CN107407725B - 用于装置定位的引导几何结构提取 - Google Patents

用于装置定位的引导几何结构提取 Download PDF

Info

Publication number
CN107407725B
CN107407725B CN201680013358.5A CN201680013358A CN107407725B CN 107407725 B CN107407725 B CN 107407725B CN 201680013358 A CN201680013358 A CN 201680013358A CN 107407725 B CN107407725 B CN 107407725B
Authority
CN
China
Prior art keywords
depth map
feature
fingerprint
data
location
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.)
Active
Application number
CN201680013358.5A
Other languages
English (en)
Other versions
CN107407725A (zh
Inventor
利奥·莫迪卡
利昂·斯坦尼斯
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.)
Here Global BV
Original Assignee
Here Global BV
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 Here Global BV filed Critical Here Global BV
Publication of CN107407725A publication Critical patent/CN107407725A/zh
Application granted granted Critical
Publication of CN107407725B publication Critical patent/CN107407725B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • 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
    • 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
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3844—Data obtained from position sensors only, e.g. from inertial 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3863—Structures of map data
    • G01C21/3867—Geometry of map features, e.g. shape points, polygons or for simplified maps
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/44—Browsing; Visualisation therefor
    • G06F16/444—Spatial browsing, e.g. 2D maps, 3D or virtual spaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
    • G06F3/0346—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of the device orientation or free movement in a 3D space, e.g. 3D mice, 6-DOF [six degrees of freedom] pointers using gyroscopes, accelerometers or tilt-sensors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
    • G06V20/38—Outdoor scenes
    • G06V20/39—Urban scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G06V20/647—Three-dimensional objects by matching two-dimensional images to three-dimensional objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/42—Document-oriented image-based pattern recognition based on the type of document
    • G06V30/422—Technical drawings; Geographical maps
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/10—Recognition assisted with metadata

Abstract

本发明提供用于确定终端用户装置(例如，交通工具、移动电话、智能手表等)的地理位置的系统、设备和方法。终端用户装置可收集在路径网络中的位置处的深度图。可从接近所述路径网络中的所述位置的指纹数据库获得特征几何结构。可用所述指纹的所述特征几何结构来定向所述深度图。可将来自所述深度图中的经提取的特征几何结构的控制点与所述指纹内的控制点比较。可基于所述比较计算匹配率，且当整体匹配率超过最小阈值时可确定所述终端用户装置的地理位置。

