CN114139069A - 一种基于语音交互的室内定位方法、系统及电子设备 - Google Patents
一种基于语音交互的室内定位方法、系统及电子设备 Download PDFInfo
- Publication number
- CN114139069A CN114139069A CN202111308401.XA CN202111308401A CN114139069A CN 114139069 A CN114139069 A CN 114139069A CN 202111308401 A CN202111308401 A CN 202111308401A CN 114139069 A CN114139069 A CN 114139069A
- Authority
- CN
- China
- Prior art keywords
- distance
- target object
- indoor
- relation
- probability
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000003993 interaction Effects 0.000 title claims abstract description 27
- 238000010586 diagram Methods 0.000 claims description 22
- 230000001149 cognitive effect Effects 0.000 claims description 16
- 230000000007 visual effect Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 32
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000019771 cognition Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Navigation (AREA)
Abstract
本发明提供了一种基于语音交互的室内定位方法、系统及电子设备，通过识别语音信息中含有的位置描述信息；根据位置描述信息建立与所述目标对象对应的室内位置描述分类框架；建立位置描述分类框架中距离关系概率模型和方位关系概率模型；在所述室内位置描述分类框架下，获取容许区域并计算其中的距离关系概率和方位关系概率，实现对所述目标对象进行定位。本实施方法通过利用语音信息中含有的位置描述信息建立室内位置描述分类框架，再基于当前建立的室内位置描述分类框架下的各个参考对象之间的空间关系概率函数进行计算，从而实现对目标对象的精准定位。本实例提供的方法易于实现，且成本低。
Description
技术领域
本发明涉及位置服务技术领域，尤其涉及的是一种基于语音交互的室内定位方法、系统及电子设备。
背景技术
近年来，随着移动传感器与无线网络的快速发展，室内定位技术成为移动互联网、物联网、移动计算与位置服务、智能家居、智能建筑等多领域共同的研究热点。目前已有多种室内定位技术，包括：WiFi、蓝牙、地磁、超宽带(UWB)、RFID、惯性导航等。其中WiFi、蓝牙、UWB、RFID等需要在室内空间布设相应的设备；惯性导航虽无需额外设备，但需要已知导航起点位置，因此无法单独使用。
人工智能时代背景下，目标对象对室内定位的需求不仅是精度，而是与智能终端设备、智能服务更好的融合。现有技术中的室内定位技术还不能更好的从目标对象之间的语音交互信息中提取到位置空间关系，从而实现对位置的精准定位。
因此，现有技术有待于进一步的改进。
发明内容
鉴于上述现有技术中的不足之处，本发明提供了一种基于语音交互的室内定位方法、系统及电子设备，目的在于克服现有技术中的室内定位技术因为缺少对语音信息中空间关系的利用，而不能实现对目标对象位置进行精准定位的缺陷。
本发明解决技术问题所采用的技术方案如下：
第一方面，本实例提供了一种基于语音交互的室内定位方法，其特征在于，包括步骤：
获取目标对象的语音信息，并识别出所述语音信息中含有的位置描述信息；其中，所述位置描述信息包括：参考对象及其空间关系；
根据位置描述信息建立与所述目标对象对应的室内位置描述分类框架；
建立所述参考对象与所述目标对象之间的距离关系概率模型和方位关系概率模型；其中，所述距离关系概率模型为参考对象和目标对象之间相关联的距离值概率的函数；所述方位关系概率模型为参考对象和目标对象之间相对方位关系概率的函数；
在所述室内位置描述分类框架下，获取容许区域,并根据距离关系概率模型和方位关系概率模型计算容许区域内的距离关系概率和方位关系概率，对所述目标对象进行定位。
可选的，所述获取目标对象的语音信息，并识别出所述语音信息中含有的位置描述信息的步骤包括：
对目标对象的语音信息进行语音识别，得到语音信息中含有的文字信息；
利用词袋模型提取出所述文字信息中含有的参考对象和所述参考对象相关的空间关系。
