CN109872360A - 定位方法及装置、存储介质、电子终端 - Google Patents

Abstract

本公开涉及定位技术领域，具体涉及一种定位方法、一种定位装置、一种存储介质以及一种电子终端。所述方法包括：获取当前位置信息，并在当前位置位于第一区域内时获取当前图像；将所述当前图像输入已训练的分类器模型，以获取所述当前图像对应的识别结果；根据所述识别结果生成对应的识别位置信息。本公开可以实现在不改变现有定位系统的前提下，有效的利用当前获取的图像对位置信息进行更精确的判断和校正，提供更多、更准确的位置相关信息，从而有效的提高定位精度，降低定位误差。

Description

定位方法及装置、存储介质、电子终端

技术领域

本公开涉及定位技术领域，具体涉及一种定位方法、一种定位装置、一种存储介质以及一种电子终端。

背景技术

定位精度是指空间实体位置信息与真实位置之间的接近程度。在现有技术中，现有的大规模商用的定位系统大多基于GPS系统、北斗系统或伽利略系统等，其定位精度大都在10-100米。尤其在运动状态下，容易出现定位漂移，定位不准确的情况，不能提供准确的定位数据。此外，虽然存在部分定位技术可以提供更高的定位精度，但由于成本昂贵，支持的范围及使用场景有限，并不能普及。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种定位方法、一种定位装置、一种存储介质以及一种电子终端，其至少在一定程度上克服由于相关技术的限制和缺陷而导致的定位不准确的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的第一方面，提供一种定位方法，包括：

获取当前位置信息，并在当前位置位于第一区域内时获取当前图像；

将所述当前图像输入已训练的分类器模型，以获取所述当前图像对应的识别结果；

根据所述识别结果生成对应的识别位置信息。

在本公开的一种示例性实施例中，所述获取当前图像前，所述方法还包括：

识别当前应用场景，以便于根据所述当前应用场景确定所述第一区域的坐标范围。

在本公开的一种示例性实施例中，所述方法还包括：训练所述分类器模型，包括：

获取原始图像集，读取所述原始图像集中各原始图像的标签数据；

以所述原始图像作为输入训练预设分类器以获取所述分类器模型。

在本公开的一种示例性实施例中，所述标签数据包括：应用场景、位置数据中的任意一项或多项。

在本公开的一种示例性实施例中，在所述第一区域内获取的所述当前图像包括至少一张图像。

在本公开的一种示例性实施例中，所述根据所述识别结果生成对应的识别位置信息后，所述方法还包括：

根据所述识别位置信息对所述当前位置信息进行校正，以获取最终定位数据。

根据本公开的第二方面，提供一种定位装置，包括：

图像获取模块，用于获取当前位置信息，并在当前位置位于第一区域内时获取当前图像；

图像分类模块，用于将所述当前图像输入已训练的分类器模型以获取所述当前图像对应的识别结果；

定位结果生成模块，用于根据所述识别结果生成对应的识别位置信息。

在本公开的一种示例性实施例中，所述装置还包括：

场景识别模块，用于识别当前应用场景，以便于根据所述当前应用场景确定所述第一区域的坐标范围。

根据本公开的第三方面，提供一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述的定位方法。

根据本公开的第四方面，提供一种电子终端，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行上述的定位方法。

本公开的一种实施例所提供的定位方法中，在用户或终端设备到达第一区域时获取对应的当前图像，通过已训练的分类器模型对该当前图像进行识别及分类，获取识别结果，进而可以根据该识别结果生成用户或终端设备当前的识别位置信息。从而实现在不改变既有定位系统的前提下，有效的利用当前获取的图像对位置信息进行更精确的判断和校正，提供更多、更准确的位置相关信息，从而有效的提高定位精度，降低定位误差。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示意性示出本公开示例性实施例中一种定位方法的示意图；

图2示意性示出本公开示例性实施例中一种定位方法的示意图；

图3示意性示出本公开示例性实施例中一种训练分类器模块的方法的示意图；

图4示意性示出本公开示例性实施例中图像传感器在第一路段高架上截取图像的示意图；

图5示意性示出本公开示例性实施例中图像传感器在第一路段高架下截取图像的示意图；

图6示意性示出本公开示例性实施例中图像传感器在第二路段高架上截取图像的示意图；

图7示意性示出本公开示例性实施例中图像传感器在第二路段高架下截取图像的示意图；

图8示意性示出本公开示例性实施例中一种定位装置的示意图；

图9示意性示出本公开示例性实施例中一种定位装置的另一种示意图；

图10示意性示出本公开示例性实施例中一种定位装置的再一种示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

