CN115235467A - 地图段的对准 - Google Patents

地图段的对准 Download PDF

Info

Publication number
CN115235467A
CN115235467A CN202210379552.2A CN202210379552A CN115235467A CN 115235467 A CN115235467 A CN 115235467A CN 202210379552 A CN202210379552 A CN 202210379552A CN 115235467 A CN115235467 A CN 115235467A
Authority
CN
China
Prior art keywords
map
candidate
alignment
computer
implemented method
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
Application number
CN202210379552.2A
Other languages
English (en)
Inventor
马修·大卫·百老汇
肖恩·托马斯·乔治·麦克奎尔
穆罕默德·萨弗拉兹·纳瓦兹
阿加塔尼基·特里戈尼
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.)
Navenio Ltd
Original Assignee
Navenio Ltd
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
Priority claimed from GB2106811.9A external-priority patent/GB2606034A/en
Application filed by Navenio Ltd filed Critical Navenio Ltd
Publication of CN115235467A publication Critical patent/CN115235467A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation 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
    • G01C21/38—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
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20072—Graph-based image processing
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20164—Salient point detection; Corner detection
    • 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
    • G06T2207/30244—Camera pose

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Processing Or Creating Images (AREA)
  • Databases & Information Systems (AREA)
  • Instructional Devices (AREA)

Abstract

一种计算机实施方法，将具有局部参考坐标系的至少两个地图段与具有全局参考坐标系的基准图对准，每个地图段与基准图代表区域的一部分重叠，该方法包括：对于每个地图段，独立地生成一个或以上将地图段与基准图对准的候选对准；对于每个候选对准，评估表示候选对准是正确的可能性的候选对准代价函数；基于候选对准和相关候选对准代价函数，生成一个或以上候选解，每个候选解包括至少两个地图段的每个地图段的单个候选对准；对于每个候选解，至少基于候选解中包括的每个候选对准的候选对准代价函数来评估候选解代价函数；以及基于候选解代价函数的评估，确定至少两个地图段与基准图的对准。