可选的,所述室内位置描述分类框架包括：完全空间关系室内位置描述和非完全空间关系室内位置描述；所述室内位置描述的空间关系包括：定性距离、定量距离和相对方位关系；
所述完全空间关系室内位置描述包括：参考对象与目标对象之间兼具定量距离和方位关系描述；其中，所述定量距离为所述目标对象与所述参考对象之间的数值距离；
所述非完全空间关系室内位置描述包括：参考对象与目标对象之间不同时具备定量距离和方位关系描述；
所述根据位置描述信息建立与所述目标对象对应的室内位置描述分类框架的步骤包括：
根据参考对象的个数、参考对象与目标之间的定量距离和方位关系描述建立所述室内位置描述分类框架。
可选的，所述根据参考对象的个数、参考对象与目标对象之间的定量距离和方位关系描述建立所述室内位置描述分类框架的步骤包括：
根据参考对象的个数确定室内位置描述分类的维度为二元参考对象位置描述或三元参考对象位置描述；
根据是否缺少参考对象与目标对象之间的定量距离确定为完全空间关系室内位置描述或非完全空间关系室内位置描述；
根据确定出的室内位置描述分类的维度和空间关系建立与所述目标对象相对应的室内位置描述分类框架。
可选的，所述距离关系概率模型包括：梯形定量距离隶属度函数和所述目标对象所在区域中的定性距离概率分布；所述相对方位关系概率模型包括：梯形相对方位关系隶属度函数；
建立所述参考对象与所述目标对象之间的距离关系概率模型和相对方位关系概率模型的步骤包括：
收集不同目标对象在不同方位对同一定量距离的描述信息，得到定量距离数据集，并根据所述定量距离数据集建立梯形定量距离隶属度函数；
基于voronoi图构建各个参数对象之间的定性关系边界，并计算所述目标对象所在区域中定性距离概率分布；
按照预设方位关系模型和预设空间区域划分建立梯形相对方位关系隶属度函数。
可选的，所述在所述室内位置描述分类框架下，获取容许区域,并根据距离关系概率模型和方位关系概率模型计算容许区域内的距离关系概率和方位关系概率，对所述目标对象进行定位的步骤包括：
获取容许区域；
在所述容许区域内根据所述距离关系概率模型计算得到距离关系概率；
在所述容许区域内根据所述方位概率模型计算得到方位关系概率；
将所述距离关系概率和方位关系概率代入预设概率模型，计算得到所述目标对象在所述容许区域内的联合概率值，并根据所述联合概率值对所述目标对象进行定位。
可选的，根据所述联合概率值对所述目标对象进行定位的步骤包括：
按照转向与转向路程的剔除规则，从计算得到的两个或两个以上的定位点中，确定出所述目标对象所在的定位点。
可选的，所述根据所述联合概率值对所述目标对象进行定位的步骤还包括：
以可视线段作为计算距离关系概率和方位关系概率的可视约束；所述可视线段包括：定量距离可视线段和定性距离可视线段；其中，所述定量距离可视线段为以位置描述点为圆心，定量距离上限为半径的圆与参考对象边界的交集，基于交集线段做可视与认知约束；所述定性距离可视线段为基于参考对象边界与定性距离边界的交集，基于交集线段做可视与认知约束。
第二方面，本实施例提供了一种基于语音交互的室内定位系统，其中，包括：
语音获取模块，用于获取目标对象的语音信息，并识别出所述语音信息中含有的位置描述信息；其中，所述位置描述信息包括：参考对象及其空间关系；
位置描述模块，用于根据位置描述信息建立与所述目标对象对应的室内位置描述分类框架；
概率模型建立模块，用于建立所述参考对象与所述目标对象之间的距离关系概率模型和方位关系概率模型；其中，所述距离关系概率模型为参考对象和目标对象之间相关联的距离值概率的函数；所述方位关系概率模型为参考对象和目标对象之间相对空间位置概率的函数；
定位模块，用于在所述室内位置描述分类框架下，获取容许区域,并根据距离关系概率模型和方位关系概率模型计算容许区域内的距离关系概率和方位关系概率，对所述目标对象进行定位。
第三方面，本实施例提供了一种电子设备，其中，包括处理器、与处理器通信连接的存储介质，所述存储介质适于存储多条指令；所述处理器适于调用所述存储介质中的指令，以执行实现所述的基于语音交互的室内定位方法。
有益效果，本发明提供了一种基于语音交互的室内定位方法、系统及电子设备，通过识别目标对象语音信息中含有的位置描述信息；根据位置描述信息建立与所述目标对象对应的室内位置描述分类框架；在所述室内位置描述分类框架下计算容许区域内所述目标对象和各个参考对象之间距离关系概率和方位关系概率；根据所述距离关系概率和方位关系概率对所述目标对象进行定位。本实施例方法通过利用目标对象的语音信息中含有的位置描述信息建立当前室内位置描述分类框架，再基于当前建立的室内位置描述分类框架下的各个参考对象和目标对象之间的空间关系进行计算，从而实现对目标对象的精准定位。本实施例提供的方法易于实现，且成本低。
附图说明
图1是本发明实施例提供的一种基于语音交互的室内定位方法的步骤流程图；
图2是本发明实施例所述方法中室内空间关系族和空间关系类型的对应表；
图3是本发明实施例中室内位置描述分类框架的结构示意图；
图4是本发明实施例中voronoi图构建“附近”关系边界的示意图；
图5是本发明实施例中voronoi图中当一个生长点TO插入到现有voronoi图，得到的重构voronoi图；
