPU 106执行。可以将芯片限定成包括通常由半导体材料形成的至少一个衬底。单一芯片可以由多个衬底形成，其中，所述衬底被机械地键合以便保持功能。多芯片包括至少两个衬底，其中，这两个衬底是电连接的，但不需要机械键合。封装体提供了芯片上的键合焊盘与可以焊接至PCB的金属导线之间的电连接。封装体通常包括衬底和外壳，集成电路(IC)衬底可以指具有电路(通常为CMOS电路)的硅衬底。
如果期望的话，可以使用任何适当技术来将一个或多个传感器结合到封装体中。在一些实施例中，传感器可以是基于MEMS的，从而使得MEMS帽盖为MEMS结构提供机械支持。MEMS结构层附接到MEMS帽盖上。MEMS帽盖还被称为操作衬底或操作晶圆。在一些实施例中，在单一半导体芯片中，第一衬底可以垂直地堆叠、附接或电连接至第二衬底，而在其他实施例中，在单一半导体封装体中，第一衬底可以侧向地布置并且可以电连接至第二衬底。在一个实施例中，如在共同拥有的美国专利号7,104,129中描述的(所述专利通过引用以其全文结合在此)，第一衬底通过晶圆键合而附接至第二衬底，以便同时提供电连接并且对MEMS设备进行气密密封。这种制作技术有利地实现允许在非常小且经济的封装体中设计和制造高性能多轴惯性传感器的技术。晶圆级集成将寄生电容最小化，允许相对于分立解决方案的改善信噪比。这种晶圆级集成还使得能够实现对将外部放大需求最小化的富特征集的结合。
本公开的技术可以与独立于本导航解决方案中使用的状态估计或滤波技术的类型的任何导航解决方案组合。状态估计技术可以是线性的、非线性的、或其组合。导航解决方案中使用的技术的不同示例可以依赖于卡尔曼滤波器、扩展卡尔曼滤波器、如粒子滤波器等非线性滤波器、或者如神经网络或模糊系统等人工智能技术。导航解决方案中使用的状态估计技术可以使用任何类型的系统模型和/或测量模型。导航解决方案可以遵循用于集成不同传感器和系统的任何方案，如例如，除了别的之外，松散耦合集成方案或紧密耦合集成方案。导航解决方案可以将建模(无论使用线性还是非线性，短存储器长度或长存储器长度)和/或自动校准用于惯性传感器和/或所使用的其他传感器的误差。
设想的实施例
本公开将主体坐标系描述为是x向前，y正面朝向主体的右侧，以及z轴正面向下。设想的是，任何主体坐标系定义可以用于对本文中所描述的方法和装置的应用。
还设想的是，本公开的技术可以与导航解决方案一起使用，所述导航解决方案可以可选地利用自动零速度周期或具有可能更新和惯性传感器偏差重计算的静止周期检测、非完整更新模块、对惯性传感器误差的高级建模和/或校准、(适当时)来自GNSS的针对它们的可能测量更新的偏差、对GNSS解决方案质量的自动评估和检测退化的性能、在松散耦合集成方案与紧密耦合集成方案之间的自动切换、在紧密耦合模式下时对每个可见GNSS卫星的评估，并且最后有可能可以与具有任何类型的向后平滑技术并且在后任务中运行的或者在相同任务内的缓冲数据上的后台中运行的向后平滑模块一起使用。
进一步设想的是，本公开的技术还可以与输送技术的模式或者运动模式检测技术一起使用以便建立输送模式。这使得能够在其他模式(如例如，驾驶模式)当中检测行人模式。当检测到行人模式时，可以使本公开中所呈现的方法可操作用于确定设备与行人之间的失准。
进一步设想的是，本公开的技术还可以与导航解决方案一起使用，所述导航解决方案被进一步编程成用于在后台运行例程以便模拟绝对导航信息的人工中断并且估计用于本导航模块中的解决方案的状态估计技术的另一个实例的参数从而优化所述解决方案的准确度和一致性。通过将在模仿中断期间的临时后台解决方案与参考解决方案进行比较来评估准确度和一致性。参考解决方案可以是以下示例之一：绝对导航信息(例如，GNSS)；具有绝对导航信息(例如，GNSS)并且有可能具有可选速度或速率读数的集成了可用传感器的设备中的向前集成导航解决方案；或者具有绝对导航信息(例如，GNSS)并且有可能具有可选速度或速率读数的集成了可用传感器的设备中的向后平滑的集成导航解决方案。后台处理或者可以在相同处理器上作为向前解决方案处理而运行或者在可以与第一处理器通信并且可以从共享位置中读取保存的数据的另一个处理器上运行。后台处理解决方案的结果可能有益于实时导航解决方案的未来运行(即，在后台例程已经完成运行之后的实时运行)，例如，通过让针对向前状态估计技术的参数的改善值用于当前模块中的导航。
