CN111311748A - 室内立体图构建方法及装置、终端设备和存储介质 - Google Patents
室内立体图构建方法及装置、终端设备和存储介质 Download PDFInfo
- Publication number
- CN111311748A CN111311748A CN202010101766.4A CN202010101766A CN111311748A CN 111311748 A CN111311748 A CN 111311748A CN 202010101766 A CN202010101766 A CN 202010101766A CN 111311748 A CN111311748 A CN 111311748A
- Authority
- CN
- China
- Prior art keywords
- floor
- indoor
- clustering
- basic data
- areas
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Remote Sensing (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Graphics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种室内立体图构建方法及装置、终端设备和存储介质,其中,室内立体图构建方法,包括:获取建筑物的基础数据,基础数据包括建筑物的楼层数及各楼层的区域数;获取建筑物的室内环境参数;基于基础数据对获取的室内环境参数进行聚类,于各楼层中分别得到与各楼层区域数对应的聚类区域;分别对各楼层中聚类区域之间的分割面进行构造;结合基础数据、各楼层的聚类区域及构造的聚类区域间的分割面生成室内立体图。其以建筑物的基础数据作为约束条件,对获取到的室内环境参数进行聚类得到每一楼层的聚类区域,以形成每一楼的平面图模型,进而综合每层的平面图模型自动输出室内立体图,节约人力物力的同时能够精确快速地得到室内立体图。
Description
技术领域
本发明涉及通信技术领域,尤指一种室内立体图构建方法及装置、终端设备和存储介质。
背景技术
随着定位和导航技术的发展,各种基于位置的服务对地图的需求越来越大。室外地图的构建和绘制经过多年的发展已拥有一套成熟的方法,由专业测绘人员通过专业设备获取数据,再通过专业地理软件处理并绘制地图。但是室内地图(室内平面图)的构建和绘制一直是迄待解决的问题,也是阻碍基于位置的服务在室内应用的主要因素之一。
现有的室内平面图构建依据人工测量为主,其虽然可以得到精准的室内平面图,但是产出效率十分低下,测量成本也十分高昂。除了人工测量方法,有学者提出了采用众包方式构建室内平面图的方法,其可以通过无感知的方式进行数据获取进而估计出室内平面图,但存在显著缺点:1)该方法十分依赖于数据获取硬件的精度,低精度的获取终端会导致获取数据中包含大量的噪声,从而影响最终室内平面图的生成;2)该方法通过仿生算法估计室内各个区域所在的位置,室内平面图的出图成功率并不高;3)该方法需要庞大的数据作为训练集,需要获取足够多的数据才能使得众包方法有效,一定程度上加大了室内图的生成难度。
发明内容
本发明的目的是提供一种室内立体图构建方法及装置、终端设备和存储介质,有效解决现有采用众包方法构建室内平面图中存在出图成功率低、出图质量不高等技术问题。
本发明提供的技术方案如下:
一种室内立体图构建方法,包括:
获取建筑物的基础数据,所述基础数据包括建筑物的楼层数及各楼层的区域数;
获取所述建筑物的室内环境参数;
基于所述基础数据对获取的所述室内环境参数进行聚类,于各楼层中分别得到与各楼层区域数对应的聚类区域;
分别对各楼层中聚类区域之间的分割面进行构造;
结合所述基础数据、各楼层的聚类区域及构造的聚类区域间的分割面生成室内立体图。
在本技术方案中,以建筑物的基础数据作为约束条件,对获取到的室内环境参数进行聚类得到每一楼层的聚类区域,以形成每一楼的平面图模型,进而综合每层的平面图模型自动输出室内立体图。相比于众包的方式来说,节约人力物力的同时能够精确快速地得到室内立体图,且整个构建过程可控,成本低易推广使用。
进一步优选地,所述室内环境参数包括:地磁数据、WiFi数据及气压数据;
在获取所述建筑物的室内环境参数之前,还包括智能终端于室内移动过程中对所述室内环境参数进行采集并上传至服务器的步骤,所述智能终端配置有地磁传感器、WiFi适配器及气压传感器。
在本技术方案中,通过智能终端采用无感知的方式进行室内环境参数的采集,无需人为干预,节约参数采集的时间及人力物力。
进一步优选地,在所述基于所述基础数据对获取的所述室内环境参数进行聚类中,具体为:基于所述基础数据采用K-means方法对所述室内环境参数进行聚类;和/或,
在所述分别对各楼层中聚类区域之间的分割面进行构造中,具体为:使用泰森多边形的构造方法对各楼层中聚类区域之间的分割面进行构造。
在本技术方案中,以基础数据作为约束条件,采用K-means方法精确得到各楼层的聚类区域分布,这种半监督的方式大大提高了聚类的精确度,能够得到更加精准的聚类结果,且节约聚类时间。此外,采用泰森多边形的构造方法确定各聚类区域之间的分割面,即确定墙体位置,简单方便,结果精确。
进一步优选地,在所述基于所述基础数据对获取的所述室内环境参数进行聚类,于各楼层中分别得到与各楼层区域数对应的聚类区域之后,还包括:
根据所述基础数据及所述室内环境参数于各楼层的聚类区域中识别出楼梯口区域;所述基础数据包括建筑物的楼层数、各楼层的区域数及楼层的高度;
在所述结合所述基础数据、各楼层的聚类区域及构造的聚类区域间的分割面生成室内立体图,具体为:结合所述基础数据、各楼层的聚类区域、识别的楼梯口区域及构造的聚类区域间的分割面生成室内立体图。
在本技术方案中,以建筑物的基础数据作为约束条件,对获取到的室内环境参数进行聚类得到每一楼层的聚类区域,以形成每一楼的平面图模型;并进一步根据该室内环境参数识别出楼梯口区域,进而综合每层的平面图模型自动输出室内立体图。相比于众包的方式来说,节约人力物力的同时能够精确快速地得到室内立体图。
进一步优选地,在所述根据所述基础数据中建筑物的楼层数及所述室内环境参数于各楼层的聚类区域中识别出楼梯口区域中包括:
根据所述室内环境参数中的气压数据计算得到楼层变化点;
根据所述建筑物的基础数据及楼层变化点于各楼层的聚类区域中确定楼梯口区域;所述基础数据包括建筑物的楼层数、各楼层的区域数及楼层的高度。
在本技术方案中,根据气压的变化确定楼层的变化,进而于聚类区域中确定各楼层中的楼梯口区域,结果准确度高。
进一步优选地,所述室内环境参数中还包括温度数据;
在所述根据所述室内环境参数中的气压数据计算得到楼层变化点中,包括:
于每次数据采集行为中的气压变化计算高度变化,其中,一次数据采集行为具体为智能终端由基准楼层中的第一位置移动至第二位置的行为,所述第二位置位于基准楼层或其他楼层,高度变化与气压变化之间的关联关系为:
其中,h表示第二位置的高度,P0表示第二位置的气压,t表示第二位置的温度;h0表示基准楼层的高度,P0表示基准楼层中第一位置所在区域的气压,t0表示基准楼层的温度;tm=(t+t0)/2表示两个位置的平均温度;