图6a和图6b为满足可视约束的定量距离可视线段的示意图；
图6c和图6d为满足可视约束的定性距离可视线段的示意图；
图6a和图6c为被相邻参考对象遮挡的示意图；
图6b和图6d为被相离参考对象遮挡的示意图；
图7是本发明实施例中满足认知约束的可视线段示意图；
图8是本发明实施例中剔除规则的原理示意图；
图9是本发明实施例所述系统的原理结构框图；
图10是本发明实施例中所提供电子设备的结构原理示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
现有技术中智能终端中普遍安装有传感器，传感器可以感知周围环境，比如：手机传感器能够感知周围环境及目标对象行为，从而实现位置进行定位，但是基于传感器感知的信息实现位置定位则需要处理大量数据，因此并不能满足用户快速简便实现精准定位的要求。由于智能终端均可以接收语音信息，因此通过语义感知提高定位的精度或稳定性的方法受到越来越多人的关注。
具体的，室内定位服务于人，更应关注人的反馈与需求，特别是人在导航定位过程中的主观位置描述。自然语言处理技术使得人、机器之间的交互更加成熟，如：逐渐流行的iPhone等语音助手，语音作为智慧城市最自然、最便捷的沟通方式，将会成为所有设备和产品至关重要的入口。作为语音的一种表现形式，位置描述广泛存在于人们的日常交流之中，如“我前方30m是麦当劳，右前方是优衣库”，其中所包含的空间关系可以传递位置线索，用于定位，因此本实施例利用语音信息中含有的位置信息，以实现更准确的定位效果。
本发明提供了一种零成本语音交互式室内定位方法、系统及电子设备，通过语音识别，实现语音位置描述到文字位置描述的转换，通过词袋模型提取参考对象及其相关的空间关系；结合室内位置描述习惯及定位需求，建立室内位置描述分类框架；基于模糊集对室内距离、室内方位关系进行不确定性建模；结合空间认知，基于室内位置描述框架，建立联合概率函数，实现定位。本实施例所提供的方法及系统无需铺设硬件设施，可实现零成本的语音交互式室内定位。
下面结合附图，通过对实施例的描述，对发明内容作进一步说明。
第一方面，本实施例公开了一种基于语音交互的室内定位方法，如图1所示，包括步骤：
步骤S1、获取目标对象的语音信息，并识别出所述语音信息中含有的位置描述信息；其中，所述位置描述信息包括：参考对象及其空间关系。
本步骤中首先获取目标对象的语音信息，其中，目标对象为需要进行定位的移动终端用户，目标对象之间的语音信息中含有其所在位置的位置信息。在具体实施过程中，目标对象发出语音信息可以为目标对象在与其他目标对象进行通话时的通话信息，也可以是目标对象为了实现自身定位而发出的语音信息。
进一步的，所述获取目标对象的语音信息，并识别出所述语音信息中含有的位置描述信息的步骤包括：
对目标对象的语音信息进行语音识别，得到语音信息中含有的文字信息；
利用词袋模型提取指出所述文字信息中含有的参考对象和所述参考对象之间的空间关系。
对接收到的目标对象的语音信息进行识别，将语音信息转化为文字信息，以便获取其中含有的位置信息。在一种实施方式中，利用语音识别软件进行语音信息到文字信息的转换，比如：通过科大讯飞或者百度等语音识别模块完成语音到文字的转换。
提取转换得到的文字信息中含有的位置信息，具体实施时，可以先对文字信息中的语句进行分词，再依次判断分词后得到的词语是否为位置关系的词语，再从识别为位置关系的词语中提取出参考对象、目标对象以及参考对象和目标对象之间的空间关系信息，也即是位置描述信息。
步骤S2、根据位置描述信息建立与所述目标对象对应的室内位置描述分类框架。
当得到目标对象的位置描述信息后，根据所述位置描述信息建立与所述目标对象对应的室内位置描述分类框架。
无论在室内还是室外，位置描述都是表述“在哪”的问题。室内位置描述包括参考对象、与其相关的空间关系和目标对象。参考对象为位置描述中有名称的地理对象；空间关系包括拓扑关系、方位关系和距离关系(定量距离和定性距离)；目标对象为所需定位的点。拓扑关系传递的位置线索更为粗糙，且距离关系和方位关系可间接反映拓扑关系，因此，拓扑关系一般不用于位置描述定位；由于室内缺少绝对参考，人们更多采用相对方位关系进行位置描述，即：“前、后、左、右”，或“前、后、左、右、左前、右前、右后、左后”。如图2所示，室内空间关系族中含有：相对方位、定量距离和定性距离，空间关系类型中相对方位包括：前、后、左、右，左前和右前；定量距离包括具体的距离值，比如：10m；20m或30m。定性距离为含有室内空间关系的描述词，比如：附近。
具体的，所述室内位置描述的空间关系包括：完全空间关系室内位置描述和非完全空间关系室内位置描述；所述完全空间关系室内位置描述包括：参考对象兼具定量距离和方位关系描述；其中，所述定量距离为所述目标对象与所述参考对象之间的距离值；所述非完全空间关系室内位置描述包括参考对象缺少定量距离关系描述。
下面以室内位置描述中有两个参考对象为例说明：
完全空间关系室内位置描述:室内位置描述中的参考对象兼具定量距离和方位关系描述，如“我前方50m是麦当劳，右前方30m是佐卡伊”；