进一步设想的是，本公开的技术还可以与导航解决方案一起使用，所述导航解决方案进一步与地图(比如，街道地图、室内地图或模型、或在使这种地图或模型可用的应用的情况下的任何其他环境地图或模型)、地图辅助或模型辅助例程集成。地图辅助或模型辅助可以在绝对导航信息(比如，GNSS)退化或中断期间进一步增强导航解决方案。在模型辅助的情况下，可以使用获取关于环境的信息的传感器或传感器组，如例如，激光测距仪、相机或视觉系统或声纳系统。这些新系统可以或者用作额外帮助以便在绝对导航信息问题(退化或不存在)期间增强导航解决方案的准确度，或者在一些应用中，它们可以完全替代绝对导航信息。
进一步设想的是，本公开的技术可以与导航解决方案一起使用，所述导航解决方案当在紧密耦合方案下或者在混合松/紧密耦合选项下运行时，不一定需要利用伪距测量(从并不是载波相位的代码中计算伪距测量，由此，它们被称为基于代码的伪距)和多普勒测量(用于得到伪距率)。GNSS接收器的载波相位测量也可以例如：(i)用作计算距离而不是基于代码的伪距的可替代方式；或者(ii)用于通过结合来自基于代码的伪距和载波相位测量的信息来增强距离计算；这种增强是载波平滑伪距。
进一步设想的是，本公开的技术还可以与导航解决方案一起使用，所述导航解决方案依赖于GNSS接收器与其他传感器的读数之间的超紧密集成方案。
进一步设想的是，本公开的技术还可以与导航解决方案一起使用，所述导航解决方案使用也可以用于作为附加辅助(当GNSS不可用时，其将更有益)或者GNSS信息的替代物(例如，对于GNSS不适用的应用)的定位和导航的各种无线通信系统。用于定位的这些无线通信系统的示例是比如蜂窝电话塔和信号、无线电信号、数字电视信号、WiFi或WiMax提供的无线通信系统。例如，对于基于蜂窝电话的应用，来自手机塔的绝对坐标和室内用户与塔之间的距离可以用于定位，由此，可以通过不同的方法来估计距离，在所述方法当中，计算最近手机定位坐标的到达时间或到达时间差。被称为增强型观察时间差(E-OTD)的方法可以用于得到已知坐标和距离。距离测量的标准偏差可以取决于手机中使用的振荡器的类型以及蜂窝塔定时设备和传输损耗。WiFi定位可以以各种方式来完成，包括但不限于，到达时间、到达时间差、到达角、接收信号强度、指纹识别技术等等；这些方法中的所有方法提供不同等级的准确度。用于定位的无线通信系统可以使用不同技术来对测距、角度或来自无线信号的信号强度的误差进行建模，并且可以使用不同的多路径抑制技术。以上所提及的想法等也可以以类似方式适用于基于无线通信系统的其他无线定位技术。
进一步设想的是，本公开的技术还可以与导航解决方案一起使用，所述导航解决方案利用来自其他移动设备的辅助信息。这种辅助信息可以用作附加辅助(当GNSS不可用时，其将更有益)或用作GNSS信息的替代物(例如，对于基于GNSS的定位不适用的应用)。来自其他设备的辅助信息的一个示例可以依赖于不同设备之间的无线通信系统。基本理念是，具有更好的定位或导航解决方案(例如，具有带有良好可用性和准确度的GNSS)的设备可以帮助具有退化或不可用GNSS的设备得到改善的定位或导航解决方案。这种帮助依赖于(多个)辅助设备的已知位置以及用于定位具有退化或不可用GNSS的(多个)设备的无线通信系统。这种设想的变体指(多个)两个环境之一，在所述环境中：(i)具有退化或不可用GNSS的(多个)设备利用本文中所描述的方法并且从其他设备和通信系统处得到辅助；(ii)具有可用GNSS以及由此良好导航解决方案的辅助设备利用本文中所描述的方法。用于定位的无线通信系统可以依赖于不同的通信协议，并且其可以依赖于不同方法，如例如，到达时间、到达时间差、到达角、和接收信号强度等。用于定位的无线通信系统可以使用不同技术来对测距和/或来自无线信号的信号强度的误差进行建模，并且可以使用不同的多路径抑制技术。
可以在软件中将以上所描述的实施例和技术实施为各种互连功能块或不同软件模块。然而，这并没有必要，并且可能存在这些功能块或模块等效地聚集在单个逻辑设备、程序或操作中而没有清楚的界限的情况。在任何情况下，实施以上所描述的实施例的功能块和软件模块或者接口的特征可由其自身实施，或者在硬件或软件中与其他操作组合地实施(或者完全在设备内，或者结合设备和如服务器等与所述设备通信的其他处理器使能设备)。
尽管已示出和描述了一些实施例，但本领域的技术人员将理解的是，可以在不改变或脱离这些实施例的范围、意图或功能的情况下对其进行各种改变和修改。在前述说明中使用的术语和表达已经在本文中用作描述性而非限制性术语，并且在使用这种术语和表达时，不旨在排除所输出或所描述的特征或其部分的任何等效物，认识到的是，本公开仅受随后的权利要求书限定和限制。