根据计算得到的高度变化及所述建筑物的基础数据确定楼层变化点。
本发明还提供了一种室内立体图构建装置,包括:
基础数据获取模块,用于获取建筑物的基础数据,所述基础数据包括建筑物的楼层数及各楼层的区域数;
环境参数获取模块,用于获取所述建筑物的室内环境参数;
聚类模块,分别与所述基础数据获取模块和环境参数获取模块连接,用于基于所述基础数据对获取的所述室内环境参数进行聚类,于各楼层中分别得到与各楼层区域数对应的聚类区域;
分割面构造模块,与所述聚类模块连接,用于分别对各楼层中聚类区域之间的分割面进行构造;及
立体图生成模块,分别与所述基础数据获取模块、聚类模块及分割面构造模块连接,用于结合所述基础数据、各楼层的聚类区域及构造的聚类区域间的分割面生成室内立体图。
在本技术方案中,以建筑物的基础数据作为约束条件,对获取到的室内环境参数进行聚类得到每一楼层的聚类区域,以形成每一楼的平面图模型,进而综合每层的平面图模型自动输出室内立体图。相比于众包的方式来说,节约人力物力的同时能够精确快速地得到室内立体图。
进一步优选地,所述环境参数获取模块获取的室内环境参数包括地磁数据、WiFi数据及气压数据;所述室内环境参数由智能终端于室内移动过程中进行采集并上传至服务器,所述智能终端配置有地磁传感器、WiFi适配器及气压传感器;
所述环境参数获取模块用于从服务器中获取所述建筑物的室内环境参数。
在本技术方案中,通过智能终端采用无感知的方式进行室内环境参数的采集,无需人为干预,节约参数采集的时间及人力物力。
进一步优选地,在所述聚类模块中,基于所述基础数据采用K-means方法对所述室内环境参数进行聚类;和/或,
在所述分割面构造模块中,使用泰森多边形的构造方法对各楼层中聚类区域之间的分割面进行构造。
在本技术方案中,以基础数据作为约束条件,采用K-means方法精确得到各楼层的聚类区域分布,这种半监督的方式大大提高了聚类的精确度,能够得到更加精准的聚类结果,且节约聚类时间。此外,采用泰森多边形的构造方法确定各聚类区域之间的分割面,即确定墙体位置,简单方便,结果精确。
进一步优选地,所述室内立体图构建装置中还包括:
楼梯口识别模块,分别与所述基础数据获取模块、环境参数获取模块及聚类模块连接,用于根据所述基础数据及所述室内环境参数于各楼层的聚类区域中识别出楼梯口区域;所述基础数据包括建筑物的楼层数、各楼层的区域数及楼层的高度;
在立体图生成模块中,结合所述基础数据、各楼层的聚类区域、识别的楼梯口区域及构造的聚类区域间的分割面生成室内立体图。
在本技术方案中,以建筑物的基础数据作为约束条件,对获取到的室内环境参数进行聚类得到每一楼层的聚类区域,以形成每一楼的平面图模型;并进一步根据该室内环境参数识别出楼梯口区域,进而综合每层的平面图模型自动输出室内立体图。相比于众包的方式来说,节约人力物力的同时能够精确快速地得到室内立体图。
进一步优选地,在楼梯口识别模块中包括:
计算单元,用于根据所述室内环境参数中的气压数据计算得到楼层变化点;
楼梯区域确定单元,与所述计算单元连接,用于根据所述建筑物的基础数据及楼层变化点于各楼层的聚类区域中确定楼梯口区域;所述基础数据包括建筑物的楼层数、各楼层的区域数及楼层的高度。
在本技术方案中,根据气压的变化确定楼层的变化,进而于聚类区域中确定各楼层中的楼梯口区域,结果准确度高。
进一步优选地,所述室内环境参数中还包括温度数据;所述计算单元还用于与每次数据采集行为中的气压变化计算高度变化用于根据计算得到的高度变化及所述建筑物的基础数据确定楼层变化点;其中,
一次数据采集行为具体为智能终端由基准楼层中的第一位置移动至第二位置的行为,所述第二位置位于基准楼层或其他楼层,高度变化与气压变化之间的关联关系为:
其中,h表示第二位置的高度,P0表示第二位置的气压,t表示第二位置的温度;h0表示基准楼层的高度,P0表示基准楼层中第一位置所在区域的气压,t0表示基准楼层的温度;tm=(t+t0)/2表示两个位置的平均温度。
本发明还提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器运行所述计算机程序时实现上述室内立体图构建方法的步骤。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述室内立体图构建方法的步骤。
附图说明
下面将以明确易懂的方式,结合附图说明优选实施例,对上述特性、技术特征、优点及其实现方式予以进一步说明。
图1为本发明中室内立体图构建方法一实施例流程图;
图2为一实例中室内立体图构建方法另一实施例流程图;
图3为本发明一实例中楼层空间实际分布图;
图4为本发明一实例中对如图3所示的楼层进行聚类的聚类结果示意图;
图5为本发明一实例中于如图3所示楼层中的廊道公共区域A中识别的楼梯口区域示意图;
图6为本发明中一实例中对如图4所示聚类结果进行分割面构造后得到的平面示意图;
图7为本发明中室内立体图构建装置一实施例结构示意图;
图8为本发明中室内立体图构建装置另一实施例结构示意图;
图9为本发明中终端设备结构示意图。
附图标号说明:
100-室内立体图构建装置,110-基础数据获取模块,120-环境参数获取模块,130-聚类模块,140-分割面构造模块,150-立体图生成模块,160-楼梯口识别模块,200-终端设备,210-存储器,211-计算机程序,220-处理器。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对照附图说明本发明的具体实施例。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,并获得其他的实施例。
本发明的第一实施例,如图1所示,该室内立体图构建方法中包括:S10获取建筑物的基础数据,该基础数据包括建筑物的楼层数及各楼层的区域数;S20获取建筑物的室内环境参数;S30基于基础数据对获取的室内环境参数进行聚类,于各楼层中分别得到与各楼层区域数对应的聚类区域;S40分别对各楼层中聚类区域之间的分割面进行构造;S50结合基础数据、各楼层的聚类区域及构造的聚类区域间的分割面生成室内立体图。
在本实施例中,基础数据中包括一个建筑物的楼层数及每个楼层中的区域数,如,在某商场中一共包括多少个楼层,每个楼层中具有多少个商铺等。数据来源可以为:室内立体图构建之前,专业人员对建筑中的基础数据统计之后进行录入标记,该方式统计成本较低,效率高且精度高。当然,为了进一步节约人力成本,也可以直接采用第三方的标准数据作为基础数据,以此无需人工进行统计标注。由于该基础数据对整个室内立体图的构建起关键性作用,无论是人工统计还是采用第三方的标准数据,能够确保其准确性即可。
室内环境参数包括地磁数据、WiFi数据及气压数据等。对于室内环境的获取,由智能终端(配置有地磁传感器、WiFi适配器、气压传感器等)于室内移动过程中对室内环境参数进行无感知采集,采集完成后上传至服务器中进行保存,整个采集过程无需人为干预。为了得到更加精确的室内立体图,需要大量的室内环境参数作为样本。以此,在数据采集中,由用户随身携带智能终端于建筑物内进行采集,通过地磁传感器实时测量智能终端所在位置的三轴磁场强度,通过气压传感器实时测量智能终端所在位置的气压值,通过WiFi适配器实时测得所处环境中的WiFi mac及其信号强度。在这个过程中,智能终端及各传感器始终处于开启状态,且将采集后的数据发送至服务器端中进行集中处理。采集过程各传感器的采集精度可以根据实际应用进行选定,如,地磁传感器的采样频率为20Hz;温度传感器的采样频率为20Hz;WiFi适配器1s中采样一次等,这里均不做具体限定。
完成了室内环境参数的采集之后,随即以基础数据作为约束条件,采用K-means方法对室内环境参数进行聚类。聚类中选定的室内环境参数的具体形式可以根据实际情况进行选定,甚至可以只选定其中的一项数据实现目的,如仅选用地磁数据进行聚类;又如,选用地磁数据和WiFi数据进行聚类;又如,选用地磁数据、气压数据及温度数据进行聚类等,这里不做限定。以使用地磁数据、WiFi数据及气压数据共同聚类为例对聚类过程进行说明:
将于一点处(同一时间同一位置)采集的室内环境参数作为一个数组A,如式(1):
A=(a,b,c)=x,x∈Rn (1)
其中,a表示该点的地磁数据,b表示该点的WiFi数据,c表示该点的气压数据,x表示该点的室内环境参数。于此,由m个点处采集的室内环境参数形成的聚类样本集为{x(1),...,x(m)},其中,第i点处采集的室内环境参数x(i)∈Rn,i=1,2,...,m。
假定建筑物中某一楼层的区域数为K,则从采集的聚类样本集中随机选取K个聚类质心点,分别表示为μ1,μ2,...,μk∈Rn,对应k个类别。
对于第i点处采集的室内环境参数x(i),通过式(2)计算其所属类别c(i):
其中,x(j)表示第j个类别的质心点μj的室内环境参数,j=1,2,...,k。与第i点处采集的室内环境参数x(i)距离最小的质心点μj的类别属性即为其所属类别。
对聚类样本集中的每个点进行了归类后,通过式(3)对于每一个类别j的聚类质心点重新计算该类:
重复式(2)和式(3)的聚类过程,直至数据收敛,完成聚类,于各楼层中分别得到与各楼层区域数对应的聚类区域。
之后,使用泰森多边形的构造方法对各楼层中聚类区域之间的分割面进行构造,即确定建筑物的墙体位置。针对每一个楼层,具体的构造步骤为:1)找出每一个聚类簇(对应聚类区域)的质心点;2)针对所有的质心点构建三角网,并对质心点进行三角形编号;3)找出与每个离散点相邻的所有三角形的编号,并记录下来;4)对与每个离散点(除质心点的其他点)相邻的三角形按顺时针或逆时针方向排序;5)计算每个三角形的外接圆圆心;6)根据每个离散点的相邻三角形,连接这些相邻三角形的外接圆圆心,即得到泰森多边形,得到聚类区域之间的分割面。
最后,结合基础数据、各楼层的聚类区域及构造的聚类区域间的分割面生成室内立体图。当建筑物的楼层为1时,由该楼层的聚类区域和各聚类区域之间的分割面生成的平面图即为建筑物的室内立体图。当建筑物的楼层大于1时,由各楼层的聚类区域和各聚类区域之间的分割面生成的各楼层的平面图形成建筑物的室内立体图。
对上述实施例进行改进得到本实施例,在本实施例中,对于从服务器中获取的室内环境参数,在对其进行聚类之前,还包括对其进行预处理的步骤。具体:
地磁数据由两部分组成,一个是较长周期变化的稳定磁场,另一个是相对变化周期较短的干扰磁场。我们知道,干扰磁场几乎无处不在,如,磁暴、现代各种电子设备等均会产生磁噪声,故采取积极的措施减少磁噪声的影响、提高采集的地磁数据的纯净度十分有必要。
地磁传感器测量得到的三轴磁场强度y如式(4)所示:
y=B(r,t)+w0=Bm(r,t)+Ba(r,t)+Bd(r,t)+w0 (4)
其中,r表示地理位置坐标,t表示时间,Bm(r,t)表示t时刻地磁的稳定值,Ba(r,t)表示t时刻地磁的异常值,Bd(r,t)表示t时刻地磁的干扰值;w0表示地磁传感器的测量噪声,通常为一个常数(由地磁传感器决定,不同型号的地磁传感器该值不同)。对于外干扰磁场,本实施例中采用建模补偿的方式来克服。
对于式(4)中的地磁的异常值Ba(r,t),由其在一定的时间范围内通常是不变的,故可以从地磁传感器的历史测量数据中提取,且可以采用Ba(r)进行表示,如式(5):
Ba(r)=y'-Bm(r,t)-Be(r,t) (5)
其中,y'表示历史测量的三轴磁场强度;Be(r,t)表示综合误差,包含周期性修正、地磁传感器的测量误差等。
根据式(5)得到地磁的异常值Ba(r)后,将其从地磁传感器采集的磁场数据中剔除,即完成了对地磁数据的预处理操作。
现阶段的WiFi通常可以分为两类:一类是固定WiFi,于固定住宅、办公楼、商场等地区布置的WiFi,通常具备功率大的特点;另一类是移动WiFi,由移动设备发出,出现的地点不固定。在本实施例中,需要使用WiFi的信号强度作为参考,而移动WiFi的存在会给室内立体图的构建产生严重的干扰,故需要将移动WiFi识别出来并剔除。
在识别移动WiFi的过程中,首先,依据WiFi的名称,利用正则匹配的方法从采集的WiFi数据中筛选出具有移动WiFi特征的数据;其次,使用位置检测的方法判断是否存在一WiFi mac在短时间内发生了移动,若是,则判断该WiFi mac对应的是一个移动WiFi。
在这一过程中,预先对需要筛选的移动WiFi特征进行设定,该移动WiFi特征可以根据实际情况进行设定,如设定为WiFi名称中包括人名等,这里不做限定。对于WiFi mac发生移动的时间阈值同样可以根据实际情况进行限定,如限定为30s、1min、5min、10min等甚至更多,只要WiFi mac在该时间阈值内发生了移动,判断其为移动WiFi。
根据上述规则判断出移动WiFi后,将其从采集的WiFi数据中剔除,即完成了对WiFi数据的预处理操作。另外,还会通过将WiFi mac的信号与预设信号强度阈值进行比较剔除明显不属于该建筑物的WiFi mac,如将预设信号强度设定为60dB~90dB,当某一WiFimac的信号强度小于该信号强度阈值,则将其剔除。
当然,在本实施例中,还可以采用其他的方法对采集到的室内环境参数进行预处理,消除采集过程中智能终端内置传感器本身的非精确性、行走中身体晃动对传感器数据的干扰、外部环境影响等,如采用一次采用简单移动平均算法(SMA)对气压数据、温度数据进行平滑处理以降低噪声干扰等,这里不做限定。
对上述实施例进行改进得到本实施例,在本实施例中,如图2所述,该室内立体图构建方法中包括:S10获取建筑物的基础数据,基础数据包括建筑物的楼层数及各楼层的区域数;S20获取建筑物的室内环境参数;S30基于基础数据对获取的室内环境参数进行聚类,于各楼层中分别得到与各楼层区域数对应的聚类区域;S31根据建筑物的楼层数及室内环境参数于各楼层的聚类区域中识别出楼梯口区域;S40分别对各楼层中聚类区域之间的分割面进行构造;S50结合基础数据、各楼层的聚类区域、识别的楼梯口区域及构造的聚类区域间的分割面生成室内立体图。
在本实施例中,基础数据中包括一个建筑物的楼层数及每个楼层中的区域数,如,在某商场中一共包括多少个楼层,每个楼层中具有多少个商铺等。数据来源可以为:室内立体图构建之前,专业人员对建筑中的基础数据统计之后进行录入标记,统计成本较低,效率高且精度高。当然,为了进一步节约人力成本,也可以直接采用第三方的标准数据作为基础数据,而无需人工进行统计标注。由于该基础数据对整个室内立体图的构建起关键性作用,无论是人工统计还是采用第三方的标准数据,均需确保其准确性。
室内环境参数包括地磁数据、WiFi数据、气压数据、温度数据、地理位置坐标等。对于室内环境的获取,由智能终端(配置有地磁传感器、WiFi适配器、气压传感器、温度传感器及定位模块)于室内移动过程中对室内环境参数进行无感知采集,采集完成后上传至服务器中进行保存,整个采集过程无需人为干预。为了得到更加精确的室内立体图,需要大量的室内环境参数作为样本。以此,在数据采集中,由用户随身携带智能终端于建筑物内进行采集,通过地磁传感器实时测量智能终端所在位置的三轴磁场强度,通过气压传感器实时测量智能终端所在位置的气压值,通过WiFi适配器实时测得所处环境中的WiFi mac及其信号强度,通过温度传感器实时测量智能终端所在位置的温度值,通过定位模块(GPS、北斗等)接收导航卫星的信号并获得当前的地理位置坐标。在这个过程中,智能终端及各传感器始终处于开启状态,且将采集后的数据发送至服务器端中进行集中处理。在采集过程中,各传感器的采集精度可以根据实际应用进行选定,如,采集过程各传感器的采集精度可以根据实际应用进行选定,如,地磁传感器的采样频率为20Hz;气压传感器和温度传感器的采样频率为20Hz;WiFi适配器1s中采样一次;定位模块的采样频率为10Hz等,这里均不做具体限定。
完成了室内环境参数的采集之后,随即以基础数据作为约束条件,采用K-means方法对室内环境参数进行聚类,于各楼层中分别得到与各楼层区域数对应的聚类区域。之后,根据建筑物的楼层数及室内环境参数于各楼层的聚类区域中识别出楼梯口(楼梯口、电梯口及扶梯口的总称)区域。
在识别楼梯口区域中,首先,根据室内环境参数中的气压数据计算得到楼层变化点;之后,根据建筑物的基础数据及楼层变化点于各楼层的聚类区域中确定楼梯口区域,该基础数据包括建筑物的楼层数、各楼层的区域数及楼层的高度。一般来说,气压变化剧烈的地方可能为楼梯口区域。
在根据室内环境参数中的气压数据计算得到楼层变化点中,针对每次数据采集行为中的气压变化计算高度变化,进而根据计算得到的高度变化及建筑物的基础数据确定楼层变化点。具体,一次数据采集行为具体为智能终端由基准楼层中的第一位置移动至第二位置的行为,移动后的第二位置可以位于基准楼层也可以位于其他楼层。高度变化与气压变化之间的关联关系如式(6):
其中,h表示第二位置的高度,P0表示第二位置的气压,t表示第二位置的温度;h0表示基准楼层的高度,P0表示基准楼层中第一位置所在区域的气压,t0表示基准楼层的温度;tm=(t+t0)/2表示两个位置的平均温度。
在实际应用中,基准楼层的高度h0可以为该楼层的实际高度值,为了便于计算,也可以针对此次计算将基准楼层的高度h0设置为0m。在发生了一次数据采集行为之后,计算得到第二位置的高度,再根据基础数据中的楼层高度,就能得到此次室内环境采集行为的楼层变化点,即向上移动或向下移动了几楼。如,一实例中,楼层高度设定为3m,将基准楼层的高度h0设置为0m,当计算得到第二位置的高度为10m,则判断向上移动移动了3楼;当计算得到第二位置的高度为-6m,则判断向下移动移动了2楼。当然,这里判定的向上或向下移动的楼层受基础数据中建筑物的楼层数限定,如,假定建筑物的楼层为3,计算得到第二位置的高度为10m,则判断向上移动移动了2楼。
对于基准楼层于建筑物内的实际楼层,由此前的数据采集行为确定。通常来说,第一次数据采集行为发生时的基准楼层为1楼,假定该次行为发生后移动到了2楼;则在下一次的数据采集行为中重新以行为发生初始所在楼层作为基准,即以2楼作为基准楼层,由式(2)确定移动后的楼层,以此类推。在确定好移动楼层之后,找到第一位置和第二位置于各自楼层中对应的聚类区域,进而识别出聚类区域中的楼梯口区域。
在确定楼梯口区域时,首先经过高度识别整个楼层中的楼梯口区域(采集智能终端采集地磁数据、温度数据、气压数据及WiFi数据的同时对地理位置坐标进行定位,通过高度识别后根据地理位置坐标即可于楼层中确定楼梯口区域的位置),之后根据各楼层的聚类区域进一步确定其所属的聚类区域。如在一实例中,一楼层中包括5个聚类区域(依次编号),通过高度识别在整个楼层中识别出楼梯口区域后,将其对应至5个聚类区域,判断出包含楼梯口区域的聚类区域。
之后,使用泰森多边形的构造方法对各楼层中聚类区域之间的分割面进行构造,即确定建筑物的墙体位置。
最后,结合基础数据、各楼层的聚类区域、识别的楼梯口区域及构造的聚类区域间的分割面综合生成室内立体图并输出。具体,基于各楼层的聚类区域和分割面形成每个楼层的平面图之后,结合识别的楼梯口区域,关联不同楼层的平面图综合输出立体室内图。
在一实例中,假定一楼层中包括如图3所示的9个区域,其中A为廊道公共区域;B为空旷天井,该部分具体为镂空区域,人员无法于该区域中活动;C~J这七个部分均为相对密闭的房间区域。用于聚类的室内环境参数为采集的地磁数据,且基础数据中,该楼层的区域数(活动区域)为8。数据采集后,使用K-means方法进行聚类,结果如图4所示,从图中可以看出,聚类后各数据簇的分割较为明显,其在基础数据的约束下聚成了区域①~区域⑧的8个聚类区域,廊道公共区域A完整的被聚集成了一块(对应图示中由虚线框外的地磁数据形成的区域⑦)。之后,经过高度的识别,识别出廊道公共区域A中的楼梯口区域如图5所示,图示中识别得到的廊道公共区域A中的楼梯口区域为虚线框圈住的区域A1。之后,使用泰森多边形的构造方法对对该楼层中聚类区域之间的分割面进行构造后的平面图如图6所示,对于区域①~区域⑧均形成了分割面,从图中可以看出,相对于图3所示的楼层空间实际分布图来说,精确度极高。
本发明的另一实施例,一种室内立体图构建装置100,如图7所示,包括:基础数据获取模块110,用于获取建筑物的基础数据,基础数据包括建筑物的楼层数及各楼层的区域数;环境参数获取模块120,用于获取建筑物的室内环境参数;聚类模块130,分别与基础数据获取模块110和环境参数获取模块120连接,用于基于基础数据对获取的室内环境参数进行聚类,于各楼层中分别得到与各楼层区域数对应的聚类区域;分割面构造模块140,与聚类模块130连接,用于分别对各楼层中聚类区域之间的分割面进行构造;及立体图生成模块150,分别与基础数据获取模块110、聚类模块130及分割面构造模块140连接,用于结合基础数据、各楼层的聚类区域及构造的聚类区域间的分割面生成室内立体图。
在本实施例中,基础数据中包括一个建筑物的楼层数及每个楼层中的区域数,如,在某商场中一共包括多少个楼层,每个楼层中具有多少个商铺等。数据来源可以为:室内立体图构建之前,专业人员对建筑中的基础数据统计之后进行录入标记,该方式统计成本较低,效率高且精度高。当然,为了进一步节约人力成本,也可以直接采用第三方的标准数据作为基础数据,以此无需人工进行统计标注。
室内环境参数包括地磁数据、WiFi数据及气压数据等。对于室内环境的获取,由智能终端(配置有地磁传感器、WiFi适配器、气压传感器等)于室内移动过程中对室内环境参数进行无感知采集,采集完成后上传至服务器中进行保存,整个采集过程无需人为干预。为了得到更加精确的室内立体图,需要大量的室内环境参数作为样本。以此,在数据采集中,由用户随身携带智能终端于建筑物内进行采集,通过地磁传感器实时测量智能终端所在位置的三轴磁场强度,通过气压传感器实时测量智能终端所在位置的气压值,通过WiFi适配器实时测得所处环境中的WiFi mac及其信号强度。在这个过程中,智能终端及各传感器始终处于开启状态,且将采集后的数据发送至服务器端中进行集中处理。采集过程各传感器的采集精度可以根据实际应用进行选定,如,地磁传感器的采样频率为20Hz;气压传感器和温度传感器的采样频率为20Hz;WiFi适配器1s中采样一次等,这里均不做具体限定。
完成了室内环境参数的采集之后,随即以基础数据作为约束条件,采用K-means方法对室内环境参数进行聚类。聚类中选定的室内环境参数的具体形式可以根据实际情况进行选定,甚至可以只选定其中的一项数据实现目的,如仅选用地磁数据进行聚类;又如,选用地磁数据和WiFi数据进行聚类;又如,选用地磁数据、气压数据及温度数据进行聚类等,这里不做限定。
之后,使用泰森多边形的构造方法对各楼层中聚类区域之间的分割面进行构造,即确定建筑物的墙体位置。最后,结合基础数据、各楼层的聚类区域及构造的聚类区域间的分割面生成室内立体图。当建筑物的楼层为1时,由该楼层的聚类区域和各聚类区域之间的分割面生成的平面图即为建筑物的室内立体图。当建筑物的楼层大于1时,由各楼层的聚类区域和各聚类区域之间的分割面生成的各楼层的平面图形成建筑物的室内立体图。
对上述实施例进行改进得到本实施例,在本实施例中,对于环境参数获取模块120从服务器中获取的室内环境参数,在对其进行聚类之前,还包括对其进行预处理的预处理模块。具体:
地磁数据由两部分组成,一个是较长周期变化的稳定磁场,另一个是相对变化周期较短的干扰磁场。我们知道,干扰磁场几乎无处不在,如,磁暴、现代各种电子设备等均会产生磁噪声,故采取积极的措施减少磁噪声的影响、提高采集的地磁数据的纯净度十分有必要。具体,地磁传感器测量得到的三轴磁场强度y如式(4)所示,包括地磁的稳定值Bm(r,t)、地磁的异常值Ba(r,t)、地磁的干扰值Bd(r,t)及地磁传感器的测量噪声w0,其中,测量噪声w0通常为一个常数(由地磁传感器决定,不同型号的地磁传感器该值不同);对于外干扰磁场Bd(r,t),采用建模补偿的方式来克服;对于地磁的异常值Ba(r,t),由其在一定的时间范围内通常是不变的,故可以从地磁传感器的历史测量数据中提取,且可以采用Ba(r)表示,根据式(5)得到该值后,将其进一步从地磁传感器采集的磁场数据中剔除,即完成了对地磁数据的预处理操作。
现阶段的WiFi通常可以分为两类:一类是固定WiFi,于固定住宅、办公楼、商场等地区布置的WiFi,通常具备功率大的特点;另一类是移动WiFi,由移动设备发出,出现的地点不固定。在本实施例中,需要使用WiFi的信号强度作为参考,而移动WiFi的存在会给室内立体图的构建产生严重的干扰,故需要将移动WiFi识别出来并剔除。
在识别移动WiFi的过程中,首先,依据WiFi的名称,利用正则匹配的方法从采集的WiFi数据中筛选出具有移动WiFi特征的数据;其次,使用位置检测的方法判断是否存在一WiFi mac在短时间内发生了移动,若是,则判断该WiFi mac对应的是一个移动WiFi。
在这一过程中,预先对需要筛选的移动WiFi特征进行设定,该移动WiFi特征可以根据实际情况进行设定,如设定为WiFi名称中包括人名等,这里不做限定。对于WiFi mac发生移动的时间阈值同样可以根据实际情况进行限定,如限定为30s、1min、5min、10min等甚至更多,只要WiFi mac在该时间阈值内发生了移动,判断其为移动WiFi。
根据上述规则判断出移动WiFi后,将其从采集的WiFi数据中剔除,即完成了对WiFi数据的预处理操作。另外,还会通过将WiFi mac的信号与预设信号强度阈值进行比较剔除明显不属于该建筑物的WiFi mac,如将预设信号强度设定为60dB~90dB,当某一WiFimac的信号强度小于该信号强度阈值,则将其剔除。
当然,在本实施例中,还可以采用其他的方法对采集到的室内环境参数进行预处理,消除采集过程中智能终端内置传感器本身的非精确性、行走中身体晃动对传感器数据的干扰、外部环境影响等,如采用一次采用简单移动平均算法(SMA)对气压数据、温度数据进行平滑处理以降低噪声干扰等,这里不做限定。
对上述实施例进行改进得到本实施例,如图8所示,该室内立体图构建装置100中包括:基础数据获取模块110、环境参数获取模块120、聚类模块130、分割面构造模块140及立体图生成模块150之外,还包括楼梯口识别模块160,分别与基础数据获取模块110、环境参数获取模块120及聚类模块130连接,用于根据基础数据及室内环境参数于各楼层的聚类区域中识别出楼梯口区域;基础数据包括建筑物的楼层数、各楼层的区域数及楼层的高度;以此,在立体图生成模块150中,结合基础数据、各楼层的聚类区域、识别的楼梯口区域及构造的聚类区域间的分割面生成室内立体图。
在本实施例中,基础数据中包括一个建筑物的楼层数及每个楼层中的区域数,如,在某商场中一共包括多少个楼层,每个楼层中具有多少个商铺等。数据来源可以为:室内立体图构建之前,专业人员对建筑中的基础数据统计之后进行录入标记,统计成本较低,效率高且精度高。当然,为了进一步节约人力成本,也可以直接采用第三方的标准数据作为基础数据,而无需人工进行统计标注。由于该基础数据对整个室内立体图的构建起关键性作用,无论是人工统计还是采用第三方的标准数据,均需确保其准确性。
室内环境参数包括地磁数据、WiFi数据、气压数据、温度数据、地理位置坐标等。对于室内环境的获取,由智能终端(配置有地磁传感器、WiFi适配器、气压传感器、温度传感器及定位模块)于室内移动过程中对室内环境参数进行无感知采集,采集完成后上传至服务器中进行保存,整个采集过程无需人为干预。为了得到更加精确的室内立体图,需要大量的室内环境参数作为样本。以此,在数据采集中,由用户随身携带智能终端于建筑物内进行采集,通过地磁传感器实时测量智能终端所在位置的三轴磁场强度,通过气压传感器实时测量智能终端所在位置的气压值,通过WiFi适配器实时测得所处环境中的WiFi mac及其信号强度,通过温度传感器实时测量智能终端所在位置的温度值,通过定位模块(GPS、北斗等)接收导航卫星的信号并获得当前的地理位置坐标。在这个过程中,智能终端及各传感器始终处于开启状态,且将采集后的数据发送至服务器端中进行集中处理。在采集过程中,各传感器的采集精度可以根据实际应用进行选定,如,采集过程各传感器的采集精度可以根据实际应用进行选定,如,地磁传感器的采样频率为20Hz;气压传感器和温度传感器的采样频率为20Hz;WiFi适配器1s中采样一次;定位模块的采样频率为10Hz等,这里均不做具体限定。
完成了室内环境参数的采集之后,随即聚类模块130以基础数据作为约束条件,采用K-means方法对室内环境参数进行聚类,于各楼层中分别得到与各楼层区域数对应的聚类区域。之后,楼梯口识别模块160根据建筑物的楼层数及室内环境参数于各楼层的聚类区域中识别出楼梯口(楼梯口、电梯口及扶梯口的总称)区域。
在楼梯口识别模块160中包括:计算单元,用于根据室内环境参数中的气压数据计算得到楼层变化点;及楼梯区域确定单元,与计算单元连接,用于根据建筑物的基础数据及楼层变化点于各楼层的聚类区域中确定楼梯口区域;基础数据包括建筑物的楼层数、各楼层的区域数及楼层的高度。
在识别楼梯口区域中,首先,计算单元根据室内环境参数中的气压数据计算得到楼层变化点;之后,楼梯区域确定单元根据建筑物的基础数据及楼层变化点于各楼层的聚类区域中确定楼梯口区域,该基础数据包括建筑物的楼层数、各楼层的区域数及楼层的高度。一般来说,气压变化剧烈的地方可能为楼梯口区域。
在计算单元根据室内环境参数中的气压数据计算得到楼层变化点中,针对每次数据采集行为中的气压变化计算高度变化,进而根据计算得到的高度变化及建筑物的基础数据确定楼层变化点。具体,一次数据采集行为具体为智能终端由基准楼层中的第一位置移动至第二位置的行为,移动后的第二位置可以位于基准楼层也可以位于其他楼层。高度变化与气压变化之间的关联关系如式(6)。
在实际应用中,基准楼层的高度h0可以为该楼层的实际高度值,为了便于计算,也可以针对此次计算将基准楼层的高度h0设置为0m。在发生了一次数据采集行为之后,计算得到第二位置的高度,再根据基础数据中的楼层高度,就能得到此次室内环境采集行为的楼层变化点,即向上移动或向下移动了几楼。如,一实例中,楼层高度设定为3m,将基准楼层的高度h0设置为0m,当计算得到第二位置的高度为10m,则判断向上移动移动了3楼;当计算得到第二位置的高度为-6m,则判断向下移动移动了2楼。当然,这里判定的向上或向下移动的楼层受基础数据中建筑物的楼层数限定,如,假定建筑物的楼层为3,计算得到第二位置的高度为10m,则判断向上移动移动了2楼。
对于基准楼层于建筑物内的实际楼层,由此前的数据采集行为确定。通常来说,第一次数据采集行为发生时的基准楼层为1楼,假定该次行为发生后移动到了2楼;则在下一次的数据采集行为中重新以行为发生初始所在楼层作为基准,即以2楼作为基准楼层,由式(2)确定移动后的楼层,以此类推。在确定好移动楼层之后,找到第一位置和第二位置于各自楼层中对应的聚类区域,进而识别出聚类区域中的楼梯口区域。
在确定楼梯口区域时,楼梯区域确定单元首先经过高度识别整个楼层中的楼梯口区域(采集智能终端采集地磁数据、温度数据、气压数据及WiFi数据的同时对地理位置坐标进行定位,通过高度识别后根据地理位置坐标即可于楼层中确定楼梯口区域的位置),之后根据各楼层的聚类区域进一步确定其所属的聚类区域。如在一实例中,一楼层中包括5个聚类区域(依次编号),通过高度识别在整个楼层中识别出楼梯口区域后,将其对应至5个聚类区域,判断出包含楼梯口区域的聚类区域。
之后,分割面构造模块140使用泰森多边形的构造方法对各楼层中聚类区域之间的分割面进行构造,即确定建筑物的墙体位置。
最后,立体图生成模块150结合基础数据、各楼层的聚类区域、识别的楼梯口区域及构造的聚类区域间的分割面综合生成室内立体图并输出。具体,基于各楼层的聚类区域和分割面形成每个楼层的平面图之后,结合识别的楼梯口区域,关联不同楼层的平面图综合输出立体室内图。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各程序模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的程序模块完成,即将装置的内部结构划分成不同的程序单元或模块,以完成以上描述的全部或者部分功能。实施例中的各程序模块可以集成在一个处理单元中,也可是各个单元单独物理存在,也可以两个或两个以上单元集成在一个处理单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件程序单元的形式实现。另外,各程序模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。
图9是本发明一个实施例中提供的终端设备的结构示意图,如所示,该终端设备200包括:处理器220、存储器210以及存储在存储器210中并可在处理器220上运行的计算机程序211,例如:室内立体图构建关联程序。处理器220执行计算机程序211时实现上述各个室内立体图构建方法实施例中的步骤,或者,处理器220执行计算机程序211时实现上述室内立体图构建装置实施例中各模块的功能。
终端设备200可以为笔记本、掌上电脑、平板型计算机、手机等设备。终端设备200可包括,但不仅限于处理器220、存储器210。本领域技术人员可以理解,图9仅仅是终端设备200的示例,并不构成对终端设备200的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如:终端设备200还可以包括输入输出设备、显示设备、网络接入设备、总线等。
处理器220可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器220可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器210可以是终端设备200的内部存储单元,例如:终端设备200的硬盘或内存。存储器210也可以是终端设备200的外部存储设备,例如:终端设备200上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器210还可以既包括终端设备200的内部存储单元也包括外部存储设备。存储器210用于存储计算机程序211以及终端设备200所需要的其他程序和数据。存储器210还可以用于暂时地存储已经输出或者将要输出的数据。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述或记载的部分,可以参见其他实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其他的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性、机械或其他的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可能集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序211发送指令给相关的硬件完成,的计算机程序211可存储于一计算机可读存储介质中,该计算机程序211在被处理器220执行时,可实现上述各个方法实施例的步骤。其中,计算机程序211包括:计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质可以包括:能够携带计算机程序211代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如:在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
应当说明的是,上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施例,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (14)
1.一种室内立体图构建方法,其特征在于,包括:
获取建筑物的基础数据,基础数据包括建筑物的楼层数及各楼层的区域数;
获取所述建筑物的室内环境参数;
基于所述基础数据对获取的所述室内环境参数进行聚类,于各楼层中分别得到与各楼层区域数对应的聚类区域;
分别对各楼层中聚类区域之间的分割面进行构造;
结合所述基础数据、各楼层的聚类区域及构造的聚类区域间的分割面生成室内立体图。
2.如权利要求1所述的室内立体图构建方法,其特征在于,
所述室内环境参数包括:地磁数据、WiFi数据及气压数据;
在获取所述建筑物的室内环境参数之前,还包括智能终端于室内移动过程中对所述室内环境参数进行采集并上传至服务器的步骤,所述智能终端配置有地磁传感器、WiFi适配器及气压传感器。
3.如权利要求1或2所述的室内立体图构建方法,其特征在于,
在所述基于所述基础数据对获取的所述室内环境参数进行聚类中,具体为:基于所述基础数据采用K-means方法对所述室内环境参数进行聚类;和/或,
在所述分别对各楼层中聚类区域之间的分割面进行构造中,具体为:使用泰森多边形的构造方法对各楼层中聚类区域之间的分割面进行构造。
4.如权利要求1或2所述的室内立体图构建方法,其特征在于,在所述基于所述基础数据对获取的所述室内环境参数进行聚类,于各楼层中分别得到与各楼层区域数对应的聚类区域之后,还包括:
根据所述基础数据及所述室内环境参数于各楼层的聚类区域中识别出楼梯口区域;所述基础数据包括建筑物的楼层数、各楼层的区域数及楼层的高度;
在所述结合所述基础数据、各楼层的聚类区域及构造的聚类区域间的分割面生成室内立体图中,具体为:结合所述基础数据、各楼层的聚类区域、识别的楼梯口区域及构造的聚类区域间的分割面生成室内立体图。
5.如权利要求4所述的室内立体图构建方法,其特征在于,在所述根据所述基础数据中建筑物的楼层数及所述室内环境参数于各楼层的聚类区域中识别出楼梯口区域中包括:
根据所述室内环境参数中的气压数据计算得到楼层变化点;
根据所述建筑物的基础数据及楼层变化点于各楼层的聚类区域中确定楼梯口区域;所述基础数据包括建筑物的楼层数、各楼层的区域数及楼层的高度。
6.如权利要求5所述的室内立体图构建方法,其特征在于,
所述室内环境参数中还包括温度数据;
在所述根据所述室内环境参数中的气压数据计算得到楼层变化点中,包括:
于每次数据采集行为中的气压变化计算高度变化,其中,一次数据采集行为具体为智能终端由基准楼层中的第一位置移动至第二位置的行为,所述第二位置位于基准楼层或其他楼层,高度变化与气压变化之间的关联关系为:
其中,h表示第二位置的高度,P0表示第二位置的气压,t表示第二位置的温度;h0表示基准楼层的高度,P0表示基准楼层中第一位置所在区域的气压,t0表示基准楼层的温度;tm=(t+t0)/2表示两个位置的平均温度;
根据计算得到的高度变化及所述建筑物的基础数据确定楼层变化点。
7.一种室内立体图构建装置,其特征在于,包括:
基础数据获取模块,用于获取建筑物的基础数据,所述基础数据包括建筑物的楼层数及各楼层的区域数;
环境参数获取模块,用于获取所述建筑物的室内环境参数;
聚类模块,分别与所述基础数据获取模块和环境参数获取模块连接,用于基于所述基础数据对获取的所述室内环境参数进行聚类,于各楼层中分别得到与各楼层区域数对应的聚类区域;
分割面构造模块,与所述聚类模块连接,用于分别对各楼层中聚类区域之间的分割面进行构造;及
立体图生成模块,分别与所述基础数据获取模块、聚类模块及分割面构造模块连接,用于结合所述基础数据、各楼层的聚类区域及构造的聚类区域间的分割面生成室内立体图。
8.如权利要求7所述的室内立体图构建装置,其特征在于,所述环境参数获取模块获取的室内环境参数包括地磁数据、WiFi数据及气压数据;所述室内环境参数由智能终端于室内移动过程中进行采集并上传至服务器,所述智能终端配置有地磁传感器、WiFi适配器及气压传感器;
所述环境参数获取模块用于从服务器中获取所述建筑物的室内环境参数。
9.如权利要求7或8所述的室内立体图构建装置,其特征在于,
在所述聚类模块中,基于所述基础数据采用K-means方法对所述室内环境参数进行聚类;和/或,
在所述分割面构造模块中,使用泰森多边形的构造方法对各楼层中聚类区域之间的分割面进行构造。
10.如权利要求7或8所述的室内立体图构建装置,其特征在于,所述室内立体图构建装置中还包括:
楼梯口识别模块,分别与所述基础数据获取模块、环境参数获取模块及聚类模块连接,用于根据所述基础数据及所述室内环境参数于各楼层的聚类区域中识别出楼梯口区域;所述基础数据包括建筑物的楼层数、各楼层的区域数及楼层的高度;
在所述立体图生成模块中,结合所述基础数据、各楼层的聚类区域、识别的楼梯口区域及构造的聚类区域间的分割面生成室内立体图。
11.如权利要求10所述的室内立体图构建装置,其特征在于,在楼梯口识别模块中包括:
计算单元,用于根据所述室内环境参数中的气压数据计算得到楼层变化点;
楼梯区域确定单元,与所述计算单元连接,用于根据所述建筑物的基础数据及楼层变化点于各楼层的聚类区域中确定楼梯口区域;所述基础数据包括建筑物的楼层数、各楼层的区域数及楼层的高度。
13.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器运行所述计算机程序时实现如权利要求1-6中任一项所述室内立体图构建方法的步骤。
14.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述室内立体图构建方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010101766.4A CN111311748B (zh) | 2020-02-19 | 2020-02-19 | 室内立体图构建方法及装置、终端设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010101766.4A CN111311748B (zh) | 2020-02-19 | 2020-02-19 | 室内立体图构建方法及装置、终端设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111311748A true CN111311748A (zh) | 2020-06-19 |
CN111311748B CN111311748B (zh) | 2023-06-30 |
Family
ID=71160123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010101766.4A Active CN111311748B (zh) | 2020-02-19 | 2020-02-19 | 室内立体图构建方法及装置、终端设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111311748B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113971710A (zh) * | 2020-07-22 | 2022-01-25 | 珠海格力电器股份有限公司 | 地图构建方法及电子设备 |
CN114125696A (zh) * | 2020-08-31 | 2022-03-01 | 华为技术有限公司 | 多楼层建筑的指纹地图的构建方法、定位方法及装置 |
CN114626118A (zh) * | 2020-12-25 | 2022-06-14 | 亚信科技(中国)有限公司 | 建筑物室内模型生成方法及装置 |
WO2023207489A1 (zh) * | 2022-04-29 | 2023-11-02 | 腾讯科技(深圳)有限公司 | 虚拟对象的控制方法、装置、设备、存储介质及程序产品 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009282631A (ja) * | 2008-05-20 | 2009-12-03 | Canon Inc | パターン識別用パラメータ学習方法及び装置 |
CN105547301A (zh) * | 2016-02-25 | 2016-05-04 | 华南理工大学 | 基于地磁的室内地图构建方法与装置 |
CN106448431A (zh) * | 2016-08-24 | 2017-02-22 | 电子科技大学 | 一种采用众包方式的基于手机传感器的室内平面图构建方法 |
CN109492796A (zh) * | 2018-10-12 | 2019-03-19 | 东南大学 | 一种城市空间形态自动分区方法与系统 |
US20190310378A1 (en) * | 2018-04-05 | 2019-10-10 | Apex.AI, Inc. | Efficient and scalable three-dimensional point cloud segmentation for navigation in autonomous vehicles |
-
2020
- 2020-02-19 CN CN202010101766.4A patent/CN111311748B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009282631A (ja) * | 2008-05-20 | 2009-12-03 | Canon Inc | パターン識別用パラメータ学習方法及び装置 |
CN105547301A (zh) * | 2016-02-25 | 2016-05-04 | 华南理工大学 | 基于地磁的室内地图构建方法与装置 |
CN106448431A (zh) * | 2016-08-24 | 2017-02-22 | 电子科技大学 | 一种采用众包方式的基于手机传感器的室内平面图构建方法 |
US20190310378A1 (en) * | 2018-04-05 | 2019-10-10 | Apex.AI, Inc. | Efficient and scalable three-dimensional point cloud segmentation for navigation in autonomous vehicles |
CN109492796A (zh) * | 2018-10-12 | 2019-03-19 | 东南大学 | 一种城市空间形态自动分区方法与系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113971710A (zh) * | 2020-07-22 | 2022-01-25 | 珠海格力电器股份有限公司 | 地图构建方法及电子设备 |
CN114125696A (zh) * | 2020-08-31 | 2022-03-01 | 华为技术有限公司 | 多楼层建筑的指纹地图的构建方法、定位方法及装置 |
CN114626118A (zh) * | 2020-12-25 | 2022-06-14 | 亚信科技(中国)有限公司 | 建筑物室内模型生成方法及装置 |
WO2023207489A1 (zh) * | 2022-04-29 | 2023-11-02 | 腾讯科技(深圳)有限公司 | 虚拟对象的控制方法、装置、设备、存储介质及程序产品 |
Also Published As
Publication number | Publication date |
---|---|
CN111311748B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111311748B (zh) | 室内立体图构建方法及装置、终端设备和存储介质 | |
CN105044662B (zh) | 一种基于wifi信号强度的指纹聚类多点联合室内定位方法 | |
CN108534779B (zh) | 一种基于轨迹纠正和指纹改进的室内定位地图构建方法 | |
CN111464938B (zh) | 定位方法、装置、电子设备和计算机可读存储介质 | |
CN110719568B (zh) | 一种室内定位方法、装置、介质以及设备 | |
CN108919177B (zh) | 一种基于虚拟信源估计与轨迹校正的定位地图构建方法 | |
CN106767772B (zh) | 地磁指纹分布图的构建方法和装置及定位方法和装置 | |
CN108450060B (zh) | 基于wi-fi接入点的定位方法、设备 | |
WO2023005814A1 (zh) | 一种室内指纹地图的构建方法及相关装置 | |
CN109379711B (zh) | 一种定位方法 | |
US10380454B2 (en) | Identifying a visual center of a polygon | |
CN111698774B (zh) | 基于多源信息融合的室内定位方法及装置 | |
CN114631365A (zh) | 检测位置的电子装置及其方法 | |
CN117171288B (zh) | 一种栅格地图解析方法、装置、设备和介质 | |
CN108287845A (zh) | 一种道路信息自动提取方法和装置、及混合导航系统 | |
CN111479321B (zh) | 一种网格构建方法、装置、电子设备和存储介质 | |
CN105636102B (zh) | 一种基于贝叶斯后验概率的定位方法及装置 | |
CN110320493B (zh) | 室内定位方法、装置、电子设备和计算机存储介质 | |
CN115979215A (zh) | 一种楼层识别方法、装置及计算机可读存储介质 | |
CN113141570A (zh) | 地下场景定位方法、装置、计算设备及计算机存储介质 | |
CN109257756B (zh) | 室内无线网络质量评估方法及服务器 | |
CN108680898A (zh) | 室内定位方法、装置、介质及电子设备 | |
CN115861816A (zh) | 一种立体低涡识别方法、装置、存储介质及终端 | |
CN111757284B (zh) | 一种室内入口定位方法及电子设备 | |
CN115442887A (zh) | 一种基于蜂窝网络rssi的室内定位方法 |
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 |