Description

地图段的对准
本申请基于并要求2021年4月22日提交的申请号为20210100286的希腊申请和2021年5月13日提交的申请号为2106811.9的英国申请的优先权，其全部内容通过引用的方式被包含于此。
技术领域
本申请涉及一种计算机实施方法，该方法用于将至少两个地图段与公共参考坐标系对准。本申请还涉及用于执行该方法的系统。
背景技术
在许多不同的场景中，需要有一个大区域或地区的单一连贯的楼层平面图。例如，该楼层平面图可以用于地图绘制、行人跟踪、车辆和其他机器人的自动控制以及其他应用。但是，通常不存在这种详细的楼层平面图。
医院、机场、购物中心等大型复杂场所可能有多栋建筑，每栋建筑有多个楼层。虽然可能存在整个场地的轮廓图和某些区域的详细平面图，但详细平面图并不涵盖整个区域，并且该详细平面图通常不与其他平面图或更大的地图对准。因此，通常没有覆盖整个场地的单一连贯的详细楼层平面图，生成这样的地图可能需要处理数十个或数百个单独的显示场地一部分的楼层平面图。
发明内容
根据本发明的第一方面，提供了一种计算机实施方法，该方法用于将具有局部参考坐标系的至少两个地图段与具有全局参考坐标系的基准图对准，每个地图段与所述基准图代表区域的一部分重叠，所述方法包括：对于每个地图段，独立地生成一个或以上将所述地图段与所述基准图对准的候选对准；对于每个候选对准，评估表示所述候选对准是正确的可能性的候选对准代价函数；基于所述候选对准和相关的候选对准代价函数，生成一个或以上候选解，每个候选解包括所述至少两个地图段的每个地图段的单个候选对准；对于每个候选解，至少基于所述候选解中包括的每个候选对准的所述候选对准代价函数来评估候选解代价函数；以及基于所述候选解代价函数的评估，确定所述至少两个地图段与所述基准图的对准。
至少两个地图段中的至少一些可以具有不同的参考坐标系。
对于每个地图段，独立地生成一个或以上候选对准可以包括：将所述地图段上的一个或以上节点或边与所述基准图上的一个或以上节点或边对准。对于每个地图段，独立地生成一个或以上候选对准可以包括：应用形状匹配算法或图形匹配算法中的一个或以上。
评估每个候选对准的候选对准代价函数可以包括：确定所述地图段上的节点和边与所述基准图上的节点和边之间的对准程度；以及基于确定的对准程度，确定所述候选对准代价函数。
对于每个地图段，独立地生成一个或以上候选对准可以包括：对地图段应用转换变形。评估每个候选对准的候选对准代价函数可以包括：确定所述候选对准中所述地图段的变形相对应的代价函数贡献。所述转换可以包括缩放。
生成一个或以上候选解可以包括：忽略代价函数值超过阈值的地图段的候选对准。
评估每个候选解的候选解代价函数可以包括：确定不同地图段的重叠，以及基于重叠确定代价函数贡献。
生成一个或以上所述候选解可以包括：识别候选对准的所有可能组合的子集。生成一个或以上所述候选解可以包括：识别第一候选解；基于所述第一候选解，确定进一步的候选解。
基于所述第一候选解识别进一步的候选解可以包括：使用离散全局优化算法，所述离散全局优化算法包括以下算法之一：遗传算法、模拟退火或禁忌搜索。
基于所述第一候选解，识别进一步的候选解可以包括：将所述第一候选解中的所述候选对准子集更改为相同地图段的不同候选对准。可以更改具有最高代价函数的候选对准。
一旦满足终止条件，可以终止生成一个或以上候选解的步骤。
所述第一候选解可以包括每个地图段的具有最低值代价函数的候选对准。
所述方法可以包括：在确定候选对准之前简化地图段的形状。
所述方法可以包括：确定一个或以上地图段重叠，以及并合并重叠的地图段以形成单个地图段。
所述方法可以包括：转换两个或以上基准图以在单一全局参考坐标系中彼此对准。
确定所述至少两个地图段与所述基准图的对准可以包括：提供具有最低代价函数值的候选解的子集。
确定所述至少两个地图段与基准图的对准可以包括：将部分但不是所有的所述地图段与所述基准图对准。
所述基准图可以包括具有一个或以上点的地图，所述一个或以上点具有在全球导航卫星系统中定义的位置，或者一个或以上移动设备沿其移动的轨迹的位姿图。
根据本发明的第二方面，提供一种数据处理系统，用于将具有局部参考坐标系的至少两个地图段与具有全局参考坐标系的基准图对准，每个地图段与基准图代表区域的一部分重叠，所述数据处理系统包括：处理电路，用于执行所述第一方面的方法。
根据本发明的第三方面，提供一种包含指令的计算机可读介质，当在包括处理电路的系统上运行时，所述指令使所述系统：
(i)执行第一方面的方法；和/或
(ii)实施第二方面的数据处理系统。
本发明的各方面提供一种产品，该产品将覆盖部分场地的多个单独定义的详细平面图组合起来，以生成覆盖部分或全部场地的单一详细平面图(其中所覆盖的部分场地大于任何单个平面地图段所覆盖的部分)。此外，根据各个方面，可以快速高效的方式提供详细的楼层平面图。
应当理解，除非相互排斥，否则关于本发明的特定方面描述的特征可以应用于任何其他方面。
附图说明
现在将参考附图仅以示例的方式描述本发明的实施例，其中：
图1A示出了基准图的示例；
图1B示出了详细的楼层平面图地图段的示例；
图1C示出了用于说明图2方法的基准图的可替代示例；
图1D示出了与图1A的基准图对准的示例性地图段；
图1E示出了图1D的各个地图段与图1C的基准图的候选对准示例；
图1F示出了包括图1D的地图段和图1C的基准图的候选解的示例；
图2示出了图1B中对准地图段的示例方法的流程图；
图3示出了用于生成地图段的候选对准的角点匹配算法的流程图；
图4示出了用于识别候选解的搜索算法的流程图；
图5A示出了形成基准图的位姿图，该位姿图对应于图1C中地图所示区域；
图5B示出了从图5A的位姿图中提取的框架体验地图；
图5C示出了从图1D所示地图段中提取的框架地图段；
图5D示出了框架地图段与框架位姿图的候选对准示例；
图5E示出了包括与图5B的框架基准图对准的图5C的框架地图段的候选解示例；
图6示出了用于生成地图段与位姿图基准图的候选对准的锚点匹配算法的流程图；
图7示出了用于处理基准图的第一预处理过程的流程图；
图8示出了用于处理基准图的第二预处理过程的流程图；
图9示出了处理地图段的预处理过程的流程图；
图10A示出了生成地图段的简化轮廓多边形的过程的流程图；
图10B示出了地图段的示例；
图11示出了用于执行图2方法的数据处理系统。
具体实施方式
图1A示出了例如医院、机场、购物中心等场所的地图1。地图1仅在轮廓上显示了一些不同的建筑物或区域3a、3b、3c、3d、3e、3f。不同的建筑物或区域3a、3b、3c、3d、3e、3f可以通过例如门廊、通道或路径等互连。或者，区域3a、3b、3c、3d、3e、3f可以彼此分离。