Claims (45)

1.一种用于使用地图信息来增强便携式设备和平台的导航解决方案的方法，其中，所述设备的移动性被约束或不被约束在所述平台内，并且其中，所述设备可以倾斜至任何取向，所述方法包括：
a)获得所述便携式设备的传感器数据；
b)至少部分地基于所述传感器数据来导出导航解决方案；
c)至少部分地基于所述导航解决方案来提供所述便携式设备的估计位置信息；
d)获得包含所述用户的当前位置的区域的地图信息；
e)至少部分地基于所述估计位置信息和所述地图信息来生成关于所述便携式设备的可能位置的多个假设；
f)至少部分地基于所述估计位置信息和所述地图信息来管理所述假设；
g)处理所管理的假设以便更新所述便携式设备的所述估计位置信息；以及
h)提供使用所述新的估计位置信息的增强型导航解决方案。
2.如权利要求1所述的方法，其中，所更新的估计信息包括所述增强型导航解决方案。
3.如权利要求1所述的方法，其中，所更新的估计信息被馈送给所述导航解决方案以便导出所述增强型导航解决方案。
4.如权利要求3所述的方法，其中，对所述增强型导航解决方案的导出利用所更新的估计位置信息作为对所述导航模块的测量结果更新。
5.如权利要求1所述的方法，其中，所述增强型导航解决方案包括来自所更新的估计信息和所述导航解决方案的值。
6.如权利要求1所述的方法，进一步包括获得所述便携式设备的绝对导航信息，其中，导出所述导航解决方案进一步基于所述绝对导航信息。
7.如权利要求6所述的方法，其中，从以下各项中的任何一项或其任何组合中获得所述绝对导航信息：(i)全球导航卫星系统(GNSS)；(ii)基于小区的定位；(iii)基于WiFi的定位；或(iv)其他基于无线的定位。
8.如权利要求1所述的方法，其中，生成关于所述便携式设备的可能位置的多个假设进一步基于来自前一个时期的更新的位置信息。
9.如权利要求1所述的方法，进一步包括对所述地图信息进行预处理。
10.如权利要求9所述的方法，其中，对所述地图信息进行预处理包括提取地图实体。
11.如权利要求10所述的方法，其中，对所述地图信息进行预处理进一步包括从背景实体中裁剪至少一个前景地图实体。
12.如权利要求11所述的方法，其中，裁剪所述背景实体限定了可越过区域。
13.如权利要求10所述的方法，其中，对所述地图信息进行预处理进一步包括将地图实体表示为相对复杂的多边形以及将所述多边形分解成多个相对更简单的多边形。
14.如权利要求9所述的方法，其中，对所述地图信息进行预处理包括生成连接的链路和节点的网格。
15.如权利要求1所述的方法，其中，所述估计位置信息包括表示所述便携式设备的可能位置的误差区域。
16.如权利要求15所述的方法，其中，通过将所述误差区域投影到所述地图信息上来生成所述假设中的至少一个假设。
17.如权利要求15所述的方法，其中，当发生与多个地图实体的重叠时，通过将所述误差区域投影到所述地图信息上来生成多个假设。
18.如权利要求15所述的方法，其中，所述地图信息包括基于多边形的几何地图。
19.如权利要求15所述的方法，其中，所述地图信息包括网格地图。
20.如权利要求1所述的方法，其中，所述地图信息包括网格地图，并且所述估计位置信息至少部分地基于所确定的用户轨迹与所述网格地图的拓扑特征之间的关联性。
21.如权利要求1所述的方法，其中，管理所述假设包括添加假设、去除假设和组合假设中的至少一项。
22.如权利要求1所述的方法，其中，管理所述假设进一步包括应用决策逻辑。
23.如权利要求22所述的方法，其中，所述决策逻辑被配置成用于跨墙事件。
24.如权利要求22所述的方法，其中，所述决策逻辑被配置成用于层变化事件。
25.如权利要求1所述的方法，其中，所述导航解决方案包括所述用户的运动模式。
26.如权利要求25所述的方法，其中，所述估计位置信息至少部分地基于所述运动模式。
27.如权利要求15所述的方法，其中，至少部分地基于所述运动模式来管理所述假设。
28.如权利要求25所述的方法，其中，层变化事件至少部分地基于所述运动模式。
29.如权利要求1所述的方法，其中，所述增强型导航解决方案包括至少部分地基于与所述估计位置信息相关联的地图实体所检测的所述用户的运动模式。
30.如权利要求1所述的方法，其中，使用以下各项中的至少一项来估计所述便携式设备的位置信息：仅预测卡尔曼滤波器、近恒速卡尔曼滤波器、仅预测粒子滤波器和近恒速粒子滤波器。
31.如权利要求1所述的方法，其中，远程地执行以下各项中的至少一项：获得地图信息；生成多个假设；管理所述假设；以及处理所管理的假设以便更新所述便携式设备的所述估计位置信息。
32.一种用于提供使用地图信息的增强型导航解决方案的便携式设备，所述便携式设备包括：