非完全空间关系室内位置描述：室内位置描述中的参考对象缺少定量距离关系描述，如“我前方50m是麦当劳，右前方是佐卡伊”，等价“我前方50m是麦当劳，右前方是佐卡伊，且佐卡伊在我附近”。
所述根据位置描述信息建立与所述目标对象对应的室内位置描述分类框架的步骤包括：
根据参考对象的个数和各个参考对象与目标对象之间的定量距离和方位关系描述建立所述室内位置描述分类框架。
具体的，所述根据参考对象的个数和各个参考对象与目标对象之间的定量距离和方位关系描述建立所述室内位置描述分类框架的步骤包括：
根据参考对象的个数确定室内位置描述分类的维度为二元参考对象位置描述或三元参考对象位置描述；
根据是否缺少参考对象之间的定量距离确定为完全空间关系室内位置描述或非完全空间关系室内位置描述；
根据确定出的室内位置描述分类的维度和空间关系建立与所述目标对象相对应的室内位置描述分类框架。
也即是，当得到目标对象的位置描述信息后，根据其中含有的内容建立室内位置描述分类框架，如图3所示，若位置描述信息中仅仅含有一个参考对象，则一个参考对象和一个目标对象构成一元参考对象位置描述，若两个参考对象和一个目标对象，则构成二元参考对象位置描述，若三个参考对象和一个目标对象则构成三元参考对象位置描述。进一步的，二元参考对象位置描述和三元参考对象位置描述均包括完全空间关系描述和非完全空间关系描述。
步骤S3、建立所述参考对象与所述目标对象之间的距离关系概率模型和方位关系概率模型；其中，所述距离关系概率模型为参考对象和目标对象之间相关联的距离值概率的函数；所述方位关系概率模型为参考对象和目标对象之间相对空间位置概率的函数。
当步骤S2中建立出与目标对象相对应的室内位置描述分类框架后，则计算在容许区域内目标对象和各个参考对象之间的距离关系概率和方位关系概率。
具体的，所述距离关系概率模型包括：梯形隶属度函数和所述目标对象所在区域中的概率分布；所述相对方位关系概率模型包括：梯形相对方位关系隶属度函数。所述室内位置描述分类框架下计算容许区域内所述目标对象和各个参考对象之间距离关系概率和方位关系概率的步骤包括：
收集不同目标对象在不同方位对同一定量距离的描述信息，得到定量距离数据集，并根据所述定量距离数据集建立梯形隶属度函数；
基于voronoi图构建各个所述位置参数对象与所述目标对象之间的定性关系边界，并计算所述目标对象所在区域中的概率分布；
按照预设方位关系模型和预设空间区域划分建立梯形相对方位关系隶属度函数
步骤S4、在所述室内位置描述分类框架下，获取容许区域,并根据距离关系概率模型和方位关系概率模型计算容许区域内的距离关系概率和方位关系概率，对所述目标对象进行定位。
根据上述步骤中计算出的距离关系概率和方位关系概率对当前目标对象的所在位置进行定位。具体的，本步骤中使用预设概率模型计算出目标参数所在位置的联合概率值，预先设定的概率模型对应的计算公式为：距离关系概率函数和方位关系概率函数的乘积。
所述在所述室内位置描述分类框架下，获取容许区域,并根据距离关系概率模型和方位关系概率模型计算容许区域内的距离关系概率和方位关系概率，对所述目标对象进行定位的步骤包括：
获取容许区域；根据容许区域的定义，得到与目标对象对应的容许区域；
在所述容许区域内根据所述距离关系概率模型计算得到距离关系概率；
在所述容许区域内根据所述方位概率模型计算得到方位关系概率；
将所述距离关系概率和方位关系概率代入预设概率模型，计算得到所述目标对象在所述容许区域内的联合概率值，并根据所述联合概率值对所述目标对象进行定位。
所述根据所述联合概率值对所述目标对象进行定位的步骤包括：
按照转向与转向路程的剔除规则，从计算得到的两个或两个以上的定位点中，确定出所述目标对象所在的定位点。
下面以本实例方法的具体应用实例其方法步骤及其原理进行更为详细的说明。
智能终端获取目标对象发出的语音信息，并将语音信息转换成文字信息，并从文字信息中提出与位置信息相关的词语，提取到的词语为空间关系描述词。
从日常对位置的描述习惯分析，完整的位置描述中参考对象的个数至少一个，且不超过三个。位置描述中与参考对象相关的空间关系有一个或两个。单一空间关系传递位置线索有限，联合距离和方位关系能够传递更多的位置线索；因此，本发明以传递丰富位置线索、满足定位要求为前提，基于参考对象与空间关系，对室内位置描述进行分类。
首先，位置描述中参考对象至少一个且最多三个。当只有一个参考对象时，因不能区分单个参考对象的相对方位关系而无法定位；因此，按照参考对象个数将位置描述分为二元参考对象位置描述和三元参考对象位置描述；
其次，位置描述复杂多样，当参考对象缺少定量距离描述时，从认知心理学角度分析，描述者潜在选择附近的参考对象进行位置描述，即该参考对象具有潜在的位置线索:“附近”。
因此，根据室内位置描述中参考对象相关的空间关系完全情况，以传递丰富位置线索、满足定位要求为前提，将室内位置描述进行分类，即：完全空间关系室内位置描述和非完全空间关系室内位置描述。
室内位置描述中可用于定位的空间关系包括距离关系和方位关系，其中距离关系包括定量距离和定性距离。
定量距离：