显示轮廓形状的轮廓多边形7a、7b、7c、7d、7e、7f定义不同的建筑物或区域3a、3b、3c、3d、3e、3f。可以在地图1的参考坐标系中以多种不同的方式定义多边形7a、7b、7c、7d、7e、7f。例如，可以通过一些在固定坐标之间延伸的线段或从坐标原点延伸固定长度的线段来定义多边形。或者，多边形可以定义为在确定的节点之间延伸的线段。应当理解，可以以任何合适的方式定义多边形。
也可以在全局参考坐标系内定义图1所示的地图1，例如，全球卫星导航系统(GNSS，Global Navigation Satellite System)定义的参考坐标系。例如，全球定位系统(GPS，Global Positioning System)、全球卫星导航系统(GLONASS， Global NavigationSatellite System)、伽利略或北斗卫星导航系统(BDS，Galileo or BeiDou NavigationSatellite System)定义的参考坐标系。
为了在全局参考坐标系内定义地图1，地图上至少有一个点具有相关的 GNSS位置。然而，应当理解，可以有两个或以上的点具有相关的GNSS位置。因此，GNSS位置的定义允许将地图放置在全局参考坐标系内，因此地图1可被视为基准图。
GNSS位置可以定义为线段上的一个点、线段之间的一个顶点或地图1上的一个节点。或者，可以在远离多边形的地方定义GNSS位置，但其与多边形之间存在确定的关系。例如，GNSS位置可以定义在多边形的中心，或距离多边形的指定偏移处。
地图1作为地图数据存储在计算机系统中将在下文中更详细的讨论。地图数据与GNSS信息可以以任何适当的格式存储。地图数据还可以包括标签或标志或指示其他特征的其他数据。例如，所述地图数据可以包括建筑物或区域 3a、3b、3c、3d、3e、3f的名称或标签、建筑物具有多个楼层的标记、入口/出口点信息等。
基准图1可以从多个源中被获取。例如，可以从谷歌地图、OpenStreetMap 或任何其他公开可用或开源地图中获取基准图。例如，OpenStreetMaps有一个应用程序界面，允许用户在指定的感兴趣区域获取建筑物轮廓/多边形。或者，可以通过用户输入等获取基准图1。
图1B示出了多个单独的地图段5a、5b、5c、5d、5e、5f。地图段5a、5b、 5c、5d、5e、5f显示了一个区域的详细平面图。例如，地图段可以显示建筑物的详细内部结构，显示内墙、走廊、门廊和其他特征。
与基准图1一样，可以以任何合适的方式，例如，线段、由线段或多边形连接的顶点，定义地图段5a、5b、5c、5d、5e、5f。
在所讨论的示例中，地图段5a、5b、5c、5d、5e、5f不包括允许它们相对于基准图1定义的任何GNSS信息。相反，地图段5a、5b、5c、5d、5e、5f中的每一个在其自身的参考坐标系中定义，独立于其他地图段5a、5b、5c、5d、 5e、5f和基准图1的参考坐标系。
然而，每个地图段5a、5b、5c、5d、5e、5f可以包括额外的数据，例如，名称或标签，或者提供关于地图段5a、5b、5c、5d、5e、5f的进一步信息的其他数据。
每个地图段5a、5b、5c、5d、5e、5f与基准图1所示区域的一部分重叠。每个地图段5a、5b、5c、5d、5e、5f可以对应于图1A所示的建筑物或区域3a、 3b、3c、3d、3e、3f中的特定一个。或者，每个地图段5a、5b、5c、5d、5e、5f 可以对应于图1A所示的建筑物或区域3a、3b、3c、3d、3e、3f的一部分，或者可以与两个或以上建筑物或区域3a、3b、3c、3d、3e、3f重叠。
地图段5a、5b、5c、5d、5e、5f也可以以与基准图1类似的方式存储为地图数据。
图2示出了计算机实现方法100的流程图，该方法将地图段与基准图对准，以在基准图1定义的公共参考坐标系中提供地图段相对于彼此的位置。图 1C和1D示出了用于描述方法100的基准图1’和一对地图段5a’、5b’的简化示例。在本例中，基准图1’包括由多边形7’定义的单个建筑物3’。
虽然参考具有单个建筑物3’的基准图1和仅包括两个单独的地图段5a’、 5b’来描述实施例，应当理解，可以使用方法100根据任一基准图1来对准任何数量的地图段5a、5b、5c、5d、5e、5f。
在方法100的第一步骤102中，分别处理每个地图段5a’、5b’，以识别地图段5a’、5b’与基准图1的候选对准。每个候选对准表示与基准图1重叠的地图段5a、5b、5c、5d、5e、5f的可能位置。
图1E示出了第一地图段5a’的多个可能的候选对准13a’、13a”、13a”’，以及第二地图段5b’的多个可能的候选对准13b’、13b”、13b”’。
可以使用许多不同的技术来识别地图段5a’、5b’的每个可能的候选对准。
用于识别可能的候选对准的技术的一个示例是如图3所述的角点匹配算法200。角点匹配算法200将基准图1’上定义的多边形7’上的角点与地图段5a’、 5b’上的角点对准。
在角点匹配算法200的第一步骤202中，识别基准图1上的每个单独多边形7’的角点。角点按照单个旋转方向(顺时针或逆时针)进行识别。对于每个角点，识别连接线段的位置、输入方向和输出方向(以及角点的角度)。如果基准图包含多个多边形7’，则可以依次识别每个多边形。
在第二步骤204中，识别地图段5a’、5b’的角点。在与基准图1’相同的旋转方向上识别角点，并且再次识别输入方向和输出方向(以及角点的角度)。对于图1B所示的地图段5a、5b、5c、5d、5e、5f，仅考虑轮廓多边形。图1D中所示的地图段5a’、5b’仅显示轮廓多边形。
然后，在第三步骤206中，通过比较识别的角度来识别配对的相似角点 (一个来自基准图1’，一个来自地图段5a’、5b’)。为了被视为相似，基准图1 上的角点的角度和地图段5a’、5b’上的角点的角度必须在预定义的差值范围内。例如，可以认为彼此相差10度以内的任何角点都是相似的。然而，这仅作为示例给出，可以使用任何合适的差值。
对于已识别的每对相似角点，使用刚性变换将地图段5a’、5b’的角点与基准图1’的角点对准(步骤208)。
在下一步骤210中，使用优化步骤来搜索地图段5a’、5b’的缩放和旋转，使基准图1’的对准代价最小化。这是针对已识别的每对相似角点执行的。对准代价是围绕地图段周长定期采样的点与基准图中最近点的距离的平方的总和或平均值(或另一个聚合函数)。可以使用不同的误差度量，例如，距离的聚合函数，取代距离的平方。可以根据应用于地图段的比例的倒数来缩放距离，因此较大的地图段比例因子不会不利。也可以使用Huber损失函数，以便将距离的二次方代价聚合到阈值，然后再聚合线性代价。或者，可以使用硬截止线来消除距离地图段一定距离以上的周围几何体的任何影响。
应当理解，识别基准图1中角点的步骤202只需要执行一次。这可以在处理第一地图段5a’时或之前执行，例如，作为预处理步骤。