a)传感器组件，所述传感器组件与所述便携式设备集成，所述传感器组件被配置成用于输出表示所述便携式设备的运动的数据；以及
b)处理器，所述处理器被配置成用于实现：
i)导航模块，所述导航模块用于至少部分地基于所述传感器数据来导出导航解决方案；以及
ii)地图模块，所述地图模块具有：位置估计器，所述位置估计器用于至少部分地基于所述导航解决方案来提供所述便携式设备的估计位置信息；地图处理器，所述地图处理器用于获得包含所述用户的当前位置的区域的地图信息；以及假设分析器，所述假设分析器用于至少部分地基于所述估计位置信息和所述地图信息来生成和管理关于所述便携式设备的可能位置的多个假设，其中，所述地图模块处理所述所管理的假设以便更新所述便携式设备的所述估计位置信息。
33.如权利要求32所述的设备，进一步包括所述便携式传感器设备的绝对导航信息的来源，其中，所述绝对导航信息辅助所述导航解决方案。
34.如权利要求33所述的设备，其中，从以下各项中的任何一项或其任何组合中获得所述绝对导航信息：(i)全球导航卫星系统(GNSS)；(ii)基于小区的定位；(iii)基于WiFi的定位；或(iv)其他基于无线的定位。
35.如权利要求32所述的设备，其中，所述地图模块被进一步配置成用于提供增强型导航解决方案，其中，所更新的估计信息包括所述增强型导航解决方案。
36.如权利要求32所述的设备，进一步包括将所更新的估计位置信息馈送给所述导航模块，其中，所述导航模块被进一步配置成用于使用所更新的估计位置信息来增强所述导航解决方案。
37.如权利要求36所述的设备，其中，对所述导航解决方案的增强利用所更新的估计位置信息作为对所述导航模块的测量结果更新。
38.如权利要求32所述的设备，其中，所述地图模块被进一步配置成用于提供增强型导航解决方案，其中，所述增强型导航解决方案包括来自所更新的估计信息和所述导航解决方案的值。
39.如权利要求32所述的便携式设备，其中，所述传感器组件包括加速度计和陀螺仪。
40.如权利要求32所述的设备，其中，所述传感器组件包括被实施为微机电系统(MEMS)的惯性传感器。
41.一种用于提供使用地图信息的增强型导航解决方案的系统，所述系统包括：
a)便携式设备，所述便携式设备具有：集成传感器组件，所述便携式设备被配置成用于输出表示所述便携式设备的运动的数据；以及处理器，所述处理器被配置成用于实现导航模块，所述导航模块用于至少部分地基于所述传感器数据来导出导航解决方案；以及
b)远程处理资源，所述远程处理资源被配置成用于从所述便携式设备处接收所述导航解决方案并且具有处理器，所述处理器被配置成用于实现地图模块，所述地图模块具有：位置估计器，所述位置估计器用于至少部分地基于所述导航解决方案来提供所述便携式设备的估计位置信息；地图处理器，所述地图处理器用于获得包含所述用户的当前位置的区域的地图信息；以及假设分析器，所述假设分析器用于至少部分地基于所述估计位置信息和所述地图信息来生成和管理关于所述便携式设备的可能位置的多个假设，其中，所述地图模块处理所管理的假设以便更新所述便携式设备的所述估计位置信息，并且其中，所述远程处理资源向所述便携式设备传输所更新的估计位置信息。
42.如权利要求41所述的系统，其中，所述设备被进一步配置成用于提供增强型导航解决方案，其中，所更新的估计信息包括所述增强型导航解决方案。
43.如权利要求41所述的系统，进一步包括将所更新的估计位置信息馈送给所述导航模块，其中，所述导航模块被进一步配置成用于使用所更新的估计位置信息来增强所述导航解决方案。
44.如权利要求43所述的系统，其中，对所述导航解决方案的增强利用所更新的估计位置信息作为对所述导航模块的测量结果更新。
45.如权利要求41所述的系统，其中，所述设备被进一步配置成用于提供增强型导航解决方案，其中，所述增强型导航解决方案包括来自所更新的估计信息和所述导航解决方案的值。
CN201580058907.6A 2014-09-08 2015-09-04 用于使用地图信息辅助的增强型便携式导航的方法和装置 Active CN107110651B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201462047511P 2014-09-08 2014-09-08
US62/047,511 2014-09-08
PCT/US2015/048601 WO2016040166A1 (en) 2014-09-08 2015-09-04 Method and apparatus for using map information aided enhanced portable navigation