在现有的导航或定位设备或方法中，当用户在包含多条主道和辅道，或者包含桥梁的道路上开启导航或定位功能时，需要手动的选择当前位置在主道或者辅道上，或者在桥上或桥下，导航系统并不能非常精准的的获取用户或车辆当前的实际位置，容易导致导航路径错误、定位不准确等问题

本示例实施方式中首先提供了一种基于图像的定位方法，可以应用于导航、社交以及生活服务等需要位置服务的应用，可以有效的对当前的实际位置进行准确的判断。参考图1中所示，上述的定位方法可以包括以下步骤：

S101，获取当前位置信息，并在当前位置位于第一区域内时获取当前图像。

S102，将所述当前图像输入已训练的分类器模型，以获取所述当前图像对应的识别结果。

S103，根据所述识别结果生成对应的识别位置信息。

本示例实施方式所提供的定位方法中，在用户或终端设备到达第一区域时获取对应的当前图像，通过已训练的分类器模型对该当前图像进行识别及分类，获取包含位置信息的识别结果，进而可以根据该识别结果生成用户或终端设备的包含当前定位数据的识别位置信息。从而实现在不改变现有定位系统的前提下，有效的利用当前获取的图像对位置信息进行更精确的判断和校正，提供更多、更准确的位置相关信息，从而有效的提高定位精度，降低定位误差。

下面，将结合附图及实施例对本示例实施方式中定位方法的各个步骤进行更详细的说明。

步骤S100，识别当前应用场景，以便于根据所述当前应用场景确定所述第一区域的坐标范围。

本示例实施方式中，在位置服务过程中，可以对智能终端设备或者车辆上提供至少一个图像传感器、一导航系统以及一控制器。其中，图像传感器可以用于实时根据控制器的指令拍摄图像、或拍摄视频并提取多帧图像，以获取图像数据。举例来说，图像传感器可以为相机、手机或行车记录仪等具有摄像功能的终端设备。所述的导航系统可以为具有导航功能的智能终端设备或者车辆既有的导航系统，能够生成对应的导航数据，实时的获取当前的坐标数据、海拔数据以及其他位置数据等功能。上述的控制器可以用于实时的读取导航系统的参数，以及向图像传感器发送指令信息。

以导航服务为例，参考图2所示，在进行导航或定位服务时，可以首先读取导航路径，并根据导航路径对其所涉及的应用场景进行识别和获取，或者在导航的过程中修改路线时对应用场景进行实时的识别；或者对当前时刻所在路段对应的应用场景进行识别。

举例来说，上述的应用场景可以是特殊车道识别场景，例如：公交车道识别场景、非机动车道识别场景、应急车道识别场景，或者其他指定车道的识别；或者为特殊路段识别场景，例如：村庄路口识别场景、学校路段识别场景，或者其他指定或特殊路段的识别；或者路桥识别场景，例如：高架路段识别场景、匝道路段识别场景或者立交桥识别场景、隧道路段识别场景等。

例如，若导航路径或当前行驶路径为城市道路时，则其应用场景可以包括特殊车道识别场景，例如公交车道识别场景、非机动车道识别场景等，也可以包含路桥识别场景，例如：高架路段识别场景、匝道路段识别场景或者立交桥识别场景等。若导航路径或当前行驶路径为高速路段，则其应用场景可以包括应急车道识别场景、匝道路段识别场景或者隧道路段识别场景等。

当然，在本公开的其他示例性实施例中，上述的应用场景也可以是根据其他规则或功能划分的应用场景。此外，在一次位置服务过程中，可能包含多个不同的应用场景，或多个应用场景重复出现。本公开对此不做特殊限定。

步骤S101，获取当前位置信息，并在当前位置位于第一区域内时获取当前图像。

本示例实施方式中，上述的第一区域可以为一预设的坐标范围，可以是各应用场景中对应路段之前的一段区域。具体来说，对于不同的应用场景，还可以设置对应的不同坐标范围的第一区域，从而在车辆或智能终端设备进入第一区域时开始采集当前图像。

举例来说，对于匝道路段识别场景，可以预先配置其第一区域为距离该匝道100-150米，并转换为对应的坐标信息；或者，对于公交车道识别场景，可以预先配置其第一区域为距离该公交车道30-50米，并转换为对应的坐标信息。