对定量距离的认知服从正态分布。通过认知实验，收集不同年龄、背景、兴趣的被试者在不同方位对同一定量距离的认知结果，保证每组定量距离认知的样本数有统计意义，对每组定量距离的认知数据进行数据清洗(剔除认知错误的数据)、统计分析，建立对应的定量距离概率密度函数。
定性距离：
人们对定性距离的认知在一定程度上与距离成反比，即：距离参考对象越近，“附近”的隶属度越大。当距离d＜小于d0，人们对“附近”的认知是一致的；当距离d＞d0，随着距离的增加，人们对“附近”的认知越薄弱。Voronoi图根据点集对空间进行分区，每个分区由距离该点最近的点集构成，能够表达空间的邻近关系，这种特性使其在神经科学、气象科学、信息科学等众多领域有着广泛的应用。
在此，基于voronoi图的欧氏距离与“窃取面积”建模。过程如下：
步骤一：基于voronoi图构建“附近”关系边界。如图4所示，空间中参考对象，其中R1,R2,R3,R4,R5,R6,R7,R8，构建voronoi图，R1的voronoi区域与R2,R3,R4,R5,R6,R7,R8的共边，称其相邻。R1的Voronoi多边形区域顶点为v1,v2,v3,v4,v5,v6,v7，其中v1是R8、R7与R1的公共顶点，R1、R7、R8上距离顶点v1最近的点为a1、a2、a3，画a1、a2、a3三角形的外接圆，得到R8、R7之间的弧线
以同样方法得到其它参考对象之间的弧线段，弧线之间通过参考对象的边连接起来(例如，属于R7的线段a3a4将弧线
与
连接起来)，形成一个弧线与直线包围的多边形，即为R1的“附近”区域。
步骤二：计算“附近”区域中的概率分布。当一个生长点TO插入到现有voronoi图，重构区域中的voronoi图，如图5所示，TO将从其他参考对象的voronoi区域“窃取”相应面积(图5中阴影面积为从参考对象R8窃取的面积)，基于窃取面积与欧式距离计算TO点“附近”关系的概率。
公式(2.1)中，t代表新增生长点TO，t属于“附近”边界内，min d(t,Ri)为t到参考对象Ri的最短距离，Ai表示t从参考对象Ri窃取的面积。
公式(2.1)必须满足以下约束：
约束一：在参考点Ri处概率为1；
p(x,y,Ri)＝1 (3.1)
约束二：非Ri“附近”区域，概率为零；
约束三：连续性；
相对方位：
结合对方位关系的认知与角度相关和现有中的方位关系模型，根据不同空间区域的划分，建立梯形相对方位关系隶属度函数μrelT(θ)。公式(3.4)为8方向隶属度函数，公式(3.5)为4方向隶属度函数。
基于预设概率计算公式，计算容许区域内的概率分布，公式(3.6)中Pdir(t)表示容许区域内点的方位关系概率，Pdis(t)表示容许区域内点的距离关系概率，P(t)表示容许区域内点的联合概率。
p(t)＝pdir(t)pdis(t) (3.6)
若位置描述为“左前方50m为A，右前方30m为B”。将非零维的空间对象看做点集合，即A＝{a1,a2,…,an}，dis(a,b)表示点a、b之间的距离，dir(a,t,b)表示t与a、b之间的夹角。A、B表示位置描述中的参考对象，T表示容许区域。Pdir(t)为dir(a,t,b)的平均值通过A、B的相对方位隶属度函数的映射值。Pdis(t)为PA dis(t)与PB dis(t)的乘积。PA dis(t)为dis(a,t)的平均值通过A的定量距离隶属度函数的映射值，PB dis(t)为dis(b,t)的平均值通过A的定量距离隶属度函数的映射值。
在计算参考对象之间的距离和方位关系概率时，从提高计算效率和符合空间认知的角度，提出“可视线段”的概念，以“可视线段”作为计算距离关系概率和方位关系概率的可视约束，因此该“可视线段”既要符合“可视”也要符合“认知”。具体的，所述可视线段包括：定量距离可视线段和定性距离可视线段；其中，所述定量距离可视线段为以位置描述点为圆心，定量距离上限为半径的圆与参考对象边界的交集，基于交集线段做可视与认知约束；所述定性距离可视线段为基于参考对象边界做可视与认知约束。
定量距离与定性距离可视线段的获取稍有区别：定量距离可视线段是以位置描述点(或格网点)为圆心，定量距离上限为半径的圆与参考对象边界的交集，基于交集线段做可视与认知约束；定性距离可视线段是直接基于参考对象边界做可视与认知约束。
可视约束：如图6a-图6b和图7所示，t为位置描述点，d为定量距离上限，RO1、RO2为参考对象，ab和bc线组成可视线段，ab为被遮挡部分，bc满足可视约束部分，图6a和图6b为满足可视约束的定量距离可视线段，图6c和图6d为满足可视约束的定性距离可视线段；图6a和图6c中为被相邻参考对象遮挡，图6b和图6d为被相离参考对象遮挡。
认知约束(帕累托法则)：若参考对象RO1的方位描述为“左前方”，被试者将空间划分8个区域，按照8区域方位关系模型，每个区域为45°，满足认知的可视线段的视角大约为9°。
对于位置描述中有两个参考对象，交汇获取容许区域而得到两个定位点的情况，提出基于转向与转向路程的剔除规则。假如位置描述为“我右前方50m为ROA，左前方20m为ROB”。如图8，从“前”到“左前”顺时针依次标记1到8,path(a)为两个方向线之间的路程，即转向路程，如：由“前”到“右前”顺时针转向路程path(a)＝1。根据位置描述得到两个定位点t1和t2，唯一定位点需要满足由“右前”到“左前”是顺时针，且path(a)＝6，即t2。