在上述示例中，当处理每个地图段5a’、5b’时，执行识别地图段5a’、5b’中角点的步骤204。然而，当处理第一地图段5a’时或作为预处理步骤时，也可以同时对一些或所有地图段执行该操作。
通过匹配相似角点生成的对准集形成一组n(i)个候选对准mi1、mi2、 mi3…min(i)。在方法100的下一步骤104中，为每个候选对准mij确定代价函数 cij。代价函数包括至少两种贡献：
-对准贡献：代表地图段5a’、5b’的多边形与基准图1的多边形对准的程度；以及
-变形贡献：代表旋转和比例因子或其他函数。例如，地图段的变形会带来代价。
总代价函数是贡献的加权和。不同贡献的适当权重可以通过经验确定，也可以通过与形成基本事实的已知地图段进行比较来确定。
在下一步骤106中，可以取每个地图段5a’、5b’的候选对准集n的子集。应当理解，该步骤是可选的，并且可以省略。
在一个示例中，子集只是具有最低代价函数的k(其中，k是任何正整数) 个候选对准。或者，可以删除具有高于阈值的代价函数的任何候选对准。或者，可以采用具有最低代价的前k％候选对准。
在下一步骤108中，生成一组N个候选解S＝{S1，S2，…，SN}。每个候选解包括针对每个L地图段5a、5b、5c、5d、5e、5f的单个候选对准，因此其形式为Sk＝m1xk1，m2xk2，m3xk3…mnxkL。图1F示出了在基准图1’上放置两个地图段5a’、5b’的一组候选解15a、15b、15c、15d的示例。
在步骤110中，确定每个候选解Sk的代价函数。在一个示例中，每个候选解的代价函数可以简单地源自每个地图段5a’、5b’的所选候选对准的代价函数之和。
可选地，候选解的代价函数可以包括不同地图段5a’、5b’的所选候选对准的配对贡献。例如，配对贡献反映地图段5a’、5b’之间的重叠。在大多数情况下，如图1F中的前三个候选解15a、15b、15c中的重叠是不可取的。在这些情况下，任何重叠都会增加代价。
在一些有限的情况下，重叠可以减少由此产生的代价函数。这包括：
-地图段5a、5b、5c、5d、5e、5f属于同一建筑物的不同楼层；
-地图段明确包括重叠区域，但尚未合并，如下所述。
在存在多个地图段5a、5b、5c、5d、5e、5f的情况下，可以为每对可能的地图段5a、5b、5c、5d、5e、5f确定配对贡献。或者，可以采用链或循环模型来简化模型。在这种情况下，可以对地图段5a、5b、5c、5d、5e、5f进行排序，然后可以仅在相邻地图段之间按顺序考虑配对贡献，这样对于地图段mi，候选解的代价函数仅包括具有地图段mi-1和mi+1的配对贡献。可以基于地图段的空间范围、地图段在候选解中的位置、地图段的区别或任何其他因素进行排序。排序也可能是任意的。
可选地，在代价函数的配对贡献超过预设阈值的情况下，可以执行搜索变换，以修改地图段5a、5b、5c、5d、5e、5f中的一个或两个以减少配对贡献。例如，当附近的两个路段有几乎对准但不完美的连接走廊时，可以应用一个小的平移来很好地对准它们，从而减少它们之间的配对代价。在另一个示例中，如果两段重叠的程度很小，则可以对其进行平移，以减少重叠。转换可以对代价函数做出较大贡献。
应当理解，基于所有可能的候选对准生成的候选解全集可能非常大，尤其是对于大量的地图段。根据一个实施例，可以使用组合搜索算法搜索和识别候选解集。组合搜索算法的示例包括遗传算法、模拟退火或禁忌搜索。这将在图4的方法400中详细讨论。
在第一步骤402中，使用上述方法之一确定初始候选解S1和相关代价函数。例如，候选解可以是初始候选解S1，对于每个地图段5a’、5b’，该初始候选解S1具有最低代价的候选对准。应当理解，这可能不是最低代价候选解。例如，两个地图段可以位于同一位置，这是不恰当的。
在下一步骤404中，确定一组最近邻解。
当存在L个地图段m1、m2、m3…mL时，通过一次仅改变初始候选解S1的一个候选对准，并保持所有其他候选对准相同，来确定最近邻解。对每个地图段5a’、5b’重复该步骤，以形成一组由不同子集组成的最近邻解，其中除一条候选对准外，其余候选对准都是不变的。
例如，在第一地图段m1具有候选对准m11、m12…m1n(1)且候选解S1包括对准m1s的情况下，存在一组n(1)-1最近邻解，所有这些解对于地图段m2、 m3…mL具有相同的候选对准，并且对于m1具有每个可能的候选对准。
举例来说，考虑一组具有以下候选对准的三个地图段：
-地图段1：m11、m12,、m13、m14
-地图段2：m21、m22、m23、m24
-地图段3：m31、m32
初始候选解S1确定为m13、m24、m31。最近邻解集为：
S2＝m11、m24、m31
S3＝m12、m24、m31
S4＝m14、m24、m31
S5＝m13、m21、m31
S6＝m13、m22、m31
S7＝m13、m23、m31
S8＝m13、m24、m32
确定每个新候选解的代价函数。在下一步骤406中，选择具有最低代价函数的最近邻候选解作为新的初始候选解，并且为新的初始候选解重复确定最近邻的过程。在其他示例中，可以使用从已确定的最近邻解中提取的两个或多个不同的初始化候选解来重复该过程。例如，新的初始候选解可能是：每个子集中具有最低代价函数的候选解、代价函数低于阈值的候选解、候选解的最佳k或 k％。
继续该过程，直到满足终止条件。可以使用任何适当的终止条件。例如，在迭代次数达到阈值之后，在候选解的数量达到阈值之后，在代价函数低于阈值的候选解的数量达到预设数量之后，该过程可以停止，或者通过监控生成的候选解的代价函数，直到生成最近邻后没有进一步的显著改善。可以通过一次迭代或多次迭代来衡量改善的不足。
在方法100的最后步骤112中，报告结果。
在一个示例中，报告一个最好结果(具有最低代价函数)。在图1C至1F 所示的示例中，最好结果可能是第四个候选解15d。在其他示例中，报告前k(或 k％)个候选解，或报告前一组结果。
报告的结果可能仅提供地图段子集的对准。例如，大量生成的候选解具有用于地图段子集的相同候选对准，仅报告候选对准的子集。
在上面讨论的示例中，基准图1是该区域的轮廓地图。然而，情况未必如此。在其他示例中，基准图可以是如图5A所示的位姿图500(也称为体验地图)。图5A所示的位姿图500与图1C的基准图1’所示的区域相同。
位姿图500由一个或以上轨迹构成，一个或以上移动设备沿着该轨迹在该区域中移动。每条轨迹包括多个通过边连接的节点。除非另有说明，否则使用体验地图作为基准图1以与上述相同的方式执行方法。
可以通过定位移动设备的任何合适方法获取位姿图的轨迹，例如，可以使用GNSS数据。或者，在没有全球卫星导航系统数据的情况下，可以使用诸如行人航位推算和其他惯性测量等技术。重新定位技术(基于传感器信号，例如，Wifi、地磁场、视觉外观等)可以用于确定图形中两个节点之间的相对位姿。这可以用于执行单个用户轨迹的闭环，或者连接不同用户的轨迹。