例如，当前导航路径中存在部分公交专用道，则导航系统识别距离该公交专用道30-50米时，即进入第一区域时，在控制器读取到当前位置信息进入第一区域后，控制器便可以向图像传感器发送控制指令，开始拍摄图像。

步骤S102，将所述当前图像输入已训练的分类器模型，以获取所述当前图像对应的识别结果。

本示例实施方式中，还可以预先训练一分类器模型，具体来说，参考图3所示，训练所述分类器模型可以包括：

步骤S201，获取原始图像集，并读取所述原始图像集中各原始图像的标签数据；

步骤S202，以所述原始图像作为输入训练预设分类器以获取所述分类器模型。

具体而言，在训练分类器之前，首先可以通过采集各第一区域原始图像的方式获取原始图像集，并对各原始图像进行标记。举例来说，参考图4-图7所示，原始图像可以是第一区域在不同时间、不同天气或不同亮度或其他条件下的至少一张图像。其标签数据可以包括应用场景、经纬度坐标数据以及海拔数据中的任意一项或任意多项。

或者，在本公开的其他示例性实施例中，也可以提取原始图像中的图像特征作为标签数据，例如提取原始图像中的特殊标志、标识，或具有特征的建筑物等；或者是该路段的驾驶规则。例如，可以是路段标识、限速、限行时间标识等。

例如，可以采集各高架匝道、公交专用道或其他路段的图像作为原始图像，并采集各原始图像对应的坐标信息和海拔信息等。

在获取原始图像后，还可以根据标签数据对原始图像进行分类，并将原始图像作为样本数据输入预设的原始分类器模型，并对其进行训练；进而获取训练后的分类器模型。举例来说，上述的分类器可以是支持向量机模型、决策树模型或者贝叶斯模型等。本公开对此不做特殊限定。

具体来说，上述的在所述第一区域内获取的当前图像可以是单独的一张图像；也可以是包含多张图像的图像序列，例如包含连续的多张图像的图像序列，或者是包含离散的多张图像的当前图像序列。

在获取当前图像或图像序列后，便可以将其输入分类器模型中，并获取当前图像对应的识别结果。举例来说，上述的图像识别结果可以包括智能终端设备或车辆的当前位置坐标、海拔数据或者当前所在车道数据、匝道数据、主道或辅道数据等任意一项，或者其中的任意多项。

当然，在本公开的其他示例性实施例中，在所述当前图像序列中具有多张图像时，可以对每一张图像分别进行识别，并可以将各张图像的识别结果进行比对和验证，判断是否存在识别错误。例如，对于图4所示场景，便可以识别出位置位于高架桥上，当前车道为超车道。或者对于图7所示场景，便可以识别出当前位置位于高架下，当前车位为最右侧行车道等。

此外，上述的分类器模型可以在智能终端设备或车辆所在的本地设备上保存和运行；当然，也可以利用基于网络的云储存来保存分类器。

步骤S103，根据所述识别结果生成对应的识别位置信息。

本示例实施方式中，在获取当前图像的识别结果后，便可以对该识别结果中所包含的各项数据进行整理，从而根据该识别结果生成车辆或智能终端设备当前时刻的识别位置信息，便于导航系统或者控制器直接读取和使用该识别位置信息。举例来说，识别位置信息可以包括经纬度坐标范围、海拔数据或者当前车道数据等参数。如图4-图7所示，其识别场景可以为路桥识别场景，如图4、图6所示，其图像的识别结果为高架上；图5、图7所示图像其识别结果为高架下；对应的，还可以包含当前具体的所在车道。

基于上述内容，在本公开的其他示例性实施例中，在根据所述识别结果生成对应的识别位置信息后，上述的方法还可以包括：

步骤S104，根据所述识别位置信息对所述当前位置信息进行校正，以获取最终定位数据。

具体来说，可以将导航系统提供的当前的位置信息与上述的识别位置信息进行比对和校验，进而获取与实际物理位置误差更小的最终定位数据。举例来说，可以将上述定位数据中的各项参数，以及当前图像序列中提取的图像特征，对导航系统当前的位置信息进行校正。例如，对坐标数据、海拔数据或者车道数据，以及桥上或桥下、主道和辅道等进行校正，进一步的，还可以利用最终获取的准确的定位数据对当前行驶状态是否违反规定、或者不符合要求进行准确的识别和警报。例如，当前是否存在非法占用公交车道、是否非法占用应急车道、是否在匝道中超速行驶等情况进行准确的识别。此外，在导航过程中，也不需要用户手动输入当前所在车道或桥上桥下等信息。