本实施例公开了一种基于语音交互的室内定位系统，如图9，包括：
语音获取模块910，用于获取目标对象的语音信息，并识别出所述语音信息中含有的位置描述信息；其中，所述位置描述信息包括：参考对象及其空间关系；其功能如步骤S1所述。
位置描述模块920，用于根据位置描述信息建立与所述目标对象对应的室内位置描述分类框架；其功能如步骤S2所述。
概率模型建立模块930，用于建立所述参考对象与所述目标对象之间的距离关系概率模型和方位关系概率模型；其中，所述距离关系概率模型为参考对象和目标对象之间相关联的距离值概率的函数；所述方位关系概率模型为参考对象和目标对象之间相对空间位置概率的函数；其功能如步骤S3所述。
定位模块940，用于在所述室内位置描述分类框架下，获取容许区域,并根据距离关系概率模型和方位关系概率模型计算容许区域内的距离关系概率和方位关系概率，对所述目标对象进行定位，其功能如步骤S4所述。
本实施例在公开上述室内定位方法和室内定位系统的基础上，还提供了一种电子设备，其中，包括处理器、与处理器通信连接的存储介质，所述存储介质适于存储多条指令；所述处理器适于调用所述存储介质中的指令，以执行项所述的基于语音交互的室内定位方法。
具体的，如图10所示，所述电子设备包括至少一个处理器(processor)20以及存储器(memory)22，还可以包括显示屏21、通信接口(Communications Interface)23和总线24。其中，处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的目标对象引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令，以执行上述实施例中的基于语音交互的室内定位方法。
此外，上述的存储器22中的逻辑指令可以通过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取存储介质中。
存储器22作为一种计算机可读存储介质，可设置为存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令或模块。处理器30通过运行存储在存储器22中的软件程序、指令或模块，从而执行功能应用以及数据处理，即实现上述实施例中的方法。
存储器22可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器。例如，U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。
此外，本实施例还公开了一种计算机可读存储介质，其中，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现所述的基于语音交互的室内定位方法的步骤。
上述存储介质以及终端中的多条指令处理器加载并执行的具体过程在上述方法中已经详细说明，在这里就不再一一陈述。
本发明提供了一种基于语音交互的室内定位方法、系统及电子设备，通过识别目标对象语音信息中含有的位置描述信息；根据位置描述信息建立与所述目标对象对应的室内位置描述分类框架；建立位置描述中距离关系概率和方位关系概率模型；在所述室内位置描述分类框架下，获取容许区域并计算其中的距离关系概率和方位关系概率，实现对所述目标对象进行定位。本实施例方法通过利用目标对象的语音信息中含有的位置描述信息建立当前室内位置描述分类框架，再基于当前建立的室内位置描述分类框架下的各个参考对象之间的空间关系概率函数进行计算，从而实现对目标对象的精准定位。本实施例提供的方法易于实现，且成本低。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于语音交互的室内定位方法，其特征在于，包括步骤：
获取目标对象的语音信息，并识别出所述语音信息中含有的位置描述信息；其中，所述位置描述信息包括：参考对象及其空间关系；
根据位置描述信息建立与所述目标对象对应的室内位置描述分类框架；
建立所述参考对象与所述目标对象之间的距离关系概率模型和方位关系概率模型；其中，所述距离关系概率模型为参考对象和目标对象之间相关联的距离值概率的函数；所述方位关系概率模型为参考对象和目标对象之间相对方位关系概率的函数；
在所述室内位置描述分类框架下，获取容许区域,并根据距离关系概率模型和方位关系概率模型计算容许区域内的距离关系概率和方位关系概率，对所述目标对象进行定位。
2.根据权利要求1所述的基于语音交互的室内定位方法，其特征在于，所述获取目标对象的语音信息，并识别出所述语音信息中含有的位置描述信息的步骤包括：
对目标对象的语音信息进行语音识别，得到语音信息中含有的文字信息；
利用词袋模型提取出所述文字信息中含有的参考对象和所述参考对象相关的空间关系。