如果基准图是轮廓地图，则地图段5a、5b、5c、5d、5e、5f的轮廓与基准图1上的多边形/形状的轮廓对准。当基准图1是位姿图/体验地图时，这是不可能的。因此，上面讨论的角点匹配算法不适用。
在体验地图作为基准图1的情况下，可以使用替代技术。例如，可以使用锚点匹配技术。图6示出了在体验基准图和地图段之间锚点匹配的方法。
在第一步骤602中，从位姿图500中提取简化(或框架)位姿图500’。这保持了原始位姿图500的结构，但突出了重要或标志性特征。图稀疏化方法可以用于该步骤，该步骤中处理原始位姿图得到稀疏化图，该稀疏化图大致保留原始位姿图500的一些特征。
在原始位姿图中节点密度足够大的地方创建节点，即只沿着经常使用的走廊；如果新图中的两个节点v和u彼此足够接近，并且如果有足够多的短路径将位姿图中靠近v的原始节点与原始位姿图中靠近u的节点连接起来，则新地图中的两个节点v和u通过一条边连接。
可以使用其他图稀疏化方法通过处理单个轨迹生成的详细输入位姿图推断框架体验地图，该框架体验地图表示移动设备用户遵循的主要走廊或路径。
可被识别并包括在框架体验地图500’中的其他重要点(或锚点)包括，例如，阶数大于2的节点(即两条以上的边相交的节点)和阶数为2但角度高于阈值的节点(即拐角)。
图5B示出了从位姿图500中提取的框架体验地图500’。
在步骤604中，处理时从地图段5a’、5b’中提取框架地图段502a、502b。
可以采用任何合适的框架化方法从地图段5a’、5b’提取框架。在一个示例中，地图段包括墙限定的房间和其他区域。可以反转地图以突出显示可穿越区域，然后细化定义可穿越区域的区域以提供框架。细化处理保持可穿越区域之间的所有连接。
应当理解，在一个示例中，任何不可穿越的区域(例如，没有门廊的房间) 将以与墙壁相同的方式处理。
此外，如果地图段包括两个或多个可穿越空间的未连接区域，则可以保留这两个区域，或者只考虑最大的区域。在替代示例中，可以将未连接的可穿越空间视为单独的地图段。
应当理解，可选地，可以从地图段中移除建筑物外部的任何可穿越区域。此外，可选地，可以通过例如平滑处理、减少节点数量(通过采样)或移除仅连接到一个相邻节点的节点来简化地图段的框架。
图5C示出了从图1D所示地图段5a’、5b’中提取的框架地图段502a、 502b的示例。与框架位姿图一样，这保持了原始地图段5a’、5b’的结构，但突出了重要或标志性特征。
如果不是这种格式，框架位姿图500’和地图段502a、502b转换为包括由边连接的节点的图形数据。这些节点形成锚点，可以用于将地图段502a、502b 与位姿图500’对准。每个锚点包括一个位置和一个出边的角度。
应当理解，框架地图段502a、502b对应于走廊和/或空的空间，因此框架体验地图500’应与框架地图段502a、502b对准。下面将更详细地讨论这一点。
在下一步骤606中，依次匹配每个地图段502a、502b的锚点。这与前面讨论的角点匹配方式类似，并且通过锚的配对匹配来执行。与角点匹配一样，基于地图段520a、502b中的锚和位姿图500’中的锚点之间的可接受差异，识别配对的相似锚点。对于每一对，确定框架地图段502a、502b的刚性变换以对准锚点，并使用优化步骤来确定缩放和旋转。
图5D示出了通过该方法确定框架地图段502a、502b的示例候选对准 504a’、504a”、504a”’、504b’、504b”、504b”’。
有许多不同的方法评估由锚点匹配算法600推导的候选对准的代价函数。
在一个示例中，确定地图段中的节点与基准图中最近采样点之间的距离。这些距离的统计数据可以用于评估对准代价(例如，距离的平方的平均值，或距离的平方的和，或距离的平均值/和，或基于通过Huber损失函数的距离的度量)。
在另一个示例中，可以基于地图段中的节点到基准图中最近边的垂直距离来计算所述距离。通过适当的加权，距离对误差贡献的影响可能会减弱或加剧。在估计对准代价时，还可以考虑边的尺寸(与节点密度相关)。
以与图2所述方法类似的方式，可以使用单个候选对准来确定候选解，并报告结果。图5E示出了根据该方法生成的候选解506a、506b、506c、506d。
地图段5a’、5b’和相应的框架地图段502a、502b之间的空间关系是已知的。因此，一旦在一个位置提供框架地图段502a、502b，就可以重新引入地图段的全部细节以得到期望的结果。
此外，尽管上面讨论的示例涉及仅具有一对地图段的位姿图的使用，但位姿图500可以是任意大小，并且可以有任意数量的段。
可以使用任何图形或形状匹配算法来实施上面讨论的角点匹配和锚点匹配算法，该图形或形状匹配算法能够识别基准图上地图段的候选对准位置，并评估每个候选对准的相似性度量。
在分别处理每个地图段5a、5b、5c、5d、5e、5f以识别地图段5a、5b、5c、5d、5e、5f与基准图1的候选对准的步骤102之前，地图段5a、5b、5c、 5d、5e、5f和/或基准图1可以经过某些预处理步骤，以简化地图和对准过程和/ 或使地图1合理化。
图7示出了用于对基准图1(无论是轮廓图还是体验地图)进行预处理的第一预处理过程700。
在第一步骤702中，提取具有地理参考约束(例如，GNSS约束)的地图与没有此类约束的地图之间的空间关系。没有此类约束的地图可以是其他轮廓图，或者可以是地图段5a、5b、5c、5d、5e、5f。角点匹配、锚点匹配或其他图形或形状匹配算法可以用于确定是否存在具有极高相似性(拟合)的唯一对准，在这种情况下，可以推断地图具有高置信度的空间关系，与对准代价成反比。
在第二步骤704中，已经识别出具有地理参考约束(例如，GNSS约束) 的地图与没有这种约束的地图之间的空间关系的情况下，地理参考约束无约束地传播到地图上。
例如，具有地理参考约束的地图和不具有地理参考约束的地图之间确定了显著重叠，并且地理参考约束适用于重叠区域内的一个点(或多个点)的情况下，可以简单地将地理参考约束应用于其它地图上的对应点。
或者，如果地理参考约束位于重叠区域之外，则可以使用它们间接推断地理参考约束。
可选地，在步骤706中，确定为具有空间关系的地图可以组合成单个地图。这可以形成单个地图段5a、5b、5c、5d、5e、5f或单个基准图1。
图8示出了在基准图(无论是轮廓图还是体验地图)上执行的另一可选预处理过程800。
在第一步骤802中，处理基准图以将地理参考约束(原始的或传播的)转换为在全局参考坐标系中表示的转换地图。
如果基准图包括多个地理参考约束，全局参考坐标系的转换可能会导致地图变形。例如，在基准图上，位姿图或建筑物轮廓可能具有局部形状，但是，基于GNSS数据转换到全局参考坐标系可能会导致形状变形。这可能是由于 GNSS数据或体验地图中的错误造成的。