举例来说，如图4所示状态，车辆当前行驶在高架上，假设高架桥的海拔高度是20米，而高架下的辅路的海拔高度是12米。若导航系统此时定位精度只有10米，所以实际获得的带误差的海拔高度为12+10＝22米。而根据对图像所示图像的识别，可以准确的判断当前位置为高架上。

本公开所提供的定位方法，一方面，通过预先利用原始图像集训练分类器模型，可以获取第一区域的先验信息，还可以实现利用该分类器模型对当前图像序列中的各图像进行分析和识别，能够利用较小的计算量获取准确的识别结果。另一方面，通过利用当前图像序列的识别结果生成对应的定位数据，可以在不修改既有导航系统架构及功能的前提下，提供更加准确的定位信息。此外，还可以通过定位结果对导航系统当前的位置信息进行校正，进而提供更加准确的位置服务。

需要注意的是，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

进一步的，参考图8所示，本示例的实施方式中还提供一种定位装置70，包括：图像获取模块701、图像分类模块702以及定位数据生成模块703。其中：

所述图像获取模块701可以用于获取当前位置信息，并在当前位置位于第一区域内时获取当前图像。

所述图像分类模块702可以用于将所述当前图像输入已训练的分类器模型以获取所述当前图像对应的识别结果。

所述定位数据生成模块703可以用于根据所述识别结果生成对应的识别位置信息。

进一步的，在本示例性实施例中，所述定位装置还包括：场景识别模块。

所述场景识别模块可以用于识别当前应用场景，以便于根据所述当前应用场景确定所述第一区域的坐标范围。

进一步的，在本示例性实施例中，所述定位装置还包括：原始图像采集模块和模型训练模块。其中，

所述原始图像采集模块可以用于获取原始图像集，并读取所述原始图像集中各原始图像的标签数据。

所述模型训练模块可以用于以所述原始图像作为输入训练预设分类器以获取所述分类器模型。

进一步的，在本示例性实施例中，所述定位装置还包括：定位校正模块。

所述定位校正模块可以用于根据所述识别位置信息对所述当前位置信息进行校正，以获取最终定位数据。

上述的定位装置中各模块的具体细节已经在对应的定位方法中进行了详细的描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图9来描述根据本发明的这种实施方式的电子设备600。图9显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图9所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：上述至少一个处理单元610、上述至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示的步骤S101，获取当前位置信息，并在当前位置位于第一区域内时获取当前图像；S102，将所述当前图像输入已训练的分类器模型，以获取所述当前图像对应的识别结果；S103，根据所述识别结果生成对应的识别位置信息。

存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。

存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器660通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

参考图10所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品900，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (10)

1.一种定位方法，其特征在于，包括：

获取当前位置信息，并在当前位置位于第一区域内时获取当前图像；

将所述当前图像输入已训练的分类器模型，以获取所述当前图像对应的识别结果；

根据所述识别结果生成对应的识别位置信息。

2.根据权利要求1所述的方法，其特征在于，所述获取当前图像前，所述方法还包括：

识别当前应用场景，以便于根据所述当前应用场景确定所述第一区域的坐标范围。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：训练所述分类器模型，包括：

获取原始图像集，并读取所述原始图像集中各原始图像的标签数据；

以所述原始图像作为输入训练预设分类器以获取所述分类器模型。

4.根据权利要求3所述的方法，其特征在于，所述标签数据包括：应用场景、位置数据中的任意一项或多项。

5.根据权利要求1所述的方法，其特征在于，在所述第一区域内获取的所述当前图像包括至少一张图像。

6.根据权利要求1所述的方法，其特征在于，所述根据所述识别结果生成对应的识别位置信息后，所述方法还包括：

根据所述识别位置信息对所述当前位置信息进行校正，以获取最终定位数据。

7.一种定位装置，其特征在于，包括：

图像获取模块，用于获取当前位置信息，并在当前位置位于第一区域内时获取当前图像；

图像分类模块，用于将所述当前图像输入已训练的分类器模型以获取所述当前图像对应的识别结果；

定位结果生成模块，用于根据所述识别结果生成对应的识别位置信息。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

场景识别模块，用于识别当前应用场景，以便于根据所述当前应用场景确定所述第一区域的坐标范围。

9.一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现根据权利要求1至6中任一项所述的定位方法。

10.一种电子终端，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至6中任一项所述的定位分析方法。