Publications (2)

Publication Number Publication Date
CN107110651A true CN107110651A (zh) 2017-08-29
CN107110651B CN107110651B (zh) 2021-04-30

Family

ID=55437227

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580058907.6A Active CN107110651B (zh) 2014-09-08 2015-09-04 用于使用地图信息辅助的增强型便携式导航的方法和装置

Country Status (6)

Country Link
US (1) US9797732B2 (zh)
EP (1) EP3191795A1 (zh)
JP (1) JP6783751B2 (zh)
KR (1) KR20170060034A (zh)
CN (1) CN107110651B (zh)
WO (1) WO2016040166A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107976190A (zh) * 2017-11-10 2018-05-01 北京金坤科创技术有限公司 一种室内定位导航方法与智能无人值守前台系统
CN108426579A (zh) * 2018-02-14 2018-08-21 安徽师范大学 一种楼层内部路径网自动生成方法
CN110617815A (zh) * 2018-06-19 2019-12-27 上海汽车集团股份有限公司 一种自动驾驶监控告警的方法和装置
CN111221020A (zh) * 2020-03-06 2020-06-02 上海晶众信息科技有限公司 一种室内外定位方法、装置及系统
CN111880203A (zh) * 2019-05-03 2020-11-03 苹果公司 基于图像数据调节航向传感器输出
CN113505152A (zh) * 2021-09-10 2021-10-15 环球数科集团有限公司 智慧城市母婴室数据信息处理方法、系统及存储介质