在步骤804中，为变形生成单独的代价函数。第一贡献与所需的变形有关，而第二贡献与地理参考约束的一致性有关。因此，当地图需要高变形以维持地理参考约束时，将在这两种贡献之间取得平衡。这种平衡可以通过非线性优化算法来解决，例如，SLAM(simultanenous localization and mapping，同步定位和测绘)系统的后端，GNSS约束会导致原始位姿的位移(位移是变形的一种度量)，优化后的图形仍不能完全满足所有GNSS约束(这些约束的残差是地理参考约束一致性的一种度量)。
在另一可选步骤806中，其中存在多个地理基准图，不同地图对的配对对准可以进一步用于迭代地细化地图。
首先，确定基准图的顺序。这可能是，例如，通过重叠程度，或任意顺序。
然后将排序中的第一个地图与第二个地图对准，并优化转换以对准两个地图，然后将第二个地图与第三个地图对准，并将该过程重复到最后一个地图。这可能是一个单一的线性过程，也可能是循环的，最后一个地图与第一个地图对准。
有多个基准图1的情况下，则根据上述确定的代价函数选择一个基准图。或者，可以选择范围最大的基准图，或者选择具有最精确地理参考数据的基准图。
在基准图不包括地理参考数据的情况下，可以任意选择其中一个地图来定义基准图。例如，所述基准图可能是范围最大的地图。
图9示出了在没有地理参考数据的情况下预处理地图段5a、5b、5c、5d、5e、5f的流程900。在第一步骤902中，确定地图段5a、5b、5c、5d、5e、5f之间的空间关系。例如，由于紧密匹配，地图段5a、5b、5c、5d、5e、5f高度重叠。
在下一步骤904中，确定具有高相关性(即高度重叠)的地图对的高度关系。
如果确定地图在同一高度，可以合并地图段以形成一个组合段，该组合段被视为单个地图段，用于图2所述的方法。
如果高度信息不同，则确定，例如，地图段可能与同一建筑物的不同楼层有关。
可以用任何合适的方式确定高度信息。例如，地图段是否标有楼层标识符，或与地图相关的其他信息，例如，压力读数、高度读数等。
此外，在附加的可选预处理步骤中，可以简化地图段5以进行处理。图 10A示出了简化地图段的方法1000。
图10B示出了图1D中所示的地图段5a’、5b’。在此示例中，地图段5a’、 5b’包括地图段5a’、5b’所示区域内部的详细平面图。
在第一步骤1002中，可以提取地图段的轮廓多边形。如图1D所示。
在图10B所示的示例中，地图段的轮廓多边形形状相对简单。然而，情况可能并不总是如此，轮廓多边形可能包括小特征和伪影。可选地，在第二步骤 1004中，可以通过对多边形周长周围的轮廓进行采样来简化多边形。采样率足够低，可以从外部移除小特征，但采样率足够高，可以保留多边形的一般形状。可以应用其他多边形简化或稀疏化方法，将具有n个顶点的多边形或多面体p 作为输入，并输出一个修改后的多边形或多面体，该多边形或多面体与原始多边形或多面体至少保持一定程度的相似性，但顶点较少。
对准过程中使用轮廓多边形或简化轮廓多边形。在该过程结束时，详细地图段5a’、5b’替换简化多边形，以提供完整的详细地图。
还应当理解，当使用位姿图作为基准图时，图10B中所示的详细地图段 5a’、5b’用于生成框架地图段502a、502b。
图11示出了用于执行上述方法的数据处理系统2001的示意性示例。数据处理系统2001包括通信接口2003，用于接收数据，所述数据包括但不限于如图5所述的与一个或以上基准图1或地图段5a、5b、5c、5d、5e、5f相对应的地图数据，以及从一个或以上移动设备101传输来形成轨迹数据的数据。处理结果也可以通过通信接口2003提供。
数据处理系统2001还可以包括用户输入/输出接口2004，以使用户能够输入数据或增强先前提供的数据，并且还能够提供结果的可视化输出。输入/输出接口可以连接到一个或以上输入/输出设备2004a、输入/输出设备2004b、输入/输出设备2004c，例如，触摸屏、显示器、键盘、鼠标等。
数据处理系统2001包括被细分为程序存储部分2007和数据存储部分 2009的存储器2005，以及处理电路2011。
处理电路2011、存储器2005、输入/输出接口2004和通信接口2003都通过系统总线2013进行通信。处理电路2011、输入/输出接口2004和存储器2005 还可以经由通信接口2003进行通信，其中存储器2005和处理电路2011的功能是分布式的。
存储器可以由高速缓存、RAM、本地大容量存储设备(例如，硬盘)提供。也可以远程提供存储器，并通过网络连接到处理电路2011。
处理电路2011可以是或包括以下处理器中的至少一个：
Figure RE-RE-GDA0003658490220000181
的A7、 A8、A9、A10或A11处理器、Snapdragon、
Figure RE-RE-GDA0003658490220000182
X86处理器(例如，I5、I7处理器)、Intel Atom等。
数据存储部分2009存储编码一个或以上区域的地图1的地图数据2015。这可能包括基准图和地图段。数据存储部分2009还用于存储从形成位姿图的一个或以上移动设备接收的地图数据2017，并输出作为地图数据2015和/或位姿图的处理结果的数据2019。
如上文所述，数据处理系统2001用于处理地图数据2015和地图数据2017。存储器2005的程序存储部分2007包含执行处理的各个部分的多个模块2021、 2023、2025、2027、2029、2031、2033、2035、2037、2039。这些模块包含计算机程序代码，当在处理电路2011上执行时，会执行某些步骤。
角点匹配模块2021和锚点匹配模块2031执行上述处理的角点和锚点匹配。提供候选对准模块2023以确定各个地图段的候选对准(使用地图或位姿图作为基准图)，基于所识别的候选对准，候选解模块2027识别和搜索候选解。
框架生成模块2029在必要时生成框架地图和地图段，而轮廓提取模块 2039生成地图段的轮廓(并在必要时简化轮廓)。
基准图约束传播模块2035执行如图7所述的预处理，而约束转换模块 2037执行如图8所述的预处理。
地图段预处理模块2037识别如图9所述的地图段之间的空间关系和其他关系(例如，高度关系)。
前述数据处理系统2001仅作为示例给出。可以使用任何合适的数据处理系统2001。
在上述描述中，地图段5a、5b、5c、5d、5e、5f中没有任何地理参考数据。然而，情况未必如此。在某些情况下，地图段可能包括与基准图1处于同一参考坐标系内的GNSS或其他基准数据，从而允许这些地图段具有高置信度对准。
在上述描述中，使用角点匹配或锚点匹配算法来寻找地图段5a、5b、5c、 5d、5e、5f到基准图1的候选对准。然而，应当理解，可以使用任何合适的形状匹配算法。

Claims (25)

1.一种计算机实施方法，该方法用于将具有局部参考坐标系的至少两个地图段与具有全局参考坐标系的基准图对准，每个地图段与所述基准图代表区域的一部分重叠，所述方法包括：
对于每个地图段，独立地生成一个或以上将所述地图段与所述基准图对准的候选对准；
对于每个候选对准，评估表示所述候选对准是正确的可能性的候选对准代价函数；
基于所述候选对准和相关的候选对准代价函数，生成一个或以上候选解，每个候选解包括所述至少两个地图段的每个地图段的单个候选对准；
对于每个候选解，至少基于所述候选解中包括的每个候选对准的所述候选对准代价函数来评估候选解代价函数；以及
基于所述候选解代价函数的评估，确定所述至少两个地图段与所述基准图的对准。
2.根据权利要求1所述的计算机实施方法，其特征在于，所述至少两个地图段中的至少一些具有不同的参考坐标系。
3.根据权利要求1或2所述的计算机实施方法，其特征在于，对于每个地图段，独立地生成一个或以上候选对准包括：将所述地图段上的一个或以上节点或边与所述基准图上的一个或以上节点或边对准。
4.根据权利要求3所述的计算机实施方法，其特征在于，对于每个地图段，独立地生成一个或以上候选对准包括：应用形状匹配算法或图形匹配算法中的一个或以上。
5.根据权利要求3或4所述的计算机实施方法，其特征在于，评估每个候选对准的候选对准代价函数包括：
确定所述地图段上的节点和边与所述基准图上的节点和边之间的对准程度；以及
基于确定的对准程度，确定所述候选对准代价函数。
6.根据权利要求1-5中任一项所述的计算机实施方法，其特征在于，对于每个地图段，独立地生成一个或以上候选对准包括：对所述地图段应用转换变形。
7.根据权利要求6所述的计算机实施方法，其特征在于，评估每个候选对准的候选对准代价函数包括：确定所述候选对准中，所述地图段的变形对应的代价函数贡献。
8.根据权利要求6或7所述的计算机实施方法，其特征在于，所述转换包括缩放。
9.根据权利要求1-8中任一项所述的计算机实施方法，其特征在于，生成一个或以上候选解包括：忽略代价函数值超过阈值的地图段的候选对准。
10.根据权利要求1-9中任一项所述的计算机实施方法，其特征在于，评估每个候选解的候选解代价函数包括：确定不同地图段的重叠，以及基于所述重叠确定代价函数贡献。
11.根据权利要求1-10中任一项所述的计算机实施方法，其特征在于，生成一个或以上候选解包括：识别所述候选对准的所有可能组合的子集。
12.根据权利要求11所述的计算机实施方法，其特征在于，生成一个或以上候选解包括：
识别第一候选解；
基于所述第一候选解，识别进一步的候选解。
13.根据权利要求12所述的计算机实施方法，其特征在于，基于所述第一候选解识别进一步的候选解包括：使用离散全局优化算法，所述离散全局优化算法包括以下算法之一：遗传算法、模拟退火或禁忌搜索。
14.根据权利要求12或13所述的计算机实施方法，其特征在于，基于所述第一候选解，识别进一步的候选解包括：将所述第一候选解中的所述候选对准子集更改为相同地图段的不同候选对准。
15.根据权利要求14所述的计算机实施方法，其特征在于，更改具有最高代价函数的候选对准。
16.根据权利要求12至15中任一项所述的计算机实施方法，其特征在于，一旦满足终止条件，终止生成一个或以上候选解的步骤。
17.根据权利要求12至16中任一项所述的计算机实施方法，其特征在于，所述第一候选解包括每个地图段的具有最低值代价函数的所述候选对准。
18.根据权利要求1-17中任一项所述的计算机实施方法，其特征在于，所述方法包括：在确定候选对准之前简化地图段的形状。
19.根据权利要求1-18中任一项所述的计算机实施方法，其特征在于，所述方法包括：确定一个或以上地图段重叠，以及合并重叠的地图段以形成单个地图段。
20.根据权利要求1-19中任一项所述的计算机实施方法，其特征在于，所述方法包括：转换两个或以上基准图以在单个全局参考坐标系内彼此对准。
21.根据权利要求1-20中任一项所述的计算机实施方法，其特征在于，确定所述至少两个地图段与所述基准图的对准包括：提供具有最低代价函数值的候选解的子集。
22.根据权利要求1-21中任一项所述的计算机实施方法，其特征在于，确定所述至少两个地图段与所述基准图的对准包括：将部分但不是所有的所述地图段与所述基准图对准。
23.根据权利要求1-22中任一项所述的计算机实施方法，其特征在于，所述基准图包括具有一个或以上点的地图，所述一个或以上点具有在全球导航卫星系统中定义的位置，或者一个或以上移动设备沿其移动的轨迹的位姿图。
24.一种数据处理系统，用于将具有局部参考坐标系的至少两个地图段与具有全局参考坐标系的基准图对准，每个地图段与基准图代表区域的一部分重叠，所述数据处理系统包括：
处理电路，被配置为执行权利要求1-23中任一项所述的方法。
25.一种计算机可读介质，其包含指令，当在包括处理电路的系统上运行时，使所述系统：
(i)执行权利要求1-23中任一项所述的方法；和/或
(ii)实施权利要求24所述的数据处理系统。
CN202210379552.2A 2021-04-22 2022-04-12 地图段的对准 Pending CN115235467A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
GR20210100286 2021-04-22
GR20210100286 2021-04-22
GB2106811.9 2021-05-13
GB2106811.9A GB2606034A (en) 2021-04-22 2021-05-13 Alignment of map segments

Publications (1)

Publication Number Publication Date
CN115235467A true CN115235467A (zh) 2022-10-25

Family

ID=80979030

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210379552.2A Pending CN115235467A (zh) 2021-04-22 2022-04-12 地图段的对准

Country Status (4)

Country Link
US (1) US20220341752A1 (zh)
EP (1) EP4080455A1 (zh)
CN (1) CN115235467A (zh)
AU (1) AU2022202051A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115493603B (zh) * 2022-11-17 2023-03-10 安徽蔚来智驾科技有限公司 地图对齐方法、计算机设备及计算机可读存储介质
CN116929369A (zh) * 2023-07-24 2023-10-24 合肥中科深谷科技发展有限公司 一种基于位姿图更新的导航定位方法、装置及介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4875240B2 (ja) * 1999-01-25 2012-02-15 株式会社ゼンリン ポリゴン道路ネットワークデータ作成装置、道路地図表示装置及び方法
US8817049B2 (en) * 2011-04-29 2014-08-26 Microsoft Corporation Automated fitting of interior maps to general maps
US9317626B2 (en) * 2011-11-16 2016-04-19 Wai Man Chan Method and system for combinatorial layout design
US11593535B2 (en) * 2019-11-01 2023-02-28 Microsoft Technology Licensing, Llc Geospatially referenced building floorplan data
KR20210083575A (ko) * 2019-12-27 2021-07-07 (주) 아키드로우 공간 사용률 분석을 제공하는 인테리어 레이아웃 장치 및 그 동작 방법
US11354883B2 (en) * 2019-12-30 2022-06-07 Sensetime International Pte. Ltd. Image processing method and apparatus, and electronic device

Also Published As

Publication number Publication date
US20220341752A1 (en) 2022-10-27
AU2022202051A1 (en) 2022-11-10
EP4080455A1 (en) 2022-10-26

Similar Documents

Publication Publication Date Title
CN110856112B (zh) 一种群智感知的多源信息融合室内定位方法及系统
Gao et al. Jigsaw: Indoor floor plan reconstruction via mobile crowdsensing
Klein et al. Imaged-based verification of as-built documentation of operational buildings
US10534870B2 (en) Methods, apparatuses and computer program products for automatic, non-parametric, non-iterative three dimensional geographic modeling
Verykokou et al. UAV-based 3D modelling of disaster scenes for Urban Search and Rescue
Akca et al. Quality assessment of 3D building data
Tseng et al. Semiautomated building extraction based on CSG model-image fitting
CN115235467A (zh) 地图段的对准
CN107092877A (zh) 基于建筑物基底矢量的遥感影像屋顶轮廓提取方法
WO2023005814A1 (zh) 一种室内指纹地图的构建方法及相关装置
Sohn et al. An implicit regularization for 3D building rooftop modeling using airborne lidar data
Bshouty et al. Towards the generation of 3D OpenStreetMap building models from single contributed photographs
Santos et al. Crowdsourcing-based fingerprinting for indoor location in multi-storey buildings
Masiero et al. Toward the use of smartphones for mobile mapping
Kwak Automatic 3D building model generation by integrating LiDAR and aerial images using a hybrid approach
Howe et al. Deformable part models for automatically georeferencing historical map images
CN107407565A (zh) 给位置提供约束
KR20220135789A (ko) 건물형상정합 알고리즘을 이용한 3d 모델 위치보정 방법 및 장치
Luo et al. Indoor mapping using low-cost MLS point clouds and architectural skeleton constraints
CA2894863A1 (en) Indoor localization using crowdsourced data
GB2606034A (en) Alignment of map segments
Chan et al. Dynamic WIFI-Based Indoor Positioning in 3D Virtual World
Li et al. Optimal selection of GCPs from Global Land Survey 2005 for precision geometric correction of Landsat-8 imagery
Bot A graph-matching approach to indoor localization: using a mobile device and a reference BIM
Steijn Building an IndoorGML model in (near) real-time

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