3.根据权利要求1所述的基于语音交互的室内定位方法，其特征在于,所述室内位置描述分类框架包括：完全空间关系室内位置描述和非完全空间关系室内位置描述；所述室内位置描述的空间关系包括：定性距离、定量距离和相对方位关系；
所述完全空间关系室内位置描述包括：参考对象与目标对象之间兼具定量距离和方位关系描述；其中，所述定量距离为所述目标对象与所述参考对象之间的数值距离；
所述非完全空间关系室内位置描述包括：参考对象与目标对象之间不同时具备定量距离和方位关系描述；
所述根据位置描述信息建立与所述目标对象对应的室内位置描述分类框架的步骤包括：
根据参考对象的个数、参考对象与目标之间的定量距离和方位关系描述建立所述室内位置描述分类框架。
4.根据权利要求3所述的基于语音交互的室内定位方法，其特征在于，所述根据参考对象的个数、参考对象与目标对象之间的定量距离和方位关系描述建立所述室内位置描述分类框架的步骤包括：
根据参考对象的个数确定室内位置描述分类的维度为二元参考对象位置描述或三元参考对象位置描述；
根据是否缺少参考对象与目标对象之间的定量距离确定为完全空间关系室内位置描述或非完全空间关系室内位置描述；
根据确定出的室内位置描述分类的维度和空间关系建立与所述目标对象相对应的室内位置描述分类框架。
5.根据权利要求1-4任一项所述的基于语音交互的室内定位方法，其特征在于，所述距离关系概率模型包括：梯形定量距离隶属度函数和所述目标对象所在区域中的定性距离概率分布；所述相对方位关系概率模型包括：梯形相对方位关系隶属度函数；
建立所述参考对象与所述目标对象之间的距离关系概率模型和相对方位关系概率模型的步骤包括：
收集不同目标对象在不同方位对同一定量距离的描述信息，得到定量距离数据集，并根据所述定量距离数据集建立梯形定量距离隶属度函数；
基于voronoi图构建各个所述位置参数对象之间的定性关系边界，并计算所述目标对象所在区域中的定性距离概率分布；
按照预设方位关系模型和预设空间区域划分建立梯形相对方位关系隶属度函数。
6.根据权利要求5所述的基于语音交互的室内定位方法，其特征在于，在所述室内位置描述分类框架下，获取容许区域,并根据距离关系概率模型和方位关系概率模型计算容许区域内的距离关系概率和方位关系概率，对所述目标对象进行定位的步骤包括：
获取容许区域；
在所述容许区域内根据所述距离关系概率模型计算得到距离关系概率；
在所述容许区域内根据所述方位概率模型计算得到方位关系概率；
将所述距离关系概率和方位关系概率代入预设概率模型，计算得到所述目标对象在所述容许区域内的联合概率值，并根据所述联合概率值对所述目标对象进行定位。
7.根据权利要求6所述的基于语音交互的室内定位方法，其特征在于，根据所述联合概率值对所述目标对象进行定位的步骤包括：
按照转向与转向路程的剔除规则，从计算得到的两个或两个以上的定位点中，确定出所述目标对象所在的定位点。
8.根据权利要求7所述的基于语音交互的室内定位方法，其特征在于，所述根据所述联合概率值对所述目标对象进行定位的步骤还包括：
以可视线段作为计算距离关系概率和方位关系概率的可视约束；所述可视线段包括：定量距离可视线段和定性距离可视线段；其中，所述定量距离可视线段为以位置描述点为圆心，定量距离上限为半径的圆与参考对象边界的交集，基于交集线段做可视与认知约束；所述定性距离可视线段为基于参考对象边界与定性距离边界的交集，基于交集线段做可视与认知约束。
9.一种基于语音交互的室内定位系统，其特征在于，包括：
语音获取模块，用于获取目标对象的语音信息，并识别出所述语音信息中含有的位置描述信息；其中，所述位置描述信息包括：参考对象及其空间关系；
位置描述模块，用于根据位置描述信息建立与所述目标对象对应的室内位置描述分类框架；
概率模型建立模块，用于建立所述参考对象与所述目标对象之间的距离关系概率模型和方位关系概率模型；其中，所述距离关系概率模型为参考对象和目标对象之间相关联的距离值概率的函数；所述方位关系概率模型为参考对象和目标对象之间相对方位关系概率的函数；
定位模块，用于在所述室内位置描述分类框架下，获取容许区域,并根据距离关系概率模型和方位关系概率模型计算容许区域内的距离关系概率和方位关系概率，对所述目标对象进行定位。
10.一种电子设备，其特征在于，包括处理器、与处理器通信连接的存储介质，所述存储介质适于存储多条指令；所述处理器适于调用所述存储介质中的指令，以执行实现上述权利要求1-8任一项所述的基于语音交互的室内定位方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111308401.XA CN114139069A (zh) | 2021-11-05 | 2021-11-05 | 一种基于语音交互的室内定位方法、系统及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111308401.XA CN114139069A (zh) | 2021-11-05 | 2021-11-05 | 一种基于语音交互的室内定位方法、系统及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114139069A true CN114139069A (zh) | 2022-03-04 |