Families Citing this family (47)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10132635B2 (en) * 2013-09-17 2018-11-20 Invensense, Inc. Method and apparatus for misalignment between device and pedestrian using vision
EP3224815A4 (en) * 2014-11-25 2018-10-31 Fynd Technologies, Inc Geolocation bracelet, systems, and methods
JP5997797B2 (ja) * 2015-03-03 2016-09-28 富士重工業株式会社 車両の地図データ処理装置
US20170105032A1 (en) * 2015-10-07 2017-04-13 William Davis System and Method for Cloud-based Broadcast Rights Management
US10054688B2 (en) * 2015-11-03 2018-08-21 Samsung Electronics Co., Ltd Method and apparatus for saving power during synthetic positioning in GNSS receivers
US10054446B2 (en) 2015-11-17 2018-08-21 Truemotion, Inc. Methods and systems for combining sensor data to measure vehicle movement
US10126134B2 (en) * 2015-12-21 2018-11-13 Invensense, Inc. Method and system for estimating uncertainty for offline map information aided enhanced portable navigation
US10018474B2 (en) * 2015-12-21 2018-07-10 Invensense, Inc. Method and system for using offline map information aided enhanced portable navigation
GB2566748B (en) * 2017-09-26 2022-08-17 Focal Point Positioning Ltd A method and system for calibrating a system parameter
EP3232221A1 (de) * 2016-04-12 2017-10-18 MAGNA STEYR Fahrzeugtechnik AG & Co KG Positionsbestimmungssystem
EP3246725A1 (en) * 2016-05-20 2017-11-22 Sony Mobile Communications Inc Method and system for calculating a position of a mobile communication device within an environment
US9965051B2 (en) * 2016-06-29 2018-05-08 Microsoft Technology Licensing, Llc Input device tracking
US9953234B2 (en) 2016-09-16 2018-04-24 Ingersoll-Rand Company Compressor conduit layout system
DE102016218232B4 (de) 2016-09-22 2024-02-15 Volkswagen Aktiengesellschaft Positionsbestimmungssystem für eine mobile Einheit, Fahrzeug und Verfahren zum Betreiben eines Positionsbestimmungssystems
EP3339807B1 (en) * 2016-12-20 2024-03-13 HERE Global B.V. An apparatus and associated methods for determining the location of a vehicle
DE212017000019U1 (de) * 2017-03-20 2018-02-09 Google Llc Systeme zum Bestimmen eines verbesserten Anwenderstandorts unter Verwendung von realen Kartendaten und Sensordaten
CN108960694B (zh) * 2017-05-19 2022-04-12 北京京东振世信息技术有限公司 配送区域确定方法和装置
US10545026B1 (en) 2017-06-05 2020-01-28 Philip Raymond Schaefer System and method for tracking the position of a person and providing navigation assistance
CN107289932B (zh) * 2017-06-28 2019-08-20 东南大学 基于mems传感器和vlc定位融合的单卡尔曼滤波导航装置和方法
CN107328406B (zh) * 2017-06-28 2020-10-16 中国矿业大学(北京) 一种基于多源传感器的矿井移动目标定位方法与系统
CN107289933B (zh) * 2017-06-28 2019-08-20 东南大学 基于mems传感器和vlc定位融合的双卡尔曼滤波导航装置和方法
JP6946813B2 (ja) * 2017-07-20 2021-10-06 株式会社豊田中央研究所 状態推定装置及びプログラム
CN107219535B (zh) * 2017-07-26 2023-05-05 长沙北斗产业安全技术研究院股份有限公司 一种动态补偿的卫星导航定位增强系统及方法
WO2019063727A1 (en) * 2017-09-28 2019-04-04 Airbus Operations Gmbh SYSTEM AND METHOD FOR DETERMINING AND TRACKING A POSITION OF A MOBILE DEVICE ON BOARD AN AIRCRAFT
JP7238305B2 (ja) * 2017-10-05 2023-03-14 富士フイルムビジネスイノベーション株式会社 パーティクルフィルタを使用した位置特定のために、事前分布としてグラフベースのマップ情報を利用するシステム及び方法、コンピュータ実施方法、プログラム、及びシステム
DE112018006808T5 (de) * 2018-01-10 2020-10-01 Intel Corporation Prädiktive-Karten-Erzeugungs-Technologie
US11353566B2 (en) * 2018-04-26 2022-06-07 Navico Holding As Sonar transducer having a gyroscope
WO2019226982A1 (en) * 2018-05-24 2019-11-28 Cubic Corporation Dynamically responsive real-time positioning feedback system
CN108957502B (zh) * 2018-06-04 2022-10-21 安徽理工大学 基于深度学习lstm的gnss多系统多路径误差实时削弱方法
DE102018210077A1 (de) * 2018-06-21 2019-12-24 Robert Bosch Gmbh Verfahren zum Bereitstellen einer Ortungsinformation zum Orten eines Fahrzeugs durch eine fahrzeugexterne Ortungseinrichtung, Ortungseinrichtung sowie Verfahren und Vorrichtung zum Orten eines Fahrzeugs mittels einer Ortungsinformation
US11472664B2 (en) 2018-10-23 2022-10-18 Otis Elevator Company Elevator system to direct passenger to tenant in building whether passenger is inside or outside building
US11169280B2 (en) 2018-11-13 2021-11-09 Pointr Limited Systems and methods for direction estimation in indoor and outdoor locations
US10324197B1 (en) 2018-11-13 2019-06-18 Pointr Limited Systems and methods for estimating initial heading at start-up of navigation
US11168989B2 (en) * 2019-01-02 2021-11-09 Here Global B.V. Supervised point map matcher
EP3693702A1 (en) * 2019-02-05 2020-08-12 Visteon Global Technologies, Inc. Method for localizing a vehicle
CN110268354A (zh) * 2019-05-09 2019-09-20 珊口（深圳）智能科技有限公司 更新地图的方法及移动机器人
US11231712B2 (en) 2019-06-12 2022-01-25 Ford Global Technologies, Llc Digital model rectification with sensing robot
US11573333B2 (en) * 2019-06-17 2023-02-07 Hl Klemove Corp. Advanced driver assistance system, vehicle having the same, and method of controlling vehicle
US11220006B2 (en) 2019-06-24 2022-01-11 Ford Global Technologies, Llc Digital model rectification
JP2021081339A (ja) * 2019-11-20 2021-05-27 ヤフー株式会社 情報処理装置、情報処理方法、および情報処理プログラム
CN111617484B (zh) * 2020-06-04 2023-09-05 珠海金山数字网络科技有限公司 一种地图处理的方法和装置
US20210396522A1 (en) * 2020-06-17 2021-12-23 Microsoft Technology Licensing, Llc Pedestrian dead reckoning using map constraining features
CN112002186B (zh) * 2020-09-04 2022-05-06 语惠科技(南京)有限公司 一种基于增强现实技术的信息无障碍系统及方法
CN113203416B (zh) * 2021-03-19 2022-07-12 电子科技大学 一种针对摆臂行人的行人航位推算方法
CN114061563B (zh) * 2021-10-15 2024-04-05 深圳优地科技有限公司 目标点合理性的判断方法、装置、终端设备及存储介质
CN114446082B (zh) * 2021-12-30 2023-08-04 西安歌尔泰克电子科技有限公司 寻找车辆的方法、装置、腕戴设备及介质
WO2024039931A1 (en) * 2022-08-15 2024-02-22 Qualcomm Incorporated Positioning operation based on filtered map data