Description

用于装置定位的引导几何结构提取
技术领域
以下公开涉及在一些情况下，在不存在全球定位系统(GPS)数据下使用指纹数据库确定终端用户装置(例如，交通工具、移动电话、智能手表等)的地理位置。
背景技术
使用全球定位系统(GPS)、局域无线技术(例如，WiFi)和短波长无线电波(例如，蓝牙)的交通工具定位可为不精确的。在GPS的情况下，多路径引起由交通工具所接收的信号的时序变化。在WiFi和蓝牙的情况下，信号强度为用于定位的不可靠方法，主要是由于在三维(3D)空间中发射站的位置阻挡和缺乏精度。在这类情况下，在执行多点定位时的参考物不够精确以产生车道水平定位，或在某些情况下道路水平定位。
发明内容
提供系统、设备和方法用于用数据库确定装置的地理位置。在一个实施例中，方法包含通过终端用户装置收集在路径网络中的位置处的深度图。方法进一步包含获得来自指纹数据库的指纹的特征几何结构，所述指纹接近在路径网络中的位置。方法进一步包含使用终端用户装置的处理器用指纹的特征几何结构定向深度图。方法进一步包含比较来自深度图的定向特征几何结构的控制点与在指纹内的控制点。方法进一步包含基于来自深度图的定向特征几何结构的每个控制点与指纹中的相应控制点之间的距离的平均偏差计算定向特征几何结构的个体匹配率。
在另一实施例中，方法包含从终端用户装置接收在路径网络中的位置处的深度图。方法进一步包含从指纹数据库检索指纹的特征几何结构，所述指纹接近在路径网络中的位置。方法进一步包含使用指纹数据库的处理器用指纹的特征几何结构定向深度图。方法进一步包含比较从深度图提取的特征几何结构的控制点与在指纹内的控制点。方法进一步包含基于来自深度图的定向特征几何结构的每个控制点与指纹中的相应控制点之间的距离的平均偏差计算定向特征几何结构的个体匹配率。
在另一实施例中，设备包含至少一个处理器和包括用于一个或多个编程的计算机程序代码的至少一个存储器；至少一个存储器和计算机程序代码被配置成与至少一个处理器引起设备至少执行以下：(1)收集在路径网络中的位置处的深度图；(2)获得来自指纹数据库的指纹的特征几何结构，所述指纹接近在路径网络中的位置；(3)用指纹的特征几何结构定向深度图；(4)比较来自深度图的定向特征几何结构的控制点与在指纹内的控制点；和(5)基于来自深度图的定向特征几何结构的每个控制点与指纹中的相应控制点之间的距离的平均偏差计算定向特征几何结构的个体匹配率。
附图说明
本文中参考以下附图描述示例性实施例。
图1示出具有在多个高程处提取的水平切片且根据提取的切片标识二维图像的深度图图像的实例。
图2示出在指纹数据库中经编码指纹的实例。
图3示出图2的经编码指纹的线特征几何结构的实例。
图4示出图2的经编码指纹的弧特征几何结构的实例。
图5示出图2的经编码指纹的样条曲线特征几何结构的实例。
图6示出标识和提取交通工具周围特征几何结构以确定交通工具的地理位置的交通工具实例。
图7a和7b示出标识和提取特征几何结构以及装置周围的控制点以确定装置的地理位置的装置额外实例。
图8示出基于三个控制点的多点定位过程的另一实例。
图9示出用于确定在路径网络中终端用户装置的位置的实例流程图。
图10为示例性地理和/或导航数据系统的图。
图11示出用于图10的示例性系统的装置的部件的实施例。
具体实施方式
终端用户装置的位置或定位可通过从表示路径(例如，道路)网络中真实物体的二维(2D)特征几何结构推导坐标确定。终端用户装置可涉及由客户操作或使用的装置。如本文所使用，最终用户装置的非限制性实例包括交通工具(例如，汽车、卡车、公共汽车、火车、摩托车、船、船舶)以及便携式电子装置如移动电话、具有无线功能的膝上型计算机、视频录制装置、扫描装置、消息传递装置、个人数字助理和可穿戴计算机(例如，智能手表)。特征几何结构可涉及从围绕装置的三维结构提取的二维形状如线、弧和样条曲线(例如，B-样条曲线)。举例来说，2D特征几何结构可从三维结构如建筑物立面、道路标志、轮询(polls)、植物(例如，树)或在路径网络中现有的其它非暂时结构提取。在特定路段处的多个特征几何结构可合并在一起以提供从周围区域标识所述特定路段的一个或多个特有指纹。
换句话说，终端用户装置(例如，交通工具)的位置可基于装置周围不同特征的指纹标识确定。位置可实时确定，其中特征通过将装置与特征几何结构/指纹的数据库比较来标识。所确定的位置精度可基于在路径网络中装置的位置和定位装置的方法。
这类定位过程可允许装置通过常规地理-定位技术如GPS、WiFi或蓝牙的经改善的定位。此外，基于特征的视觉定位技术可允许在不存在任何可获得的常规地理-定位技术(例如，GPS)的情况下下的装置的定位。此外，使用简单2D特征几何结构的基于特征的定位技术可降低与实时确定装置的位置相关联的整体计算成本。这消除了实时处理成像的昂贵图形处理单元(GPU)的需要，且允许交通工具使用低成本可视化技术以利用本文所述的所推荐的基于特征的定位技术。此外，越来越多交通工具建有复杂观看技术且可利用所推荐的地理参考过程。
如本文所论述，二维特征几何结构的数据库可通过收集由深度感测装置(例如，高精度光探测和测距(LIDAR)装置)产生的深度图来开发。从收集的深度图，可提取特征几何结构如建筑物、交通灯、停止标志、植物(例如，树)和道路特性(例如车道的宽度、数目)。经提取的特征可在单独的数据库中以用于特定位置的指纹表示或编码。终端用户装置(例如，交通工具)可根据装置自身标识特征几何结构确定其位置且与特征几何结构的指纹数据库比较，其中所述位置根据特征或指纹的匹配确定。
I.收集数据
在某些实施例中，容纳用于路径网络的不同特征几何结构的数据库可通过收集并分析用于路径网络的数据开发。路径网络可为包含在大都市区区域或城市内选定路段数目的道路网络。在一些实施例中，数据库可开发用于在多个大都市区区域或城市中的多个路段。
如本文所使用，“道路”或“路段”可涉及可能够被监测或将来可变得能够被监测的任何正在行驶车道或路径(例如，高速公路、城市街道、公共汽车路线、火车路线、步行/骑车路径、水路)。
在某些实施例中，数据库通过收集(1)在道路网络内选定路段上的三维数据和(2)与3D数据相关联的位置数据(例如，GPS数据)开发。3D数据可为使用3D光学测距系统或基于强度的扫描技术获取的深度图或点云数据。在某些实施例中，深度图或点云数据使用深度感测装置收集。深度感测装置可为任何深度感测立体(stereoscopic或stereo-)相机(例如，LIDAR相机)、无线电探测和测距(雷达)装置、超声波装置或结构光相机。深度感测装置可包含被配置成标识来自运动的三维结构的移动单一相机。
LIDAR，也被称为LiDAR、Lidar或其它类似表示，还可被称作三维激光扫描或光学测距系统，其采用一个或多个激光器或相机收集表示区域(如道路或人行道附近的区域)的数据点。
在数据获取系统中的LIDAR相机可使用紫外光、可见光或近红外光，以对物体成像，所述物体以广泛范围的材料如非金属物体、岩石、雨水、化学化合物、气溶胶、云以及甚至单个分子为目标。窄激光光束可标测具有高分辨率的物理特征。
软件可基于测得的距离、光学测距系统(其可在如汽车的移动平台上)的位置和激光的角度生成深度图或点云。其它光学测距系统包括立体相机、渡越时间红外相机和结构光装置。LIDAR相机收集和聚集在点云中的数据点，其中每个数据点对应于局部坐标如(x，y，z)，且为开或关。可替代地，LIDAR数据可为包括在值的预定范围(例如，0到255、0到65536)内每个数据点的强度(表明反射性)的灰度点云，其中在所述范围的一端处为黑色且在另一端处为白。点云可以ASCII或LIDAR交换格式(例如，美国摄影测量及遥感学会(ASPRS).LAS文件格式)存储。一个或多个激光器可在近红外频谱(如约700nm到约5000nm或约800nm到约2500nm)或其它光谱中。
在某些实施例中，LIDAR相机可附接或以其他方式与数据收集装置(例如，交通工具)集成。定位系统也可与LIDAR交通工具系统如GPS集成，以提供通过LIDAR系统来获取的数据的基础参考。交通工具系统的移动性可促进使用出于参考目的建立的位置获取在大地理区域上的数据，且促进获得数据集成到表示所述地理区域的点云中。
在指纹数据库的开发中，LIDAR数据获取系统可与地理定位系统(GPS)结合，以提供通过LIDAR系统来获得的数据的基础参考。通过LIDAR系统和GPS的组合，收集的3D数据可保存或编码到具有属性纬度、经度、海拔高度和高程测量的数据库中。
交通工具系统的移动性可促进使用出于参考目的建立的位置获取在大地理区域上的数据，且促进获得数据集成到表示所述地理区域的点云中。在一些实施例中，深度图或点云数据可在数据收集交通工具沿在路径网络内选定路段行驶时连续收集。在其它实施例中，数据可在沿路段的预定义间隙(如每10到30米)处收集。
在某些实施例中，来自一个或多个数据收集交通工具的数据可上传到地图开发者数据库用于将来分析。在一些实施例中，上传过程可在(一个或多个)数据收集交通工具已完成其深度图或点云数据收集之后进行。在其它实施例中，上传过程可包含在收集数据时通过已连接的网络将数据发射到地图开发者数据库。
II.特征提取
在收集深度图或点云数据并将其上传到地图开发者数据库之后，可分析数据在深度图或点云数据内的不同特征几何结构。换句话说，可运行计算机算法以搜索在深度图数据中的具体二维特征，且提取那些特征。二维特征几何结构可包括在深度图的物理结构内的线、已连接线或曲线的集合、弧和样条曲线。在某些实施例中，物理结构包含点云数据的建筑物立面、道路标志、路灯和植物(例如，树)。
二维特征几何结构可通过标识深度图的物理结构且将深度图划分或切片成在不同物理结构的高程处的一个或多个水平面来从深度图提取。接着可分析在每个水平切片/片段内深度图数据的某些几何结构。在划分或切片过程中，深度图数据从定义的高程以及在定义的高程上方及下方范围内存在的数据提取。举例来说，提取包括聚集在定义的高程的0.1米、0.2米、0.5米、1米或2米内的数据。换句话说，水平切片或片段的厚度为小于0.1米、小于0.2米、小于0.5米、小于1米、小于2米、0.1到2米、0.1到1米、0.1到0.5米，或0.1到0.2米。在一些实施例中，在定义的高程上方及下方范围内的深度图数据合并在一起或一起平均。
深度图数据的分析可为动态或迭代过程。在某些实施例中，分析多于一个水平面以便寻找在深度图内的显著或有用的特征几何结构。举例来说，在某些实施例中，选择第一高程，且将深度图切片成在第一高程处的水平面。此切片过程和分析减轻执行用于整个建筑物或所观察结构的复杂三维特征辨识或分类的需要。
分析水平面的显著特征几何结构如直线、已连接线或曲线的集合、弧或样条曲线。在一些实施例中，分析水平面的显著特征几何结构如已连接线的集合。举例来说，在已连接线的集合中可包含二维形状，所述二维形状包括四边形如正方形和矩形；或其它多边形如三角形、五边形、六边形、七边形、八边形、九边形、十边形等。在其它实施例中，可分析水平面的显著已连接曲线形状几何结构如圆或椭圆。此切片过程和分析减轻执行用于整个建筑物或所观察结构的复杂三维特征辨识或分类的需要。
在某种程度上，在第一高程、可选择的第二高程处的经提取的水平面中未标识有用的特征，其中数据在第二高程处提取和分析。过程可在多个高程处重复直到标识至少一个显著或有用特征几何结构。在一些实施例中，过程在距道路水平的更高高程处开始且以高程递增(例如，每5米)往下进行到道路。开始高程可根据所提供的用于特定路段区域的地图绘制数据确定，其中建筑物沿所述路段的大致高度为已知的。地图绘制数据可从单独的来源提供给地图数据库，且不一定是在数据收集交通工具编译且向数据库报道LIDAR数据的同时编译。
在某些实施例中，提取和分析可在一定数目的预定义高程(例如，距道路水平每5米)处执行。对于在路径网络中的每个路段，距道路水平的最高高程可为固定值(如在道路水平上方50米或100米)，或其可为根据用于每个路段位置的已知地图绘制数据的变量值(例如，对于一个路段分析的最高高程可为在道路水平上方20米，因为在路段位置处最高建筑物或结构为20米高)。在多个高程处提取和分析之后，可选定经提取的几何特征中的至少一部分用于指纹数据库中的存储器。在一些实施例中，经提取的特征根据其形状、尺寸、高程和变化/不变性分拣或排序。下面更详细地论述对特征的排序或分拣的确定。
提取用于每个水平切片或平面的几何结构可使用不同算法进行，其中在切片中的深度图数据转化成一个或多个二维几何结构。在某些实施例中，算法为线性回归算法、曲线回归算法、机器学习算法或其组合。举例来说，在某种程度上，在深度图切片中观察线性几何特征，线性回归算法用于从深度图切片提取线性特征且将深度图数据转化成2D线或已连接线的集合。在某种程度上，在深度图切片中观察弧或样条曲线，曲线回归算法用于从深度图切片提取弧或样条曲线特征且将深度图数据转化成2D弧或样条曲线。在一些实施例中，可在切片内观察多于一个几何特征。在这类情况下，可执行线性回归和曲线回归算法两者，以在切片中提取线性和曲线特征且将数据转化成包括线、已连接线或曲线的集合、弧样条曲线等的2D表示。
图1提供在不同高程处具有水平切片的深度图图像10的一个非限制性实例。在此图中，已分析被描绘为第一高程12和第二高程14的两个高程的特征几何结构。通过线性回归算法、曲线回归算法和/或机器学习算法，提取第一高程12的深度图数据的特征且表示为包括已连接线和弧的组合的第一2D表示16。在第二高程14中，提取过程已产生在第二高程处的包含两条线的第二2D表示18。
III.编码在指纹数据库中的特征几何结构
在某些实施例中，经提取的特征几何结构可地理参考且在指纹数据库中编码用于将来使用。也就是说，可访问具有经编码特征几何结构的指纹数据库，以帮助确定与数据库通信的数据收集装置(例如，交通工具)的位置(如下文更详细地论述)。
在某些实施例中，经提取的特征几何结构可地理参考某些信息，如具体几何结构特征或点的地理位置(例如，纬度、经度、高程、海拔高度)。这些二维特征几何结构可使用算法地理参考地图或地理位置，所述算法将2D几何结构的不同点与用于以下中的一个或多个的位置参考信息或值匹配：纬度、经度、距道路水平的高程和海拔高度。此过程当深度感测相机(例如，LIDAR相机)进行分析且提取与具有已知地理位置的数据收集交通工具通信时为可能的(例如，使用GPS或另一地理参考设备)。用已知交通工具位置和通过深度传感系统交通工具距经提取的几何结构的已知距离，地理值可分配给或参考经提取的几何结构。
举例来说，当特征几何结构为线或已连接线的集合时，沿线或已连接线的集合的点(包括线或已连接线的集合的端点)可地理参考关于纬度、经度、在道路上方的高程和线点的海拔高度的位置参考信息。对于弧几何结构，可地理参考沿弧的点，在其中提供关于半径、纬度、经度、在道路上方的高程和弧点的海拔高度的信息。对于样条曲线，可地理参考沿样条曲线的点以提供关于结、纬度、经度、在道路上方的高程和样条曲线点的海拔高度的信息。
经提取的特征几何结构的地理参考之后，地理参考的2D几何结构可在指纹数据库中编码。在某些实施例中，指纹数据库可根据提取位置存储特征几何结构。举例来说，特征可与交通工具参考(如在标识和提取特征几何结构时交通工具地理位置链接。
图2到5描绘用于指纹数据库的编码系统的实例。如图2所示，在数据库中编码的每个指纹含有特征几何结构(如线特征、弧特征和样条曲线特征)的列表。在某些实施例中，指纹包含包括地图参考属性，其规定在参考地图中对应于其中衍生指纹的交通工具参考的链路。地图参考可包含链路标识符和在链路上的经度距离。
此外，每个指纹包括交通工具参考，其提供在定位过程期间用于数据收集装置或交通工具三维参考点(下文描述)。参考点锚定在所述位置处所有经提取的特征几何结构，且促进在定位期间特征比较过程考虑在数据收集装置(例如，交通工具)与捕获/提取数据的交通工具之间焦点中的差异。交通工具参考描述从其提取特征几何结构的纬度、经度和海拔高度位置(如在提取时根据后胎在地上的接触点位置)。纬度、经度和海拔高度测量可使用世界测地系统(WGS)如WGS 84描述。
每个指纹还包括多个特征几何结构，如线特征、弧特征和样条曲线特征(在图3到5更详细描绘)。特征几何结构可按因子的重要程度顺序分拣或排序，其中在列表顶部处的特征几何结构比在列表底部处的特征具有更多个用于地理位置的显著或可标识特征。用于排序特征几何结构的方法下文详细描述，且也可应用于在指纹数据库中的特征几何结构编码中。在某些实施例中，对于每个位置特征几何结构列表包含至少5个、至少10个或至少15个不同特征几何结构。
图3详细描绘经编码的线特征。如图中所示，线特征表示具有两个控制点(即，在2D几何结构上可标识的经提取的点)的2D线几何结构。在一个实施例中，用于线的两个控制点可为线的相对端。线的控制点共用相同高程和海拔高度，因为点已在来自深度图的相同水平面上提取。因而，线特征几何结构的属性包括用于高程和海拔高度两者的通用值。高程可在交通工具参考上方以米为单位表达。用于每个控制点的单独的经度和纬度还编码线特征几何结构，且可在WGS 84坐标中表达。
图4详细描绘经编码的弧特征。如图中所示，弧特征表示具有两个控制点和半径的2D弧几何结构。在一个实施例中，两个控制点可为弧的相对端。弧的控制点共用相同高程和海拔高度，因为点已在来自深度图的相同水平面上提取。因而，弧特征几何结构的属性包括用于高程和海拔高度两者的通用值。用于每个控制点的单独的经度和纬度还编码弧特征几何结构，且可在WGS 84坐标中表达。
图5详细描绘经编码的样条曲线特征。如图中所示，样条曲线特征表示具有多个控制点和结的2D样条曲线几何结构(例如，B-样条曲线)。样条曲线的控制点共用相同高程和海拔高度，因为点已在来自深度图的相同水平面上提取。因而，样条曲线特征几何结构的属性包括用于高程和海拔高度两者的通用值。用于每个控制点的单独的经度和纬度还编码样条曲线特征几何结构，且可在WGS 84坐标中表达。
IV.使用指纹数据库确定终端用户装置位置
使用建立的用于路径网络的经编码的指纹数据库，配备有深度感测相机技术(例如，LIDAR相机)的终端用户装置(例如，交通工具、移动电话、智能手表等)可能够确定其在路径网络内的位置。终端用户装置可根据终端用户装置/交通工具周围装置自身的特征几何结构的标识确定其位置，且比较某些特征几何结构与建立的指纹数据库(在上文中论述)，其中位置根据特征或指纹与数据库的匹配来确定。在一些实施例中，装置的位置可通过标识特征几何结构和GPS数据的组合来确定。在其它实施例中，在不存在任何GPS数据的情况下，装置的位置仅通过特征几何结构的标识来确定。
配备有深度感测装置(例如，LIDAR相机)的终端用户装置(例如，交通工具、移动电话、智能手表等)可以上文对于在指纹数据库的结构中的数据收集装置所述的类似方式提取特征几何结构，以确定装置的位置。可选定一定数目的经提取的特征几何结构以定义指纹，且定义的指纹可与指纹数据库匹配以确定位置。
在一些实施例中，终端用户装置的位置可通过以下动作来确定：(1)在路径网络中的位置的近程内从指纹数据库获得或接收(初始)特征几何结构，(2)用来自指纹数据库的特征几何结构定向深度图，(3)比较来自深度图的定向特征几何结构的控制点与在指纹数据库中特征几何结构的控制点，和(4)确定通过终端用户装置来获得的特征几何结构与来自指纹数据库的特征几何结构的匹配率。如果匹配率不超过最小的预定阈值和/或匹配特征几何结构的数目不超过单独的预定阈值，那么上述动作可重复。动作中的每个在下文更详细地描述。
A.获得靠近装置的指纹用于比较
匹配来自装置深度图的特征几何结构与在指纹数据库中特征几何结构的过程可涉及选择有限数目的来自整体指纹数据库特征几何结构。可限制数目，因为匹配过程比较装置深度图与整个指纹数据库可太耗时。换句话说，分析或考虑所有可供用于定位的2D特征几何可为低效的。确定从数据库中选择哪些指纹可基于装置的估算的粗略的大致位置。
在某些实施例中，定位数据可用于提供大致位置。定位数据可从GPS或Wi-Fi定位数据提供。指纹接着可从在装置的测定的大致位置的半径内的数据库选定。半径可基于初始定位数据的准确性或信任度而变化。举例来说，半径可小于100米或大约100到200米(以便涵盖城市街区的区域)。在其它实例中，半径可包围几个城市街区(200到500米)、500到1000米，或1000到2000米。因此，半径根据位置而变化。举例来说，如果装置处于城市中间中，其中摩天楼浓度大且定位具有挑战性，从而产生“城市峡谷”，那么可使用较大半径。
B.用获得的数据库指纹定向装置深度-地图
随后确定装置的大致位置，由装置捕获的深度图可使用自指纹数据库获得的特征几何结构定向。换句话说，由装置捕获的深度图可不必与捕获且存储在指纹数据库中的深度图排成行，且因此可需要调整以允许准确比较。举例来说，装置的深度图传感器可定位在距深度图传感器在不同方向上，从而用于捕获指纹数据库的深度图。此外，装置的近似位置可不与用于捕获指纹数据库的深度图的交通工具或终端用户装置在路段上的相同位置处。
因此，由装置从深度图捕获的数据可沿路段移位以与捕获的存储在指纹数据库中的深度图数据的位置对准。在某些实施例中，对准不改变装置深度图数据。相反，装置深度图数据从其当前位置移位到捕获的用于指纹数据库的深度图的焦点。移位可包括与路段方向平行的移位(例如，沿行驶方向向后或向前)以及与行驶方向垂直的移位(例如，从行驶的一个车道到行驶的另一车道的侧向)。举例来说，在一个非限制性实施例中，指纹数据库可具有在三车道路段的中心车道中沿所述路段每50米收集的深度图。如果装置的深度图在右边车道中捕获，所述右边车道距指纹数据库数据的最近收集或捕获位置10米(如从初始定位近似的)，那么装置的深度图数据将与行驶方向平行以及与行驶方向垂直的一个车道移位10米以与中心车道对准。
此外，装置的深度图可经旋转以与所述方向对准，指纹数据库深度图在特定位置处捕获。装置的行驶方向可根据附属于装置的指南针或从GPS驾驶方向数据来确定。基于行驶方向，也可确定装置的深度图的方向(例如，捕获深度图可为行驶方向)。可调整装置的深度图的方向与指纹数据库深度图数据之间的任何差异以对准数据用于更容易比较。换句话说，如果指纹数据库包括由定位在向西方向上装置捕获的深度图数据，那么可旋转装置的深度图如同在相同向西方向捕获。
C.比较装置和指纹数据库特征几何结构
在来自装置的深度图与指纹数据库深度图对准之后，比较可在特征装置深度图中的几何结构与获得的指纹数据库的特征几何结构之间进行。在某些实施例中，来自装置的深度图的特征几何结构(1)经分析且基于一个或多个因素分拣或排序，其中(2)来自选定较高排序的特征几何结构的控制点与在定义的控制点范围或限界框内标识的指纹数据库的特征几何结构控制点比较，和(3)过程可在装置周围的多个位置或片段(例如，象限)中重复。
1.排序/分拣特征几何结构
换句话说，来自装置深度图的特征几何结构可根据两个主要因素选定。第一因素为特征几何结构的排序，且第二因素为特征几何结构的几何精度衰减因子(GDOP)。在某些实施例中，装置在路径网络中的定位过程包含(1)标识装置周围特征几何结构，(2)确定每个特征几何结构的特性(例如，形状、尺寸、高程、变化)和位置(GDOP)，(3)根据特征几何结构特性对其排序，和(4)选定很大程度上分布(高GDOP)且具有高排序值的特征几何结构的指纹。
a.因素1：特征几何结构的GDOP
GDOP表示围绕终端用户装置(例如，交通工具)的结构或特征几何结构的地理分布。换句话说，在一个选定特征几何结构的位置与每个额外特征几何结构之间的关联为一个因素。在某些实施例中，最佳或最高GDOP由装置周围大部分平均分布结构或特征几何结构提供。在一些实施例中，最佳或最高GDOP基于如在x-y平面(即，忽略在z轴上每个结构的高程)中绘制的结构的分布来确定。
举例来说，如果终端用户装置(例如，交通工具)周围存在三个结构，那么可存在结构彼此间隔或隔开120度的最佳GDOP。换句话说，第一结构可在x-y平面中定位于距交通工具0度处(例如，如所测量，距行驶方向或道路的行驶方向)，第二结构可定位于距交通工具120度处，且第三结构可定位于距交通工具240度处。
如果交通工具周围存在四个结构，那么将存在每个结构彼此隔开90度的最佳GDOP。如果存在五个结构，那么最佳GDOP将出现在其中每个结构彼此间隔72度，等。
b.因素2：特征几何结构的排序
关于第二因素，特征几何结构(在每个扇区内或在整体深度图内)可根据以下特性中的一个或多个比较或排序：(1)特征的形状，(2)特征的尺寸，(3)特征的高程，和(4)特征的变化(或不变性)(即，特征的形状随时间推移变化到什么程度，或特征到底是否在某些时候存在)。在一些实施例中，可考虑额外因素，如特征几何结构或指纹颜色。标识颜色可需要附接或以其他方式连接到数据收集或终端用户装置(例如，交通工具)的额外设备，因为LIDAR相机不标识颜色。
关于形状特性，具有极简形状如线、弧和样条曲线的特征几何结构可比其它多个复杂形状排序较高，因为线、弧和样条曲线的简单性允许更高效处理。换句话说，如图6所描绘，表示在20米和50米高程处建筑物上的直线的特征几何结构可比捕获树的树枝的特征几何结构较简单。因此，由建筑物上的线表示的特征几何结构可比与树的树枝相关联的特征几何结构排序较高。
关于尺寸特性，尺寸较大的特征几何结构可比尺寸较小的特征几何结构排序较高。举例来说，在图6中，在20米和50米处左边建筑物上的特征几何结构将比在20米处右方建筑物上的特征几何结构排序较高。
关于高程特性，在距道路水平较高高程处的特征几何结构可比在距道路水平降低高程处的特征几何结构排序较高。换句话说，建筑物的高度可帮助标识特定位置，且因此对于每个位置的较高高程特征几何结构可排序较高。举例来说，在图6中，在50米高程处的特征几何结构可比在20米高程处的特征几何结构排序较高。在某些实施例中，在路径网络内的位置可没有在较高高程处的显著特征，其中在较低高程处的特征随后被选定。这可包括树或其它季节性特征。
关于变化特性，较少变化的特征几何结构给定高排序。特征几何结构的变化可考虑到特征的季节性。举例来说，在秋季或冬季，树叶可消失以将裸露的树枝暴露于LIDAR相机。树叶接着可在春季或夏季再度出现。因此，树的树枝、树叶等根据几何结构的季节性而变化，且因此可比多个不变的特征几何结构(如建筑物的直线或树的树干)分配较少权重。在一些实施例中，多个指纹可存储在指纹数据库中以准确地表示在不同季节期间变化的特征。特征几何结构的变化还可考虑特征几何结构是否在某些时候存在而在其它时候不存在(即，非静态物体)。举例来说，安装到交通工具的LIDAR相机可标识沿相邻车道中的路段行驶的另一交通工具(如大卡车)。此特征几何结构可给定非常低排序，这归因于其非静态性质。
关于颜色特性，包括明亮的或非中性颜色(如红色、粉红色、紫色、橙色、绿色、蓝色或黄色)的特征几何结构可给定比中性颜色(如灰色、黑色、棕色、米色或白色)较高等级。举例来说，在城市或大都市区区域中明亮的或非中性颜色可表示与呈现在城市或大都市区区域内的大多数钢结构相比特有建筑物或结构的颜色。通过标识这类特有建筑物颜色，装置可能够更加容易标识其在城市的路径网络内的位置。
在某些实施例中，特征几何结构根据上文所论述的特性的组合排序。组合可包含加权方法，其中每个特性给定权重/位置和时间。换句话说，每个特性的权重可在空间上和在时间上变化(即，权重可为动态的)。
在一个实施例中，特定特征几何结构的整体排序值使用特征的形状的排序值(“形状”)、特征的尺寸的秩值(“尺寸”)、特征的高程的秩值(“高程”)和特征的变化的秩值(“变化”)来计算。每个特征几何结构的整体排序值可使用下面的等式计算：
排序值＝W1×形状+W2×大小+W3×估计+W4×变化，
其中W1+W2+W3+W4＝1。
在某些实施例中，W1、W2、W3和W4具有相同权重，表明每个特性的重要性相同。在其它实施例中，给定W2(与特征几何结构的尺寸相关联)和/或W3(与几何结构的高程相关联)比W1(形状)和/或W4(变化)较高的权重。在某个具体实例中，给定W2四个因素中的最高权重。在其它实施例中，给定W3四个因素中的最高权重。在一个特定实施例中，从最高到最低的权重次序为：W3、W2、W1和W4。权重也可从历史数据中得知。权重的排序可通过位置和时刻来变化。
在一个实例中，四个特征几何结构基于四个因素彼此比较。在此实例中，给定每个因素相同权重(W1＝W2＝W3＝W4＝0.25)。因素用真或假的布尔型(Boolean)值来定义，其中真＝1且假＝0。真值可表示高排序特性，如具有长度尺寸大于10米的几何结构、距道路水平大于10米的高程、线、已连接线或曲线的集合、弧或样条曲线的形状，或不变的几何结构。假值可表示低排序特性，如具有长度尺寸小于10米的几何结构、距道路水平小于10米的高程、比线、已连接线或曲线的集合、弧或样条曲线更复杂的形状，或变化的几何结构。确定每个特征的排序值，且基于排序值确定整体排序。预言性实例的结果示出在下表中。
表：排序特征几何结构
Figure BDA0001396457010000151
Figure BDA0001396457010000161
在其它实施例中，特征几何结构可使用与布尔型值组合的数值或可替代地根据布尔型值排序。举例来说，用于分拣特征的值可包括每个特征的实际长度或尺寸或每个特征距道路水平的高程，同时每个特征的形状或每个结构的变化可使用布尔型真或假特征性定义。
c.GDOP和特征排序的组合
在某些实施例中，包含多个特征几何结构的指纹可通过来自终端用户装置(例如，交通工具)周围不同位置或区的特征几何结构的组合。在一些实施例中，过程包含选择既很大程度上分布(即，具有高GDOP)又具有高排序值的特征几何结构。在某些实施例中，过程可包含将深度图划分成多个区段或区(例如，至少3个、4个或5个区段或区)，其中结构在深度图的每个区段中标识，且在那些结构内的特征几何结构相对于彼此排序。在某些实施例中，每个区段或区包含深度图的相等体积。整体指纹包含选定在深度图的每个区段内的最高排序的特征几何结构。在一些实施例中，在某种程度上，在深度图的区段内没有结构被标识，额外结构(即，多于一个结构)或在单个结构内的额外特征几何结构可在邻近区段中标识。
在某些实施例中，过程选定考虑用于确定装置的位置的特征几何结构的最大数目(top number)。在一些实施例中，选择包含至少2个、至少3个、至少5个、至少10个或至少15个特征几何结构。
2.计算限界框，引导提取和比较
在排序来自装置的深度图的特征几何结构之后，可在选定数目的高排序的特征几何结构与指纹数据库内的特征几何结构之间进行比较。
过程可包括从深度图选定在一个区段(例如，象限)中的第一高排序特征几何结构，且标识与选定特征几何结构相关联的控制点。每个控制点包括x、y及z位置坐标(即，纬度、经度和海拔高度或道路高程)。基于控制点的位置坐标，可计算限界框以涵盖围绕特征几何结构的控制点的体积。限界框提供控制点的缓冲区或有限范围，深度图数据与其比较。因此，不指定准确的点匹配。换句话说，在限界框内，随后标识指纹数据库的特征几何结构和控制点用于比较过程。这可允许经改善的处理速度，因为实际比较来自指纹数据库的有限数目的特征几何结构。
在从限界框内的指纹数据库提取控制点与装置深度图的控制点的比较中，可计算匹配的准确性。在某些实施例中，控制点的比较可遵循最西南点为几何结构的开始的惯例，以帮助比较。在一些实施例中，匹配的准确性由控制点之间相似度的整体测量来定义。相似度的测量可从在装置经提取的特征几何结构的每个控制点与来自指纹数据库的控制点之间的平均偏差(或几何结构“匹配率”)来计算。偏差可通过取两个控制点的平均差来计算。任何相似度搜索算法可用于计算偏差，如线性搜索算法、空间分割算法、局部敏感哈希算法、最近邻域搜索算法、向量近似文件型算法、基于压缩/聚类的搜索算法，或贪心步行式算法(greedy walks-type algorithms)。
在某些实施例中，如果在来自装置的控制点与来自指纹数据库的控制点之间的平均偏差小于预定义阈值，那么来自指纹数据库的控制点被标识为具有高匹配率(即，具有超过阈值的匹配率)。因此，高匹配率特征几何结构为多点定位的候选(下面更详细地论述)，其中更准确地计算装置的位置。如果平均偏差大于预定义阈值，那么来自指纹数据库的控制点可因为用于多点定位计算的候选具有低匹配率被消除，且选定新特征几何结构用于分析和比较。新特征几何结构可为装置周围下一最高排序的特征几何结构，或装置周围具体区(例如，象限)内下一最高排序的特征几何结构。
3.重复装置周围多个区(例如，象限)的过程
在某些实施例中，比较特征几何结构的过程为迭代过程。可重复过程以标识装置周围一定数量的高排序特征几何结构，以便寻找具有高匹配率的多于一个特征几何结构。在某些实施例中，当满足或超过具体数目的特征几何结构时结束迭代过程，其中每个特征几何结构具有超过最小阈值的匹配率。举例来说，特征几何结构的临限数目可为2、3、4或5+。
在某些实施例中，为了实现用于多点定位计算的阈值数目的特征几何结构，过程可包括将装置周围的体积划分成多个区(例如，象限)，且标识具有与每个区的可接受的匹配率的特征几何结构。这类区段可考虑高GDOP(以上阐述的)。在一些实施例中，特征几何结构可不存在于一个或多个区内，或在一个或多个区内无可接受的匹配率可标识。在这类实施例中，过程可包含在具有可接受的匹配率的区内标识额外(即，多于一个)特征几何结构，以提供用于多点定位计算的阈值数目的特征几何结构。
确定整体匹配率(个体几何结构匹配率的概述)。
可在已标识阈值数目的特征几何结构之后计算整个指纹的整体匹配率，其中每个特征几何结构具有超过阈值的个体匹配率。整体指纹匹配等级可进行加权计算，其中较高权重被分配给较高排序的特征几何结构。
如果整体指纹匹配率超过预定阈值，那么可进行多点定位计算以确定装置的位置。如果整体匹配率不超过预定阈值，那么过程可重复，其中从指纹数据库选定下一最接近指纹且与来自装置的深度图数据和高排序特征几何结构比较。
V.确定在路径网络中的定位
在包含多个特征几何结构的指纹的最终用户装置或交通工具的选择之后，装置可通过已连接网络将指纹数据发射到指纹数据库。指纹数据库接着可比较所发射的特征几何结构与其存储的特征几何结构数据。
在比较过程中，基于选定和发射的特征几何结构的独特性，数据库能够将选定和发射的特征几何结构与存储在指纹数据库中的特征几何结构匹配。通过此匹配过程，指纹数据库将特征几何结构的位置数据发射回到装置。此位置数据可包括特征几何结构的经编码数据(在上文中论述)，如特征几何结构的控制点数据。换句话说，发射控制点的经编码数据包括发射控制点的纬度、经度和海拔高度。
使用所发射的控制点数据，且知道装置距控制点的测得的距离，可确定装置的地理位置。此外，在一些实施例中，可确定装置的地理定向(例如，行驶方向)。即，当匹配特征几何结构且知道特征几何结构相对于深度感测装置定位的定位时，可确定定向，其最佳对准特征几何结构以指示装置的定向和深度感测装置的定向(例如驾驶方向)。
在某些实施例中，通过多点定位过程使用所发射的控制点数据和距控制点的测得的距离(即，距控制点的半径)来确定地理位置。
在某些实施例中，通过多点定位过程使用至少3个控制点(和与每个控制点相关联的相关联纬度、经度和海拔高度)来确定装置的地理位置。在其它实施例中，使用至少4个控制点。在另外其它实施例中，使用5个或更多个控制点计算汽车的地理位置。在替代的实施例中，仅2个控制点可与GPS数据结合用于确定终端用户装置或交通工具的地理位置。
装置的地理位置可在其地面实况或真实位置(即，装置的实际纬度/经度，和任选地海拔高度，坐标)的1米内计算。在一些实施例中，地理位置可在地面实况或真实位置的0.5米、0.1米、50厘米、20厘米、10厘米、5厘米、3厘米、2厘米或1厘米内计算。
图6提供多点定位过程的一个非限制性实例。在此实例中，交通工具20(即，交通工具的处理器)已标识和选定交通工具周围四个特征几何结构以表示位置的指纹。即，交通工具20已标识和选定在第一建筑物24上的两个直线特征几何结构，所述特征几何结构出现在道路水平上方20米和50米高程处。交通工具20还已标识和选定出现在第二建筑物26上20米高程处的额外直线特征几何结构。此外，交通工具20已标识和选定在2米高程处交通灯杆28的特征几何结构。
在发射这些特征几何结构且与指纹数据库匹配之后，指纹数据库返回这些几何结构中的每个的控制点数据。举例来说，如图6中所示，控制点被标识为直线22a、22b、22c、22d、22f和22g的端点，以及表示交通灯杆的单个点22e。控制点22a到22g中的每个包括维度、经度和海拔高度信息。与在交通工具20与每个控制点之间标识的距离结合，此控制点信息可用于确定交通工具20通过多点定位计算的位置。
图7a和7b提供此过程的另一实例，其中交通工具的位置通过提取特征几何结构、与指纹数据库匹配几何结构和多点定位过程来确定。举例来说，在图7a中，四个直线特征从围绕交通工具的三个建筑物32、34和36提取。通过与指纹数据库的匹配过程，特征几何结构的控制点信息中继回到交通工具以用于处理。如图7b所示，这四个直线特征含有7个控制点，其中d1到d7描绘从交通工具到每个控制点的标识的距离。使用这些距离和控制点信息(例如，纬度、经度和海拔高度)确定交通工具的地理位置。
图8提供基于三个控制点P1、P2、P3的多点定位过程的另一实例。三个控制点的地理坐标被标识为(0，0)、(d，0)和(i，j)。从交通工具到控制点的距离由半径r1、r2、r3标识。基于这些已知距离和来自指纹数据库的控制点的地理位置，计算交通工具的大致地理位置。举例来说，在此情况下交通工具的位置的x、y及z坐标可使用以下等式计算：
Figure BDA0001396457010000201
Figure BDA0001396457010000202
Figure BDA0001396457010000203
如图8所描绘，大致位置在三个球的交叉点内。
在一些实施例中，如在自主或HAD交通工具情况下，在处理和确定交通工具的地理位置或定向之后，交通工具可处理报告的数据，且作出是否警告操作者或采取行动的决定。在某些实施例中，在与导航装置通信的交通工具或另一计算机系统中的导航装置可包括用于引导交通工具的指令或生成用于操纵交通工具、换档、增大和减小油门，以及基于报告的位置或定向数据制动的驱动命令。
VI.更新多点定位过程
在一些实施例中，在多点定位计算和确定装置在路径网络中的位置之后，可重复过程以致力于进一步优化装置计算的位置的准确性，或连续跟踪装置沿路段或道路网络的移动。换句话说，确定装置的位置可为迭代过程。初始多点定位计算可被用作将来改进和位置计算的开始点。
举例来说，初始多点定位计算可用于提供经更新的开始位置点(代替GPS或Wi-Fi定位确定)。此经更新的开始点可用于从指纹数据库获得经更新的特征几何结构。装置可根据这些经更新的特征几何结构定向，其中可比较指纹控制点且确定匹配率。可进行新多点定位计算，且再次更新装置的位置。过程可一再地重复，如在定义的时间间隔(例如，每分钟、5分钟等)或在定义的行驶间隔(例如，每100米、500米、1000米等)。
在一些实例中，根据终端用户装置(例如，在路径网络内沿着路段往下行驶的交通工具)的连续移动，可确定经更新的位置计算。在某些实施例中，装置的先前计算的位置可与额外信息组合使用，以确定来自指纹数据库的特征几何结构的大致搜索区域。举例来说，额外信息可包括装置的驾驶方向和速度以及与先前取样深度图的时间差异。
在某些实施例中，当通过装置收集深度图时可影响迭代收集过程。举例来说，下一位置计算可被配置成符合存储在指纹数据库中的取样数据的位置。随着装置继续沿着路段行驶，装置可被配置成在与存储在指纹数据库中取样深度图类似的位置处收集其下一深度图。举例来说，如果初始深度图被确定为远离指纹数据库中每50米路段取样的深度图约25米，那么可编程或触发通过装置来取样的下一深度图以按指纹数据库的特定样本位置(例如，在距先前取样位置25米或75米)顺序收集新深度图数据。
VII.流程图实施例
图9示出用于确定在路径网络内终端用户装置的位置的实例流程图。流程图的过程可通过图10和11中所描述并示出的导航数据系统100或装置201来执行。可替代地，另一装置可被配置成执行以下动作中的一个或多个。可包括额外、较少或不同的动作。
在动作S101，在路径网络中位置的深度图通过终端用户装置来收集或通过外部处理器来接收。深度图可使用深度感测装置如LIDAR相机收集。深度图可通过已连接的网络保存或发射到处理器用于进一步分析。
在动作S103，从指纹数据库获得指纹的特征几何结构。选自数据库的指纹可最接近于终端用户装置在路径网络中的估计位置。终端用户装置的位置的初始估计可通过GPS或Wi-Fi定位数据来提供。
在动作S105，深度图以指纹的特征几何结构来定向。可通过在路径网络中沿路段，平行于以及垂直于行驶方向移位深度图以将深度图与指纹数据库的收集位置对准来定向深度图。深度图也可通过旋转深度图以将深度图与在收集位置处的捕获方向对准来定向。
在S107，来自深度图的定向特征几何结构的控制点与在指纹内的控制点比较。可通过定义涵盖来自深度图的定向特征几何结构的所有控制点的纬度、经度和海拔高度坐标的限界框来标识指纹内的控制点用于比较。
在S109，基于来自深度图的定向特征几何结构的每个控制点与从数据库检索的指纹中的相应控制点之间的平均偏差计算定向特征几何结构的个体匹配率。当平均偏差低于预定义阈值时，来自指纹数据库的选定特征几何结构可保存用于进一步分析，其中提供可接受的匹配率。
在S111，当个体匹配率不可接受时，重复过程，其中选定下一最接近于终端用户装置的大致位置的新指纹用于定向、比较和计算匹配率。
在S113，当确定用于特征几何结构的可接受的匹配率，或在深度图内耗尽用于具体特征几何结构的比较选项时，在深度图中标识额外特征几何结构用于比较。
在S115，重复用于每个特征几何结构的过程，直到已标识特征几何结构的阈值数目具有可接受的个体匹配率。
在S117，当已标识可接受数目的几何结构具有超过阈值最小水平的个体匹配率时，可计算整体匹配率。如果整体匹配率超过最小阈值水平，那么可使用多点定位计算来计算终端用户装置的地理位置。如果整体匹配率不超过最小阈值水平，那么可在动作S103重复过程。如果不超过匹配率阈值，那么仍然可提供位置，但是具有识别装置的地理位置的准确性的较低信任度。
在S119，可重复确定终端用户装置的位置的整体过程，其中收集新深度图。在来自指纹数据库的新指纹中所接收的新特征几何结构可根据在动作S117中计算的确定的地理位置来选定。
VIII.导航和网络系统
图10描绘可用于收集深度图数据或确定装置在路径网络中的位置的地理和/或导航数据系统100的一个实施例。地理数据或导航系统100包括(但不限于)在地理区112中的路径网络108上行驶的数据收集或终端用户装置104、装置116、处理装置128、工作站或计算机132，和/或数据库136。可提供额外、较少或不同的部件。举例来说，可提供代理服务器、名称服务器、地图服务器、高速缓存服务器或超高速缓存网络、路由器、交换机或智能交换机、额外计算机或工作站、用户接口、管理部件，如管理工作站、网关装置、干线、端口、网络连接，和/或网络接口。虽然在图10中的部件示出为彼此分离，但是可合并这些部件中的一个或多个。
数据收集或终端用户装置104为交通工具，如汽车、卡车、摩托车、自行车、赛格威或用于在路径网络108上移动的其它运输装置或机械装置。可替代地，数据收集或终端用户装置104可表示步行者，如人类或动物，其沿路径网络108行走或移动。路径网络108为道路网络和/或收集的其它途径。举例来说，路径网络108为由不同道路组成的道路网络。道路可用于在如局部和邻域街道以及高速公路上驱动交通工具。另外，替代或补充传统街道，路径网络108可包括自行车道路或路径、步行路径或其它行驶路径。可替代地，路径网络108可为没有具体路径或行驶限定的开放区域空间。路径网络108处于地理区112如城市、郊区、州、国家和/或其它地理区中。
在某些实施例中，数据收集或终端用户装置104为自主交通工具或高度自动驱动(HAD)交通工具。如本文所述的，“自主交通工具”可涉及其中不需要乘客搭乘以操作交通工具的自我驱动或无人驾驶模式。自主交通工具可被称为机器人交通工具或自动交通工具。自主交通工具可包括乘客，但是驾驶员不是必需的。这些自主交通工具可在无操作人员的情况下自行停车或在位置之间移动货物。自主交通工具可包括多个模式和在所述模式之间的过渡。
如本文所述的，“高度自动驱动(HAD)交通工具”可是指不完全代替操作人员的交通工具。相反，在高度自动驾驶模式中，交通工具可执行一些驱动功能且操作人员可执行一些驱动功能。交通工具也可以手动模式驱动，在所述手动模式中操作人员对交通工具的移动实行一定程度的控制。交通工具还可包括完全无人驾驶模式。其它自动水平是可能的。
数据收集或终端用户装置104沿路径网络108行驶或在其附近移动以收集数据。支撑装置或外壳116与装置104附接或连接或通过其来传送。支撑外壳116可为或可包括设备以收集表示道路或路径或其它区域附近或围绕所述道路或路径的区域或其它区域的数据。举例来说，所收集的数据可为激光，LIDAR、图像，和/或视频/相机数据(如在可见光谱或其它频谱中)。可收集其它数据如位置数据、GPS数据和/或其它地理数据。
在一个实施例中，支撑外壳116为附接到步行者(数据收集或终端用户装置104)或通过其来传送的外壳或容器，且随着步行者在路径、人行道或其它区域上和/或在所述路径、人行道或其它区域上移动，在支撑外壳116中的设备如LIDAR系统和/或相机收集数据。在另一实施例中，支撑外壳116为附接到交通工具的外壳或容器，且随着交通工具在道路或路径上和/或在所述道路或路径上移动，在支撑外壳116中的设备如LIDAR装置和/或相机收集或聚集对应于周围区域的数据。可替代地，支撑外壳116可为LIDAR装置或摄像机装置自身或其零件。支撑外壳116可定位在装置(例如，交通工具)的后端处且可成角度以增强收集。在其它实施例中，支撑外壳116可定位在交通工具、步行者或装置的任何地点和在任何方向上。
所收集的数据存储在一个或多个非暂时性计算机可读媒体120上，如CD-ROM、DVD、快闪驱动器、硬盘驱动器或适于存储数据的其它实体媒体。不同类型的数据可存储在相同媒体120上。可替代地，单独的非暂时性媒体120可用于存储单独或不同类型的数据。在一个实施例中，LIDAR或激光数据、照片(如数字或电子照片)、视频图像和/或通过装置104和/或支撑外壳116来收集的其它图像数据存储在中一个或多个非暂时性媒体120。可替代地，非暂时性媒体120可为传送或具有数据的信号。所收集的LIDAR或图像数据可表示路径、道路或其它区域附近或围绕所述路径、道路或其它区域的区域或区。所收集的激光或LIDAR数据和/或图像可包括地理特征，如天空特征、地形或周围特征、道路或路径(如人行道)、道路或路径标记(如人行横道或车道标记)、道路或路径标志、兴趣点(“POI”)如建筑物、公园、博物馆等和/或其它特征或物体。
经由一个或多个非暂时性媒体120所收集的数据发送到地图、地理和/或导航数据开发者124，如HERE或芬兰诺基亚公司(Nokia Corporation)。举例来说，非暂时性媒体120可邮寄到或带到地图开发者124。可替代地，所收集的数据中的一些或全部可经由无线和/或有线网络发射到地图开发者124。举例来说，网络可包括因特网、内联网、局域网(“LAN”)、广域网(“WAN”)虚拟专用网络(“VPN”)、服务器网络、蜂窝式网络、卫星网络、广播网、无线或有线连接，和/或任何已知的或将来的网络或连接。术语“地图开发者”还可包括第三方承包商。
由地图开发者124维护的处理装置128接收所收集的数据。处理装置128为一个或多个服务器、计算机(如桌面塔式或膝上型计算机处理单元)、处理器和/或其它电子处理系统或装置。处理装置128包括(但不限于)处理器140、存储器144和图像软件应用148。可提供额外、较少或不同的部件。
处理装置128可包括工作站或计算机132或与其通信。举例来说，工作站132为用户接口、电子控制台和/或具有一个或多个输入装置的计算机，其可用于访问、控制处理装置128或其部件和/或与处理装置128或其部件通信。
处理器140为通用处理器、专用集成电路(“ASIC”)、数位信号处理器、现场可编程门阵列(“FPGA”)、数字电路、模拟电路或其组合。在一个实施例中，处理器140为经操作以控制处理装置128的不同电子器件和逻辑和/或与其通信的一个或多个处理器。存储器144为任何已知的或将来的存储设备。存储器144为非易失性和/或易失性存储器，如随机存取存储器“RAM”(电子)、只读存储器“ROM”(电子)或可擦除可编程只读存储器(EPROM或快闪存储器)。可提供存储器网络。存储器144可为处理器140的一部分。存储器144为可操作的或被配置成存储激光、LIDAR和/或图像数据或其它数据。
处理器140或其它处理器被配置成或适用于执行图像软件应用148，其可存储于存储器144或其它存储器中。举例来说，图像软件应用148基于模型数据(如对应于地理区域的三维模型数据)生成多层图像(如二维可缩放矢量图形(“SVG”)多层图像)。在一个实施例中，应用148标识和/或接收三维模型数据，如所收集的三维LIDAR点云数据，且执行下面详细论述的过程或渲染序列，以生成地理区域多层图形图像。所生成的多层图形图像可用于导航或地理系统以及多种用户接口、装置或系统中。另外，所生成的多层图形图像可出于配置目的提供这类系统和/或装置的开发人员。
在一个实施例中，一个或多个所生成的多层图形图像存储在与处理装置128通信的数据库136中、与其链接、在其中创建索引和/或与其相关联。可替代地，一个或多个所生成的多层图形图像存储在可或可不与数据库136或其数据相关联的一个或多个分开的或不同的数据库中。在一个实施例中，地理数据库136包括用于导航相关和/或地理相关服务的数据。举例来说，地理数据库136含有表示道路网络(如路径网络108)的路段/链路和节点数据记录。节点表示路段和/或交叉点的端点。路段和节点可与属性相关联，所述属性如地理坐标、街道名称、地址范围、速度限制、交叉口转向限制，和其它交通工具导航属性，以及POI，如加油站、旅馆、餐馆、博物馆、体育场、办公室、汽车经销商、汽车修理店、建筑物、商店等。可替代地，地理数据库136含有除了交通工具道路记录数据之外或取而代之的表示步行者路径的路段/链路和节点数据记录或其它数据。
地理数据库136可为以促进更新、维持和开发格式存储的主要地理数据库。举例来说，主地理数据库136或在主地理数据库136中的数据呈Oracle空间格式，如出于开发或生产目的。可将Oracle空间格式或开发/生产数据库编译成递送格式，如GDF格式。
可将呈生产和/或递送格式的数据编译或进一步编译以形成地理数据库产品或数据库152，其可用于终端用户导航装置或系统或其它系统或装置。举例来说，地图开发者124(如导航装置或系统的开发者)的客户可接收所生成的多层图形图像以及呈递送格式的其它地理数据，并且然后编译和/或配置用于终端用户装置的这类数据。在一个实施例中，将地理数据编译(如成PSF格式)，以通过导航装置来将数据(例如，区段/链路、节点、多层图形图像和/或其它数据或属性)组织和/或配置成进行导航相关功能和/或服务如路线计算、路线导引、地图展示、速度计算、距离和行驶时间功能和其它功能。导航相关功能可对应于交通工具导航、步行者导航或其它类型的导航。
图11示出装置201的部件的实施例。举例来说，装置201可为数据收集或终端用户装置104如交通工具的实施例，或可与支撑装置116类似。在一个实施例中，装置201为包括收集数据的设备的支撑件或外壳。举例来说，装置201可移除或一体地与交通工具附接或连接。装置201定位在交通工具的顶部后端处。可替代地，装置201可以任何角度定位在交通工具的任何部分上或其中。在另一实施例中，装置201附接到步行者上或由其携带。举例来说，装置201可为LIDAR装置或用于收集三维数据的其它装置。
装置201包括(但不限于)处理器205、存储器209、定位系统213、数据收集或终端用户装置217，和相机或相机装置221。可提供额外、较少或不同的部件。举例来说，可提供输入装置。输入装置可为一个或多个按钮、小键盘、键盘、鼠标、车身造型设计师的笔、轨迹球、拨动开关、触摸板、语音识别电路，或在装置201的部件中的一个或多个中控制或数据输入的其它装置或部件。虽然在图11中的部件示出为彼此分离，但是可合并这些部件中的一个或多个。另外，部件中的一些可在装置201外面提供。举例来说，如果装置201为附接到交通工具的外壳，那么定位系统213、处理器205、存储器209、输入装置和/或其它部件可在交通工具中或在交通工具的另一部分上，同时数据收集或终端用户装置217和相机221在装置201中。数据收集或终端用户装置217和相机221也可分离成不同罩壳或支撑件。
处理器205与处理器140类似或不同。处理器205被配置成操作收集设备如定位系统213、数据收集或终端用户装置217和相机系统221。举例来说，处理器205将命令发送到不同收集装置以收集数据且同步或管理不同部件。另外，处理器205被配置成将来自收集装置的数据存储到存储器209中。存储器209与存储器144类似或不同。存储器209为可操作的或被配置成存储所收集的光、激光、LIDAR、图像和/或位置数据或其它数据。存储器209可为非暂时性计算机可读媒体120的一部分或可为分开的存储器。
定位系统213为GPS系统、一个或多个机械和/或电学传感器、一个或多个陀螺仪、局部定位系统、一个或多个方向传感器，或用于提供位置数据(如装置201的位置数据(例如，经度、纬度和/或海拔高度和/或方向数据)的其它系统或装置、其部件，或附接装置如交通工具。
相机221为用于拍摄区域周围图片或视频的一个或多个相机。举例来说，相机系统221包括当交通工具沿道路或路径驾驶时记录表示道路或路径及其附近地理特征的视频数据(如在可见光光谱中)的摄像机。相机221还可捕获与视频数据分隔的静态照片。相机221能够捕获地理特征的不同颜色和相关联文本。
数据收集或终端用户装置217包含光数据收集装置。举例来说，装置或系统217可包括光源和光接收器。在一个实施例中，数据收集或终端用户装置217包含LIDAR装置或传感器、激光装置和/或通过发射和接收光来收集数据点(如三维数据)的其它装置。
在上述实施例中，通信网络可包括有线网络、无线网络或其组合。无线网络可是蜂窝式电话网络、802.11、802.16、802.20或WiMax网络。此外，网络可为公网，如因特网，私网，如内联网，或其组合，并且可利用现在可获得的或后续开发的多种联网协议，包括(但不限于)基于TCP/IP的联网协议。
虽然描述非暂时性计算机可读媒体是单一媒体，但是术语“计算机可读媒体”包括单一媒体或多个媒体，如集中式或分布式数据库和/或存储一个或多个指令集的相关联的高速缓冲存储器和服务器。术语“计算机可读媒体”还应包括具有以下特点的任何媒体：能够存储、编码或传送用于由处理器执行的指令集，或使计算机系统执行本文中所公开的任何一种或多种方法或操作。
在特定的非限制性示例性实施例中，计算机可读媒体可包括固态存储器，如存储卡或其它容纳一个或多个非易失性只读存储器的封装。此外，计算机可读媒体可为随机存取存储器或其它易失性可重写存储器。此外，计算机可读媒体可包括磁光或光学媒体，如用于捕获经由传输媒体传送的如信号的载波信号的盘或带或其它存储装置。电子邮件的数字文件附件或其它独立信息档案或档案集可被视为有形存储媒体式的分布媒体。因此，本公开被视为包括可存储数据或指令的任何一个或多个计算机可读媒体或分布媒体以及其它等效物和后继媒体。
在替代实施例中，可建构专用硬件实施方案(如专用集成电路、可编程逻辑阵列和其它硬件装置)以实施本文所描述的一种或多种方法。可包括各种实施例的设备和系统的应用可广泛地包括多种电子和计算机系统。本文所描述的一个或多个实施例可使用两个或更多个特定的互连硬件模块或装置实施功能，其中可在模块之间并且通过模块传送相关控制和数据信号，或可作为专用集成电路的部分实施功能。因此，本发明的系统涵盖软件、固件和硬件实施方案。
根据本公开的各种实施例，本文所描述的方法可通过计算机系统可执行的软件程序来实施。另外，在一个示例性非限制性实施例中，实施方案可包括分布式处理、部件/对象分布式处理，以及并行处理。可替代地，可建构虚拟计算机系统处理来实施如在此所描述的一种或多种方法或功能性。
尽管本说明书描述根据特定标准和协议在特定实施例中可实施的部件和功能，但本发明不限于这类标准和协议。举例来说，用于因特网和其它分组交换网络传输的标准(例如TCP/IP、UDP/IP、HTML、HTTP、HTTPS)表示目前先进技术的实例。这类标准被功能基本上相同的更快或更高效的等效标准周期性地取代。因此，功能与本文中所公开的标准和协议相同或相似的替代标准和协议被视为它们的等效物。
计算机程序(也被称作程序、软件、软件应用、脚本或代码)可以任何形式的编程语言编写，包括编译或解译语言，且其可以任何形式部署，包括作为独立程序或作为适合于在计算环境中使用的模块、部件、子例程或其它单元。计算机程序不一定与文件系统中的文件相对应。程序可存储在保持其它程序或数据(例如，存储在标记语言文档中的一个或多个脚本)的文件的一部分中、存储在专用于所讨论的程序的单个文件中，或存储在多个经协调文件(例如，存储一个或多个模块、子程序或代码的部分的文件)中。计算机程序可经部署以在一个计算机上或在位于一个位点或跨越多个位点分布并由通信网络互连的多个计算机上执行。
本说明书中所描述的过程和逻辑流程可由一个或多个可编程处理器执行，所述可编程处理器执行一个或多个计算机程序以通过对输入数据操作且产生输出而执行功能。过程和逻辑流程也可由专用逻辑电路(例如现场可编程门阵列(FPGA)或专用集成电路(ASIC))执行，且设备也可经实施为所述专用逻辑电路。
如本申请中所使用，术语“电路”(circuitry或circuit)是指所有以下各物：(a)仅硬件电路实施方案(如仅模拟和/或数字电路中的实施方案)和(b)电路和软件(和/或固件)的组合，如(在适当时)：(i)(一个或多个)处理器的组合或(ii)(一个或多个)处理器/软件的部分(包括(一个或多个)数字信号处理器)，软件和(一个或多个)存储器，其一起工作以使得如移动电话或服务器的设备执行各种功能)，以及(c)电路，如(一个或多个)微处理器或(一个或多个)微处理器的一部分，其需要软件或固件以用于操作，即使软件或固件物理上并不存在也是如此。
“电路”的此定义适用于此术语在本申请中(包括在任何权利要求中)的所有使用。作为另一个实例，如本申请中所使用，术语“电路”还将涵盖仅处理器(或多个处理器)或处理器的一部分及其伴随的软件和/或固件的实施方案。术语“电路”还将涵盖(例如并且如果适用于特定权利要求要素)基带集成电路或移动电话中的应用处理器集成电路或服务器、蜂窝网络装置或其它网络装置中的类似集成电路。
适合于执行计算机程序的处理器包括例如通用和专用微处理器两者，和任何种类的数字计算机的任一个或多个处理器。一般来说，处理器从只读存储器或随机存取存储器或两者接收指令和数据。计算机的基本元件是用于执行指令的处理器以及用于存储指令和数据的一个或多个存储器装置。一般来说，计算机还包括用于存储数据的一个或多个大容量存储装置，或以操作方式耦合以从所述大容量存储装置接收数据或向其传送数据或进行这两种操作，所述大容量存储装置例如磁盘、磁光盘或光盘。然而，计算机无需具有此类装置。此外，计算机可嵌入在另一装置中，例如移动电话、个人数字助理(PDA)、移动音频播放器、全球定位系统(GPS)接收器，仅列举一些。适合于存储计算机程序指令和数据的计算机可读媒体包括所有形式的非易失性存储器、媒体和存储器装置，包括例如：半导体存储器装置，例如EPROM、EEPROM和快闪存储器装置；磁盘，例如内部硬盘或可装卸式磁盘；磁光盘；以及CD ROM和DVD-ROM盘。处理器和存储器可由专用逻辑电路补充或并入在专用逻辑电路中。
为了提供与用户的交互，在本说明书中所描述的主题的实施例可在具有显示器(例如，CRT(阴极射线管)、LCD(液晶显示器)监视器)以用于向用户显示信息且具有用户可用来对计算机提供输入的键盘和指向装置(例如，鼠标或轨迹球)的装置上实施。其它种类的装置同样可用于提供与用户的交互；例如，向用户提供的反馈可是任何形式的感觉反馈(例如视觉反馈、听觉反馈或触感反馈)；并且来自用户的输入可按任何形式接收，包含声学、语音或触感输入。
本说明书中所描述的主题的实施例可在计算系统中实施，所述计算系统包括后端部件，例如数据服务器，或包含中间件部件，例如应用服务器，或包含前端部件，例如具有用户可通过其与本说明书中所描述的主题的实施方案交互的图形用户界面或网络浏览器的客户端计算机，或一个或多个这些后端、中间件或前端部件的任何组合。系统的部件可通过任何形式或媒体的数字数据通信(例如，通信网络)互连。通信网络的实例包含局域网(“LAN”)和广域网(“WAN”)，例如因特网。
计算系统可包括客户端和服务器。客户端和服务器大体上彼此远离且通常通过通信网络交互。客户端与服务器的关系是借助于在各别计算机上运行并且彼此具有客户端-服务器关系的计算机程序产生。
本文中所描述的实施例的图示旨在提供对于各种实施例的结构的总体理解。所述图示并不旨在用作对利用本文所述的结构或方法的设备和系统的所有元件和特征的完整描述。本领域的技术人员在审阅本公开后可明显看出许多其它实施例。可利用其它实施例并且从本公开导出其它实施例，使得可在不脱离本公开的范围的前提下作出结构和逻辑的替代和变化。此外，所述图示只是代表性的并且可能不是按比例绘制的。在图示内的某些比例可放大，而其它比例可最小化。因此，应将本公开及附图视为说明性的而非限制性的。
虽然本说明书含有许多细节，但这些不应解释为对本发明的范围或可主张内容的限制，而是解释为对本发明的具体实施例特有的特征的描述。本说明书的上下文或单独实施例中所述的某些特征也可在单个实施例中组合地实施。相反，在单个实施例的上下文中所述的各种特征也可分别在多个实施例中实施或以任何适合子组合来实施。此外，尽管上文可能将特征描述为以某些组合起作用且甚至最初因此而主张，但在一些情况下，可将来自所主张的组合的一个或多个特征从组合中删除，且所主张的组合可涉及子组合或子组合的变化。
类似地，虽然在图示中按特定次序描绘操作且在本文中按特定次序描述操作，但此情形不应被理解为要求按所示的特定次序或按顺序次序执行此类操作，或执行所有所说明的操作才能实现需要的结果。在某些情况下，多任务处理和并行处理可为有利的。此外，上文所描述的实施方案中的各种系统部件的分离不应被理解为在所有实施方案中要求此类分离，且应理解，所描述的程序部件及系统一般可一起集成在单个软件产品中或封装到多个软件产品中。
本公开的一个或多个实施例在本文中在此处可单独地或共同地由术语“发明”指代，这仅出于便利的目的并非有意地将本申请的范围限制于任何特定的发明或发明概念。此外，尽管在此示出且描述了具体实施例，但应了解被设计成实现相同或类似目的的任何随后的布置可取代示出的具体实施例。本公开旨在涵盖各种实施例的任何和所有调适或变化。对于本领域的技术人员而言在审阅上述描述之后上述实施例的组合以及本文中未具体描述的其它实施例将是显而易见的。
提供本公开的摘要以遵守37C.F.R.§1.72(b)，且应理解，其将不用于解释或限制权利要求书的范围或意义。另外，在前述具体实施方式中，出于精简本公开的目的，可将各种特征分组在一起或描述于单一实施例中。不应将本发明解释为反映以下意图：所要求的实施例需要比在每一权利要求中所明确叙述更多的特征。更确切地，如以下权利要求书所反映，本发明主题可涉及少于所公开的实施例中的任一个的全部特征。因此，将以下权利要求并入实施方式中，其中每一项权利要求就其自身来说如同单独界定所要求的主题一般。
希望前述详细描述被看作是说明性而非限制性的，并且应理解，所附权利要求书包含所有等效物意在限定本发明的范围。除非被陈述成那种效果，否则权利要求书不应视为限于所描述的次序或元件。因此，本发明要求所有属于随附权利要求书及其等效物的范围和精神内的实施例。

Claims (15)

1.一种用于确定终端用户装置的地理位置的方法，所述方法包含：
通过终端用户装置收集在路径网络中的位置处的深度图；
从指纹数据库获得指纹的特征几何结构，所述指纹接近在所述路径网络中的所述位置；
使用所述终端用户装置的处理器用所述指纹的所述特征几何结构定向所述深度图；
比较来自所述深度图的定向特征几何结构的控制点与在所述指纹内的控制点；和
基于来自所述深度图的所述定向特征几何结构的每个控制点与所述指纹中的相应控制点之间的距离的平均偏差计算所述定向特征几何结构的个体匹配率。
2.根据权利要求1所述的方法，其中首先通过全球定位系统GPS数据或Wi-Fi定位数据来确定接近度。
3.根据权利要求1所述的方法，其中通过定义涵盖来自所述深度图的所述定向特征几何结构的每个相应控制点的纬度、经度和海拔高度坐标的限界框来标识所述指纹内的所述控制点用于比较。
4.根据权利要求1所述的方法，其中通过(1)在所述路径网络中沿路段，平行于以及垂直于行驶方向移位所述深度图以将所述深度图与所述指纹数据库的收集位置对准，和(2)旋转所述深度图以将所述深度图与在所述收集位置处的捕获方向对准，来定向所述深度图。
5.根据权利要求1所述的方法，所述方法进一步包含：
当所述平均偏差低于预定义阈值时，保存来自所述指纹数据库的选定特征几何结构用于进一步分析，其中提供可接受的匹配率。
6.根据权利要求5所述的方法，所述方法进一步包含：
比较来自在所述深度图内的额外特征几何结构的额外控制点与在所述指纹内的相应控制点；
计算每个额外特征几何结构的额外个体匹配率；和
标识具有可接受的匹配率的某些额外特征几何结构直到已标识预定义数目的特征几何结构。
7.根据权利要求6所述的方法，其中从所述装置周围单独的象限标识至少一个额外特征几何结构。
8.根据权利要求7所述的方法，所述方法进一步包含
基于每个个体匹配率计算整体匹配率；和
当所述整体匹配率超过预定义阈值最小匹配率值时，通过多点定位计算确定所述终端用户装置在所述路径网络中的地理位置。
9.根据权利要求8所述的方法，所述方法进一步包含：
通过所述终端用户装置来收集新深度图；
接收来自所述指纹数据库的新指纹中的新特征几何结构，所述新指纹根据所确定的地理位置来选定。
10.根据权利要求9所述的方法，其中所述终端用户装置对所述新深度图的所述收集被计算为与使用所述确定的地理位置为所述指纹数据库收集的深度图在道路网络中的相同地理位置处对准。
11.根据权利要求1所述的方法，其中所述定向特征几何结构为在所述终端用户装置周围定义的区内的最高排序的特征几何结构，其中每个经提取的特征几何结构的排序值基于以下因素中的一个或多个：(1)所述特征几何结构的形状，(2)所述特征几何结构的尺寸，(3)所述特征几何结构的高程，或(4)所述特征几何结构的变化。
12.一种用于确定终端用户装置的地理位置的方法，所述方法包含：
从终端用户装置接收在路径网络中的位置处的深度图；
从指纹数据库检索指纹的特征几何结构，所述指纹接近在所述路径网络中的所述位置；
使用所述指纹数据库的处理器用所述指纹的所述特征几何结构定向所述深度图；
比较来自所述深度图的经提取的特征几何结构的控制点与在所述指纹内的控制点；和
基于来自所述深度图的所述定向特征几何结构的每个控制点与所述指纹中的相应控制点之间的距离的平均偏差计算所述定向特征几何结构的个体匹配率。
13.根据权利要求12所述的方法，所述方法进一步包含：
基于每个个体匹配率计算整体匹配率；
当所述整体匹配率超过预定义阈值最小匹配率值时，通过多点定位计算确定所述终端用户装置在所述路径网络中的地理位置；和
通过已连接的网络将所确定的地理位置发射到所述终端用户装置。
14.一种用于确定终端用户装置的地理位置的设备，所述设备包含：
至少一个处理器；和
至少一个存储器，其包括用于一个或多个程序的计算机程序代码；所述至少一个存储器和所述计算机程序代码被配置成，用所述至少一个处理器，使所述设备至少执行任一前述权利要求所述的方法。
15.一种存储一个或多个程序的计算机程序代码的计算机可读介质，所述计算机程序代码被配置为使至少一个处理器和存储器至少执行权利要求1至13中任一项所述的方法。
CN201680013358.5A 2015-03-16 2016-03-15 用于装置定位的引导几何结构提取 Active CN107407725B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/658,618 US9589355B2 (en) 2015-03-16 2015-03-16 Guided geometry extraction for localization of a device
US14/658,618 2015-03-16
PCT/EP2016/055603 WO2016146641A1 (en) 2015-03-16 2016-03-15 Guided geometry extraction for localization of a device

Publications (2)

Publication Number Publication Date
CN107407725A CN107407725A (zh) 2017-11-28
CN107407725B true CN107407725B (zh) 2020-11-27

Family

ID=55586289

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680013358.5A Active CN107407725B (zh) 2015-03-16 2016-03-15 用于装置定位的引导几何结构提取

Country Status (4)

Country Link
US (2) US9589355B2 (zh)
EP (1) EP3271748B1 (zh)
CN (1) CN107407725B (zh)
WO (1) WO2016146641A1 (zh)

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9519061B2 (en) * 2014-12-26 2016-12-13 Here Global B.V. Geometric fingerprinting for localization of a device
US10386480B1 (en) * 2016-02-02 2019-08-20 Waymo Llc Radar based mapping and localization for autonomous vehicles
KR102565274B1 (ko) * 2016-07-07 2023-08-09 삼성전자주식회사 자동 통역 방법 및 장치, 및 기계 번역 방법 및 장치
US10436593B2 (en) * 2016-11-08 2019-10-08 Reem Jafar ALATAAS Augmented reality assistance system for the visually impaired
KR102406502B1 (ko) * 2016-12-14 2022-06-10 현대자동차주식회사 차량의 협로 주행 안내 장치 및 방법
US10846541B2 (en) * 2017-01-04 2020-11-24 Qualcomm Incorporated Systems and methods for classifying road features
CN108345822B (zh) * 2017-01-22 2022-02-01 腾讯科技（深圳）有限公司 一种点云数据处理方法及装置
US10262234B2 (en) * 2017-04-24 2019-04-16 Baidu Usa Llc Automatically collecting training data for object recognition with 3D lidar and localization
US10210403B2 (en) 2017-04-24 2019-02-19 Here Global B.V. Method and apparatus for pixel based lane prediction
US10060751B1 (en) 2017-05-17 2018-08-28 Here Global B.V. Method and apparatus for providing a machine learning approach for a point-based map matcher
GB2568286B (en) * 2017-11-10 2020-06-10 Horiba Mira Ltd Method of computer vision based localisation and navigation and system for performing the same
WO2019107536A1 (ja) * 2017-11-30 2019-06-06 三菱電機株式会社 三次元地図生成システム、三次元地図生成方法および三次元地図生成プログラム
CN107886528B (zh) * 2017-11-30 2021-09-03 南京理工大学 基于点云的配电线路作业场景三维重建方法
US10684131B2 (en) * 2018-01-04 2020-06-16 Wipro Limited Method and system for generating and updating vehicle navigation maps with features of navigation paths
US10769840B2 (en) 2018-02-27 2020-09-08 Nvidia Corporation Analysis of point cloud data using polar depth maps and planarization techniques
CN108692720B (zh) * 2018-04-09 2021-01-22 京东方科技集团股份有限公司 定位方法、定位服务器及定位系统
CN109061703B (zh) * 2018-06-11 2021-12-28 阿波罗智能技术(北京)有限公司 用于定位的方法、装置、设备和计算机可读存储介质
CN110832275B (zh) 2018-06-14 2021-05-18 北京嘀嘀无限科技发展有限公司 基于双目图像更新高分辨率地图的系统和方法
US10878588B2 (en) 2018-06-22 2020-12-29 X Development Llc Detection and replacement of transient obstructions from high elevation digital images
EP3605260A1 (de) * 2018-07-30 2020-02-05 Siemens Aktiengesellschaft Verfahren und fahrerloses transportfahrzeug zur rechnergestützten bestimmung einer qualität einer karte
US11080267B2 (en) * 2018-08-31 2021-08-03 Waymo Llc Validating road intersections
CN109271946B (zh) * 2018-09-28 2021-07-06 清华大学深圳研究生院 一种在手机端实现感兴趣物体实时检测的方法
CN111044056B (zh) 2018-10-15 2023-10-13 华为技术有限公司 基于道路匹配的定位方法、芯片子系统及电子设备
WO2020107151A1 (en) * 2018-11-26 2020-06-04 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for managing a high-definition map
CN110008921B (zh) * 2019-04-12 2021-12-28 北京百度网讯科技有限公司 一种道路边界的生成方法、装置、电子设备及存储介质
DE102019208504A1 (de) * 2019-06-12 2020-12-17 Robert Bosch Gmbh Positionsbestimmung auf der Basis von Umgebungsbeobachtungen
CN110933633B (zh) * 2019-12-05 2020-10-16 武汉理工大学 一种基于csi指纹特征迁移的船载环境室内定位方法
EP3875908B1 (de) * 2020-03-05 2022-02-23 Sick Ag Navigieren eines fahrzeugs und virtuelle spurführungsvorrichtung
ES2912065T3 (es) * 2020-03-05 2022-05-24 Sick Ag Generación de un nuevo mapa híbrido para la navegación
US11228699B2 (en) 2020-04-15 2022-01-18 Labsphere, Inc. Systems and methods for determining a minimum resolvable distance of an imaging system
CN112948628A (zh) * 2021-03-25 2021-06-11 智道网联科技(北京)有限公司 车联网数据处理方法、装置、设备和存储介质
CN113591212B (zh) * 2021-07-14 2024-04-09 中国舰船研究设计中心 一种基于封装单元及信息关联的船舶设备布置方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6597802B1 (en) * 1999-08-13 2003-07-22 International Business Machines Corp. System and method for generating a rolled surface representation from a set of partial images
CN102271397A (zh) * 2011-09-09 2011-12-07 上海聚美物联网科技有限公司 基于wifi网络的定位系统与方法
CN102770780A (zh) * 2009-12-10 2012-11-07 诺基亚公司 用于构建用户生成的地理位置系统的方法和装置
CN103732480A (zh) * 2011-06-17 2014-04-16 罗伯特·博世有限公司 用于在行车道上车辆的线路引导中辅助驾驶员的方法和设备
US20140379254A1 (en) * 2009-08-25 2014-12-25 Tomtom Global Content B.V. Positioning system and method for use in a vehicle navigation system
CN104270818A (zh) * 2014-10-16 2015-01-07 北京北斗天成科技有限公司 一种停车场中车辆的无线定位方法
CN104335635A (zh) * 2012-05-22 2015-02-04 诺基亚公司 基于收集的一系列接入点的数据来触发接入点之间的切换的方法和设备

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69933932T2 (de) * 1998-07-06 2007-09-06 Honeywell International Inc. Ueberprüfung der gültigkeit der position eines flugzeuges unter zuhilfenahme von radar- und digitalen geländehöhen-daten
WO2001069171A2 (en) 2000-03-16 2001-09-20 The Johns Hopkins University Light detection and ranging (lidar) mapping system
JP4503311B2 (ja) * 2004-02-25 2010-07-14 本田技研工業株式会社 脚体運動補助装具の発生トルク制御方法
CN101688774A (zh) * 2006-07-13 2010-03-31 威力登音响公司 高精确度激光雷达系统
CN101682765B (zh) * 2007-05-30 2012-04-11 三叉微系统(远东)有限公司 确定用于光场数据结构的图像分布的方法
MX2009012674A (es) 2007-06-01 2010-03-08 Second Wind Inc Correccion de posicion en sistemas de radar acustico y sistemas de radar a base de laser meteorologicos.
CA2712673A1 (en) * 2008-02-04 2009-08-13 Tele Atlas North America Inc. Method for map matching with sensor detected objects
US9185361B2 (en) * 2008-07-29 2015-11-10 Gerald Curry Camera-based tracking and position determination for sporting events using event information and intelligence data extracted in real-time from position information
US8699755B2 (en) * 2009-02-20 2014-04-15 Navteq B.V. Determining travel path features based on retroreflectivity
US8125622B2 (en) 2009-07-28 2012-02-28 Applied Concepts, Inc. Lidar measurement device with target tracking and method for use of same
US8364398B2 (en) * 2009-08-28 2013-01-29 Navteq B.V. Method of operating a navigation system to provide route guidance
CA2808020A1 (en) 2010-07-27 2012-02-02 University Of Regina Method and system for cooperative stochastic positioning in a mobile environment
US9194949B2 (en) * 2011-10-20 2015-11-24 Robert Bosch Gmbh Methods and systems for precise vehicle localization using radar maps
CN102520401B (zh) 2011-12-21 2013-05-08 南京大学 一种基于LiDAR数据的建筑物区域提取方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6597802B1 (en) * 1999-08-13 2003-07-22 International Business Machines Corp. System and method for generating a rolled surface representation from a set of partial images
US20140379254A1 (en) * 2009-08-25 2014-12-25 Tomtom Global Content B.V. Positioning system and method for use in a vehicle navigation system
CN102770780A (zh) * 2009-12-10 2012-11-07 诺基亚公司 用于构建用户生成的地理位置系统的方法和装置
CN103732480A (zh) * 2011-06-17 2014-04-16 罗伯特·博世有限公司 用于在行车道上车辆的线路引导中辅助驾驶员的方法和设备
CN102271397A (zh) * 2011-09-09 2011-12-07 上海聚美物联网科技有限公司 基于wifi网络的定位系统与方法
CN104335635A (zh) * 2012-05-22 2015-02-04 诺基亚公司 基于收集的一系列接入点的数据来触发接入点之间的切换的方法和设备
CN104270818A (zh) * 2014-10-16 2015-01-07 北京北斗天成科技有限公司 一种停车场中车辆的无线定位方法

Also Published As

Publication number Publication date
US20170132478A1 (en) 2017-05-11
US9589355B2 (en) 2017-03-07
CN107407725A (zh) 2017-11-28
US20160275667A1 (en) 2016-09-22
WO2016146641A1 (en) 2016-09-22
US9946939B2 (en) 2018-04-17
EP3271748B1 (en) 2020-06-03
EP3271748A1 (en) 2018-01-24

Similar Documents

Publication Publication Date Title
CN107407725B (zh) 用于装置定位的引导几何结构提取
AU2019201834B2 (en) Geometric fingerprinting for localization of a device
CN107430191B (zh) 使用一个或多个处理器的方法，设备及计算机可读介质
CN107407568B (zh) 使用多边测量对装置的定位
CN107407564B (zh) 选择用于装置的定位的特征几何形状

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