Family
ID=80393057
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111308401.XA Pending CN114139069A (zh) | 2021-11-05 | 2021-11-05 | 一种基于语音交互的室内定位方法、系统及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114139069A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115457960A (zh) * | 2022-11-09 | 2022-12-09 | 广州小鹏汽车科技有限公司 | 语音交互方法、服务器及计算机可读存储介质 |
-
2021
- 2021-11-05 CN CN202111308401.XA patent/CN114139069A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115457960A (zh) * | 2022-11-09 | 2022-12-09 | 广州小鹏汽车科技有限公司 | 语音交互方法、服务器及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110648529B (zh) | 一种车辆行驶轨迹的渲染方法、装置、设备及存储介质 | |
| CN109409612B (zh) | 一种路径规划方法、服务器及计算机存储介质 | |
| EP2849117A1 (en) | Methods, apparatuses and computer program products for automatic, non-parametric, non-iterative three dimensional geographic modeling | |
| CN111651685A (zh) | 一种兴趣点获取方法、装置、电子设备及存储介质 | |
| US20220148231A1 (en) | Virtual prop allocation method and related apparatuses | |
| EP3433763A1 (en) | Identifying, processing and displaying data point clusters | |
| CN103389979A (zh) | 在输入法中推荐分类词库的系统、装置及方法 | |
| US20210341307A1 (en) | Image processing method and apparatus, electronic device, and storage medium | |
| WO2018192506A1 (zh) | 社交信息推荐方法、装置和存储介质 | |
| CN110232131A (zh) | 基于创意标签的创意素材搜索方法及装置 | |
| CN114139069A (zh) | 一种基于语音交互的室内定位方法、系统及电子设备 | |
| CN109783591A (zh) | 基于互联网地图的空间数据采集方法及装置 | |
| CN116518960A (zh) | 路网更新方法、装置、电子设备和存储介质 | |
| CN113658203A (zh) | 建筑物三维轮廓提取及神经网络的训练方法和装置 | |
| CN105426387A (zh) | 一种基于K-means算法的地图聚合方法 | |
| CN117109623A (zh) | 一种智能穿戴式导航交互方法、系统及介质 | |
| CN112035548A (zh) | 识别模型的获取方法、识别方法、装置、设备及介质 | |
| CN111309844A (zh) | 获取全地图poi信息的方法和装置 | |
| US20230139243A1 (en) | Method and apparatus for processing map information, and storage medium | |
| CN113074735B (zh) | 一种地图数据结构的处理方法 | |
| CN114463499A (zh) | 建筑物三维建模方法及装置 | |
| CN114037792B (zh) | 一种Unreal Engine平台下的百万量级地下管线模型动态生成方法 | |
| CN116091715A (zh) | 一种基于三维gis引擎的poi点聚合方法 | |
| CN115687587A (zh) | 一种基于位置信息的物联设备与空间对象关联匹配方法、装置、设备及介质 | |
| CN114863196A (zh) | 基于特征融合的小目标检测方法、装置、设备及存储介质 |
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 |