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110178705A1 (en) * 2010-01-15 2011-07-21 Qualcomm Incorporated Using Filtering With Mobile Device Positioning In A Constrained Environment
US20110208424A1 (en) * 2010-02-23 2011-08-25 Eric Hirsch Road Map Feedback Corrections in Tightly Coupled GPS and Dead Reckoning Vehicle Navigation
US20120203453A1 (en) * 2011-02-09 2012-08-09 SenionLab AB Method and device for indoor positioning
JP6232183B2 (ja) * 2012-12-07 2017-11-15 株式会社日立アドバンストシステムズ 移動端末装置及び測位システム

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU5161900A (en) * 1999-05-28 2000-12-18 Afx Technology Group International, Inc. Wireless transceiver network employing node-to-node data messaging
US9097783B2 (en) * 2006-04-28 2015-08-04 Telecommunication Systems, Inc. System and method for positioning using hybrid spectral compression and cross correlation signal processing
AU2008283845A1 (en) * 2007-08-06 2009-02-12 Trx Systems, Inc. Locating, tracking, and/or monitoring personnel and/or assets both indoors and outdoors
JP2009229204A (ja) * 2008-03-21 2009-10-08 Sumitomo Electric Ind Ltd 位置特定装置、コンピュータプログラム及び位置特定方法
US9389085B2 (en) * 2010-01-22 2016-07-12 Qualcomm Incorporated Map handling for location based services in conjunction with localized environments
US8504292B1 (en) * 2011-05-05 2013-08-06 Bentley Systems, Incorporated Indoor localization based on ultrasound sensors
US8583400B2 (en) * 2011-05-13 2013-11-12 Google Inc. Indoor localization of mobile devices
US9568587B2 (en) * 2011-06-21 2017-02-14 Bae Systems Plc Tracking algorithm
US8873813B2 (en) * 2012-09-17 2014-10-28 Z Advanced Computing, Inc. Application of Z-webs and Z-factors to analytics, search engine, learning, recognition, natural language, and other utilities
US8635023B2 (en) * 2011-11-22 2014-01-21 Google Inc. Position indication controls for device locations
US9116000B2 (en) * 2012-10-22 2015-08-25 Qualcomm, Incorporated Map-assisted sensor-based positioning of mobile devices

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110178705A1 (en) * 2010-01-15 2011-07-21 Qualcomm Incorporated Using Filtering With Mobile Device Positioning In A Constrained Environment
US20110208424A1 (en) * 2010-02-23 2011-08-25 Eric Hirsch Road Map Feedback Corrections in Tightly Coupled GPS and Dead Reckoning Vehicle Navigation
US20120203453A1 (en) * 2011-02-09 2012-08-09 SenionLab AB Method and device for indoor positioning
JP6232183B2 (ja) * 2012-12-07 2017-11-15 株式会社日立アドバンストシステムズ 移動端末装置及び測位システム

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107976190A (zh) * 2017-11-10 2018-05-01 北京金坤科创技术有限公司 一种室内定位导航方法与智能无人值守前台系统
CN108426579A (zh) * 2018-02-14 2018-08-21 安徽师范大学 一种楼层内部路径网自动生成方法
CN108426579B (zh) * 2018-02-14 2021-08-27 安徽师范大学 一种楼层内部路径网自动生成方法
CN110617815A (zh) * 2018-06-19 2019-12-27 上海汽车集团股份有限公司 一种自动驾驶监控告警的方法和装置
CN110617815B (zh) * 2018-06-19 2023-10-10 上海汽车集团股份有限公司 一种自动驾驶监控告警的方法和装置
CN111880203A (zh) * 2019-05-03 2020-11-03 苹果公司 基于图像数据调节航向传感器输出
CN111221020A (zh) * 2020-03-06 2020-06-02 上海晶众信息科技有限公司 一种室内外定位方法、装置及系统
CN113505152A (zh) * 2021-09-10 2021-10-15 环球数科集团有限公司 智慧城市母婴室数据信息处理方法、系统及存储介质

Also Published As

Publication number Publication date
CN107110651B (zh) 2021-04-30
EP3191795A1 (en) 2017-07-19
JP2017534843A (ja) 2017-11-24
JP6783751B2 (ja) 2020-11-11
KR20170060034A (ko) 2017-05-31
US20160069690A1 (en) 2016-03-10
WO2016040166A1 (en) 2016-03-17
US9797732B2 (en) 2017-10-24

Similar Documents

Publication Publication Date Title
CN107110651A (zh) 用于使用地图信息辅助的增强型便携式导航的方法和装置
US10126134B2 (en) Method and system for estimating uncertainty for offline map information aided enhanced portable navigation
US10018474B2 (en) Method and system for using offline map information aided enhanced portable navigation
US10281279B2 (en) Method and system for global shape matching a trajectory
US10547976B2 (en) Method and system for assigning point of sale information
CN106406320B (zh) 机器人路径规划方法及规划路线的机器人
US11162792B2 (en) Method and system for path-based point of sale ordering
US20190170521A1 (en) Method and system for fingerprinting survey
Kealy et al. Collaborative navigation as a solution for PNT applications in GNSS challenged environments–report on field trials of a joint FIG/IAG working group
CN103827632A (zh) 位置检测装置、位置检测方法及位置检测程序
CN107850440A (zh) 用于确定便携式设备所穿越的路线的系统和方法
Wang et al. Recent advances in pedestrian inertial navigation based on smartphone: A review
Farag Self-driving vehicle localization using probabilistic maps and Unscented-Kalman filters
Osman et al. Indoor SLAM using a foot-mounted IMU and the local magnetic field
Ibrahima et al. IMU-based indoor localization for construction applications
Nur et al. Monocular visual odometry with road probability distribution factor for lane-level vehicle localization
Shoushtari et al. L5in+: From an analytical platform to optimization of deep inertial odometry
Liao et al. The development of an artificial neural networks aided image localization scheme for indoor navigation applications with floor plans built by multi-platform mobile mapping systems
MAILKA et al. An efficient end-to-end EKF-SLAM architecture based on LiDAR, GNSS, and IMU data sensor fusion for autonomous ground vehicles
Liu et al. A RTLS/DR based localization system architecture for indoor mobile robots
Radacina Rusu Real-time localization in large-scale underground environments using RFID-based node maps
Mohammed In vehicle smartphone based position estimates on urban roads for lane departures using road level GIS information
Gao et al. Smartphone-Based Indoor Map Construction: Principles and Applications
TRAN Tango Navigator: an indoor navigation system
Bona et al. Localization and Mapping for Service Robotics Applications

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant