CN117168446B - 一种基于惯性传感器的行人室内面积测量方法 - Google Patents
一种基于惯性传感器的行人室内面积测量方法 Download PDFInfo
- Publication number
- CN117168446B CN117168446B CN202311443762.4A CN202311443762A CN117168446B CN 117168446 B CN117168446 B CN 117168446B CN 202311443762 A CN202311443762 A CN 202311443762A CN 117168446 B CN117168446 B CN 117168446B
- Authority
- CN
- China
- Prior art keywords
- measurement
- route
- determining
- area
- plan
- 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
Links
- 238000000691 measurement method Methods 0.000 title claims abstract description 13
- 238000005259 measurement Methods 0.000 claims abstract description 233
- 238000012937 correction Methods 0.000 claims description 52
- 238000000034 method Methods 0.000 claims description 28
- 238000012360 testing method Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 10
- 230000002452 interceptive effect Effects 0.000 description 10
- 238000012986 modification Methods 0.000 description 10
- 230000004048 modification Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000007572 expansion measurement Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
Abstract
本说明书实施例提供一种基于惯性传感器的行人室内面积测量方法,该方法由处理器执行,包括:获取用户输入,用户输入包括待测区域的初始平面图;基于初始平面图,确定待测区域的修正平面图;基于修正平面图,确定测量参数,测量参数包括推荐测量路线,推荐测量路线包括基础测量路线;基于测量参数对待测区域进行测量,确定测量数据;基于测量数据,确定待测区域的空间面积。
Description
技术领域
本说明书涉及空间测量领域,具体涉及一种基于惯性传感器的行人室内面积测量方法。
背景技术
室内面积通常依赖于人工测量,不仅费时费力,更无法保证测量的误差或精度在预设范围内,可能导致不必要的重复工作,降低测量效率。另一方面,现有的惯性传感器主要用于室内定位,基于惯性传感器获取行人室内位置可以提高面积测量的效率,但在室内可能由于GPS信号微弱进而降低定位精度。
针对行人室内位置跟踪的精度问题,CN104061934B提出一种基于惯性传感器的行人室内位置跟踪方法,该方法重点针对的是惯性传感器长时飘逸性导致位置估计误差较大的情况,基于粒子滤波可以提高位置估算的准确度。但该方法在室内面积测量中仍然缺乏有效的技术手段。
因此提供一种基于惯性传感器的行人室内面积测量方法,可以在提高行人室内定位精度的同时,提高室内面积测量的效率和准确性。
发明内容
本说明书实施例之一提供一种基于惯性传感器的行人室内面积测量方法,所述方法由处理器执行,包括:获取用户输入,所述用户输入包括待测区域的初始平面图;基于所述初始平面图,确定所述待测区域的修正平面图;基于所述修正平面图,确定测量参数,所述测量参数包括推荐测量路线,所述推荐测量路线包括基础测量路线;基于所述测量参数对所述待测区域进行测量,确定测量数据;基于所述测量数据,确定所述待测区域的空间面积。
本说明书实施例之一提供一种基于惯性传感器的行人室内面积测量系统,包括:获取模块,用于获取用户输入,所述用户输入包括待测区域的初始平面图;第一确定模块,用于基于所述初始平面图,确定所述待测区域的修正平面图;第二定模块,用于基于所述修正平面图,确定测量参数,所述测量参数包括推荐测量路线,所述推荐测量路线包括基础测量路线;第三确定模块,用于基于所述测量参数对所述待测区域进行测量,确定测量数据;第四确定模块,用于基于所述测量数据,确定所述待测区域的空间面积。
本说明书实施例之一提供一种基于惯性传感器的行人室内面积测量装置,包括存储器和处理器,所述存储器用于存储计算机指令,所述处理器读取计算机指令,执行前述基于惯性传感器的行人室内面积测量方法。
本说明书实施例之一提供一种可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行前述基于惯性传感器的行人室内面积测量方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的基于惯性传感器的行人室内面积测量系统的示例性模块图;
图2是根据本说明书一些实施例所示的基于惯性传感器的行人室内面积测量方法的示例性流程图;
图3是根据本说明书一些实施例所示的确定测量参数的示例性流程图;
图4是根据本说明书一些实施例所示的确定扩展测量路线的示例性示意图;
图5是根据本说明书一些实施例所示的另一确定扩展测量路线的示例性示意图;
图6是根据本说明书一些实施例所示的对推荐测量路线进行校正的示例性示意图;
图7是根据本说明书一些实施例所示的确定待测区域的空间面积的示例性示意图。
实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
针对室内面积测量效率及定位精度的问题,基于惯性传感器可以对行人位置进行定位,不仅在一定程度上减少人工测量造成的误差,还可以提高面积测量的效率。但室内环境中的物理障碍、多径效应、信号衰减等因素可能会对惯性传感器定位精度有影响。而基于惯性传感器对室内面积进行测量也缺乏有效的技术手段。
鉴于此,本说明书一些实施例提供一种基于惯性传感器的行人室内面积测量方法。该方法通过获取用户输入的待测区域的初始平面图,自动确定待测区域的修正平面图,并基于修正平面图确定测量参数,利用测量参数对待测区域进行测量,得到测量数据。再根据测量数据,确定待测区域的空间面积,为室内空间测量提供了一种高效、准确的方案。
图1是根据本说明书一些实施例所示的基于惯性传感器的行人室内面积测量系统的示例性模块图。
如图1所示,基于惯性传感器的行人室内面积测量系统100可以包括获取模块110、第一确定模块120、第二确定模块130、第三确定模块140以及第四确定模块150。
获取模块110用于获取用户输入,用户输入包括待测区域的初始平面图。
第一确定模块120用于基于初始平面图,确定待测区域的修正平面图。
第二确定模块130用于基于修正平面图,确定测量参数,测量参数包括推荐测量路线,推荐测量路线包括基础测量路线。
在一些实施例中,第二确定模块130还用于响应于获取到第一用户输入,确定路线起点和路线终点;基于修正平面图,确定扩展测量路线;基于路线起点、路线终点以及扩展测量路线,确定测量参数。
第三确定模块140用于基于测量参数对待测区域进行测量,确定测量数据。
第四确定模块150用于基于测量数据,确定待测区域的空间面积。
在一些实施例中,第四确定模块150还用于基于测量数据确定噪声数据;基于测量数据和噪声数据,确定非噪声数据;基于非噪声数据,确定待测区域的空间面积。
有关前述模块及其功能的更多内容可参见图2-7及其相关说明。
需要注意的是,以上对于基于惯性传感器的行人室内面积测量系统及其模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。
图2是根据本说明书一些实施例所示的基于惯性传感器的行人室内面积测量方法的示例性流程图。在一些实施例中,流程200可以由处理器执行。如图2所示,流程200包括下述步骤:
步骤210,获取用户输入。
在一些实施例中,用户输入可以包括待测区域的初始平面图。
待测区域是指需要进行面积测量的区域。
初始平面图是指用户输入的与待测区间相关的图。例如,初始平面图可以包括待测空间的全景图像、待测区域的轮廓图等。其中,全景图像可以基于用户对待测区域进行拍摄获取;轮廓图可以由用户绘制。
在一些实施例中,处理器可以基于交互界面获取用户输入。例如,处理器可以获取用户输入交互界面的待测空间的全景图像。又例如,处理器可以获取用户在交互界面上手绘的待测空间的轮廓图。
交互界面可以是一种能够为处理器与用户交互信息的界面。在一些实施例中,交互界面可以用于显示数据信息和/或获取用户输入。处理器可以基于无线或有线连接等多种方式与交互界面连接。
用户输入还可以通过其他可行方式获取,本说明书在此不做限制。
步骤220,基于初始平面图,确定待测区域的修正平面图。
修正平面图是指对初始平面图进行修正后的标准制图。
在一些实施例中,处理器可以基于图像识别技术,将初始平面图规范为修正平面图。例如,用户输入手绘的初始平面图后,处理器可以将初始平面图中不直的线段识别为直线段,或将未完全封口的封闭图形识别为对应的封闭图形等。
步骤230,基于修正平面图,确定测量参数。
测量参数是指与对待测区域进行测量相关的参数。例如,测量参数可以包括对待测区域的测量方法、测量起点、测量终点等。其中,测量起点是指用户进行测量时的初始位置;测量终点是指用户结束测量时的终止位置。在一些实施例中,测量起点和测量终点可以为同一点,以形成密闭图形,便于计算待测区域的空间面积。
在一些实施例中,测量参数还包括校正参数,更多内容可以参见图6及其相关描述。
在一些实施例中,测量参数可以包括推荐测量路线。
推荐测量路线是指推荐用户选取的测量路线。在一些实施例中,推荐测量路线可以包括基础测量路线。在一些实施例中,推荐测量路线还可以包括扩展测量路线,更多内容可以参见图3及其相关描述。
基础测量路线是指绕待测区域的边缘行走一周的测量路线。例如,待测区域为四边形,且四边形的转角分别为A、B、C、D,示例性的基础测量路线可以是A-B-C-D-A。
在一些实施例中,测量参数还包括推荐测量路线中每条子线段的推荐采集次数。
推荐采集次数是指推荐测量路线中每条子线段对应的推荐采集次数。
在一些实施例中,处理器可以基于修正平面图和推荐测量路线,根据推荐测量路线的子线段在修正平面图中的位置,确定对应子线段的推荐采集次数。
例如,推荐测量路线中,基础测量路线的所有子线段都沿墙(即与修正平面图中的一边重合)时,用户测量不易出错,处理器可以将预设采集次数确定为推荐采集次数。预设采集次数是指基于历史经验预先设置的采集次数,例如,预设采集次数可以是一次。
又例如,推荐测量路线的扩展测量路线中,存在不沿墙的子线段时,用户沿该子线段行走容易走偏,测量容易出错,推荐采集次数相应越大,因此,处理器可以将该子线段对应的推荐采集次数设为预设采集次数的倍数,如2倍等。关于扩展测量路线的更多内容可以参见图3及其相关描述。
又例如,推荐测量路线的子线段的推荐采集次数为一次时,处理器可以判断,根据推荐采集次数对子线段进行采集的结果(如,用户轨迹),是否满足预设要求,响应于不满足预设要求,处理器可以相应增大该子线段的推荐采集次数。预设要求可以基于历史经验由系统或人为预设。
在一些实施例中,推荐采集次数还相关于噪声占比。
在一些实施例中,噪声占比可以基于噪声数据与非噪声数据确定。
噪声占比是指对子线段进行测量时噪声数据在测量数据中所占的比例。示例性的噪声占比确定方式可以是:噪声占比=噪声数据÷(噪声数据+非噪声数据)。
关于噪声数据、非噪声数据和测量数据的更多说明可以参见后文相关描述。
在一些实施例中,处理器可以基于噪声占比,通过查询第一预设表的方式确定推荐采集次数。第一预设表可以包括不同噪声占比与推荐采集次数之间的对应关系,第一预设表可以基于历史数据确定。其中,示例性的噪声占比与推荐采集次数之间的关系可以是:噪声占比越大,推荐采集次数越大。
本说明书一些实施例中,噪声数据占比越大,测量数据对应的准确度越低,会导致面积测量结果的误差较大,基于噪声占比确定推荐采集次数,可以在噪声占比较大的时候适当增大推荐测量次数,有助于提高测量数据和面积测量结果的准确性。
本说明书一些实施例通过修正平面图和推荐测量路线确定推荐采集次数,可以使用户参考推荐采集次数对推荐测量路线进行测量,有助于减少测量过程中产生的误差。
在一些实施例中,处理器可以基于修正平面图,通过预设点位确定测量参数。例如,处理器可以将预设点位确定为测量起点和/或测量终点。预设点位可以包括预先设置的测量起点和测量终点,预设点位可以基于先验知识由系统或人为确定。
在一些实施例中,测量参数还可以基于扩展测量路线确定,更多内容可以参见图3及其相关描述。
步骤240,基于测量参数对待测区域进行测量,确定测量数据。
测量数据是指基于用户对待测区域进行的测量所获取的数据。例如,测量数据可以包括待测区域各条边的长度、宽度等数据。在一些实施例中,测量数据还包括移动速度,更多内容可以参见图7及其相关描述。
在一些实施例中,处理器可以基于惯性传感器确定测量数据。例如,处理器可以基于惯性传感器,确定用户行走过程中的速度和时长,从而计算推荐测量路线的中各子线段的长度,基于子线段的长度确定待测区域各条边的长度。测量数据还可以基于其他方式获取,例如用户可以通过卷尺等测量工具确定测量数据。
步骤250,基于测量数据,确定待测区域的空间面积。
在一些实施例中,处理器可以将待测区域划分为多个子空间,基于测量数据和几何算法确定各子空间的面积,并将各子空间面积的面积和确定为待测区域的空间面积。需要说明的是,子空间可以是便于进行计算的规则空间,例如长方形、三角形等。处理器对待测区域的划分可以基于用户输入,也可以基于图形识别等技术进行。
在本说明书的一些实施例中,通过测量参数对待测区域进行测量,确定测量数据,并基于测量数据,确定待测区域的空间面积,可以基于惯性传感器确定测量数据,在减少人工测量误差的同时,提高面积测量的效率和准确性。
应当注意的是,上述有关流程的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
图3是根据本说明书一些实施例所示的确定测量参数的示例性流程图。在一些实施例中,流程300可以由处理器执行。如图3所示,流程300包括下述步骤:
步骤310,响应于获取到第一用户输入,确定路线起点和路线终点。
第一用户输入是指用户输入的与修正平面图相关的信息。第一用户输入可以是用户通过交互界面对修正平面图中的位置点进行的点击。
获取第一用户输入的方式与获取用户输入的方式类似,可以参见图2及其相关描述。
路线起点是指扩展测量路线的起点,路线终点是指扩展测量路线的终点。路线起点和路线终点可以用于确定扩展测量路线中存在预设形状子集,更多内容可以参见后文相关描述。
在一些实施例中,处理器可以基于第一用户输入确定测量起点和测量终点。例如,处理器可以将第一用户输入中所点击的先后两个位置点分别确定为路线起点和路线终点。
步骤320,基于修正平面图,确定扩展测量路线。
扩展测量路线是推荐测量路线中除基础测量路线外的其他测量路线。在一些实施例中,扩展测量路线可以用于确定测量数据。例如,基于基础测量路线获取的测量数据中,某一子线段对应的测量数据噪声占比较大时,用户可以基于扩展测量路线快速获取该子线段对应的测量数据,提高测量的准确度。关于噪声占比的更多内容可以参见图2及其相关描述。
在一些实施例中,扩展测量路线还包括预设形状子集。预设形状子集是指扩展测量路线的子线段构成的具有预设形状的线段集合。其中,预设形状至少包括直角三角形,又例如,预设形状还可以包括长方形、圆形等。预设形状可以根据具体的应用需求进行确定,以方便计算。
在一些实施例中,处理器可以基于修正平面图以及路线起点和路线终点确定扩展测量路线。例如,在室内面积测量的过程中,处理器可以基于修正平面图,确定与路线起点和路线终点同时构成直角三角形的转角,并将该直角三角形的边确定为扩展测量路线。
在一些实施例中,扩展测量路线还可以基于预设策略确定。
预设策略是指预先设置的用于确定扩展测量路线的策略。
在一些实施例中,处理器可以基于预设策略确定扩展测量路线。
图4是根据本说明书一些实施例所示的确定扩展测量路线的示例性示意图;图5是根据本说明书一些实施例所示的另一确定扩展测量路线的示例性示意图。
示例性的预设策略可以包括下述步骤S11-S17:
S11,选取路线起点和路线终点。路线起点和路线终点的确定方式可以参考前文相关描述。
如图4和图5所示,修正平面图为包含转角A、B、C、D、E、F、G、H的八边形,其中,I为路线起点,J为路线终点,且J与转角H重合。
S12,基于修正平面图获取待测区域的多个转角,确定节点集合1。
在一些实施例中,处理器可以通过图像识别等算法获取待测区域的多个转角,并将所有转角的集合确定为节点集合1。如图4和图5所示,节点集合1可以包括A、B、C、D、E、F、G、H。
S13,从节点集合1中排除路线起点和路线终点,并确定为节点集合2。
如图4和图5所示,J与转角H重合,因此节点集合2可以包括A、B、C、D、E、F、G。
S14,从节点集合2中随机选取两个点,与路线起点和路线终点联合,四个点之间两两相连。
S15,四个点之间两两相连后,若存在密闭直角三角形,且密闭直角三角形任意一边都不与修正平面图中的任何一条边相交时,执行S16;若不存在密闭直角三角形,执行S17。需要说明的是,此处密闭直角三角形与修正平面图的边相交是指,密闭直角三角形的边与修正平面图之间存在交点,且该交点不是修正平面图中的转角和密闭三角形的顶点。密闭直角三角形的边与修正平面图的边重合时,视为两边不相交。
S16,如果密闭直角三角形的顶点同时包含路线起点和路线终点,则将密闭直角三角形的三条边添加至扩展测量路线;如果密闭直角三角形的顶点不同时包含路线起点和路线终点,则将不在密闭直角三角形中的路线起点或路线终点与密闭直角三角形中的任意一个顶点进行连接,并将连接后形成的四条边(如三角形的三条边和路线起点与其中一顶点的连线)添加至扩展测量路线。
如图5所示,将转角C、D两点与I、J两两相连,存在三角形CDI为密闭直角三角形,且边CD、边ID以及边IC均不与修正平面图中的边相交,三角形CDI不包含路线终点J,则处理器可以将J与密闭直角三角形中的顶点D相连,并将边CD、边ID、边IC以及边JD添加至扩展测量路线。
S17,重复执行步骤S14-S16,直至确定扩展测量路线。如图4所示,将转角A、C两点与I、J两两相连,存在三角形AIJ和JCH且均不为密闭直角三角形,且三角形AIJ的边AJ与修正平面图中的边BD、边DF相交,则需重新选点,重复执行步骤S14-S16。
本说明书一些实施例,通过预设策略确定扩展测量路径,可以更合理地对扩展测量路线进行确定,有助于后续数据处理和分析,提高测量结果的准确性和可靠性,提供更优的扩展测量路线。
步骤330,基于路线起点、路线终点以及扩展测量路线,确定测量参数。
在一些实施例中,处理器可以基于路线起点、路线终点以及扩展测量路线,通过多种方式确定测量参数。例如,处理器可以根据路线起点和路线终点,计算扩展测量路线中各子线段的长度等测量参数。
本说明书一些实施例,通过基于路线起点、路线终点以及扩展测量路线,确定测量参数,提供多种测量路线,有助于实现高效准确的测量过程。
应当注意的是,上述有关流程的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
图6是根据本说明书一些实施例所示的对推荐测量路线进行校正的示例性示意图。
在一些实施例中,测量参数还可以包括校正参数,处理器可以基于校正参数对推荐测量路线进行校正。
校正参数是指与校正测量路线相关的参数。在一些实施例中,校正参数可以用于对推荐测量路线进行校正。在一些实施例中,校正参数可以包括预设频率、预设拍照需求以及预设时间阈值中的至少一种。
预设频率是指预先设置的实时图像的拍摄频率。例如,预设频率可以是每秒拍摄5张实时图像。实时图像是指与待测区域相关的实时图像。
在一些实施例中,处理器可以基于修正平面图的结构复杂度确定预设频率,结构复杂度越大,预设频率越大。结构复杂度是指修正平面图结构的复杂程度。在一些实施例中,修正平面图的线段数和/或转角数越多,对应的结构复杂度越大。
预设拍照需求是指对实时图像的画面相关的要求。示例性的预设拍照需求可以是:实时图像中至少包括用户正前方至少一个转角、墙柱和/或其他具有明显空间结构的物体的画面,以方便识别和定位。在一些实施例中,处理器可以基于修正平面图的结构复杂度确定预设拍照需求,结构复杂度越大,预设拍照需求中对具有明显空间结构的物体的数量和/或比例的要求越高。
预设时间阈值是指预先设置的时间阈值,例如,预设时间阈值可以是具体的时间范围。预设时间阈值可以用于确定实时图像序列。实时图像序列是指预设时间阈值内的满足预设拍照需求的实时图像构成的序列。在一些实施例中,处理器可以基于修正平面图的结构复杂度确定预设时间阈值,结构复杂度越大,预设时间阈值对应的时间范围越大。
在一些实施例中,处理器可以基于修正平面图的结构复杂度确定校正参数,更多内容可以参见前文相关描述。在一些实施例中,校正参数也可以基于历史经验由人工或系统预设。
在一些实施例中,处理器可以以预设频率从图像获取模块中,获取满足预设拍照需求的实时图像610;基于预设时间阈值内的实时图像序列620和修正平面图641,确定用户在修正平面图中的用户位置650;基于用户位置650和推荐测量路线660,确定校正量670,并根据校正量670提醒用户校正实时测量路线。
关于满足预设拍照需求的实时图像610的更多内容可以参见前文相关描述。
在一些实施例中,处理器可以以预设频率从图像获取模块中获取满足预设拍照需求的实时图像610。处理器可以通过有线或无线连接等方式与图像获取模块连接。
图像获取模块是指用于拍摄实时图像的设备或部件,例如,图像获取模块可以包括照相机、图像传感器等。
关于预设时间阈值内的实时图像序列620的更多内容可以参见前文相关描述。
用户位置650是指用户在修正平面图中的位置信息。
在一些实施例中,处理器可以基于预设时间阈值内的实时图像序列620和修正平面图641,通过位置确定模型630获取用户位置650。
在一些实施例中,位置确定模型630可以是机器学习模型。
在一些实施例,位置确定模型630可以包括图像特征确定层631和相对位置确定层632。
图像特征确定层631可以为具有图像处理能力的机器学习模型,例如,卷积神经网络模型(Convolutional Neural Networks,CNN)等。在一些实施例中,图像特征确定层的输入可以包括预设时间阈值内的实时图像序列620,输出可以包括图像特征642。其中,图像特征642是指预设时间阈值内的实时图像序列620中实时图像的结构特征。例如,图像特征642可以包括空间关系特征、形状特征等。
相对位置确定层632可以为机器学习模型,例如卷积神经网络模型等。在一些实施例中,相对位置确定层632的输入可以包括修正平面图641和图像特征642,输出可以包括用户位置650。关于修正平面图641的更多内容可以参见图2及其相关描述。
在一些实施例中,位置确定模型630可以基于第一训练样本和第一标签,由图像特征确定层631和相对位置确定层632联合训练确定。
在一些实施例中,第一训练样本可以包括样本预设时间阈值内的实时图像序列和样本修正平面图,第一训练样本可以基于历史数据获取。在一些实施例中,第一标签可以是第一训练样本对应的用户位置。第一标签可以基于地磁、可见光等室内定位技术和/或室内定位仪器标注。第一标签也可以基于人工标注。
联合训练的过程可以包括:位置确定模型的第一训练样本中的样本预设时间阈值内的实时图像序列作为图像特征确定层的输入;将图像特征确定层输出的图像特征和第一训练样本中的样本修正平面图作为相对位置确定层的输入,以确定相对位置确定层的输出;将相对位置确定层输出的用户位置与第一标签构建损失函数;基于损失函数迭代更新直至满足损失函数小于阈值或收敛,或训练周期达到阈值等条件,获取训练好的图像特征确定层631和相对位置确定层632。在一些实施例中,处理器可以基于训练好的图像特征确定层631和相对位置确定层632构建位置确定模型630。
校正量670是指用户对实时测量路线的校正量。在一些实施例中,校正量670可以包括校正距离和校正方向。实时测量路线是指用户当前进行测量的测量路线。
在一些实施例中,处理器可以基于用户位置650和推荐测量路线660,计算用户位置偏离推荐测量路线的偏离距离和偏离方向,进而确定校正量670。例如,用户位置偏离推荐测量路线的偏离距离为3m,偏离方向为+20°,处理器可以确定校正量670包括:校正距离-3m,校正方向-20°。偏离距离和偏离方向的计算可以基于几何算法进行。
关于推荐测量路线660的更多内容可以参见图2及其相关描述。
在一些实施例中,处理器可以根据校正量670提醒用户校正实时测量路线。例如,交互界面还可以设有语音提示器,处理器可以通过语音提示器发送语音提醒用户校正实时测量路线。关于交互界面的更多内容可以参见图2及其相关描述。
在一些实施例中,处理器还可以根据所述校正量向用户发送校正提示信息。
校正提示信息是指提示用户校正实时测量路线的相关信息。例如,校正提示信息可以包括校正量670。在一些实施例中,处理器可以基于校正量670,生成包含校正量的校正提示信息。
在一些实施例中,处理器可以通过有线或无线连接的方式将校正提示信息显示在交互界面。
本说明书一些实施例通过向用户发送校正提示信息,提醒并指导用户如何对测量路线进行校正,可以减少用户偏离推荐测量路线的程度,提高测量过程的精确性。
本说明书一些实施例,基于实时图像序列和修正平面图,通过位置确定模型可以快速准确地确定用户位置,有助于获取准确的校正量,用户根据校正量校正测量路线,有助于后续减小空间面积测量的误差,提高确定空间面积的准确率。
图7是根据本说明书一些实施例所示的确定待测区域的空间面积的示例性示意图。
在一些实施例中,处理器可以基于测量数据710确定噪声数据720和非噪声数据730,并基于非噪声数据730,确定待测区域的空间面积770。
噪声数据720是指测量数据710中的干扰数据。
在一些实施例中,测量数据可以包括移动速度。移动速度是指用户在测量过程中的移动速度。在一些实施例中,处理器可以基于惯性传感器计算移动速度。例如,惯性传感器获取的用户加速度为0时,用户以匀速行走,处理器可以将匀速行走时段内的长度与时间的比值作为移动速度。
在一些实施例中,处理器可以基于测量数据中的移动速度和预设速度值范围确定噪声数据720。例如,处理器可以将与预设速度值范围的差值大于预设差异阈值的移动速度确定为噪声数据720。
预设速度值范围是指预先设置的用户位置对应的移动速度。预设差异阈值可以用于判断噪声数据。在一些实施例中,预设速度值范围和预设差异阈值可以基于历史经验由系统或人工预设。
例如,某一子线段的预设速度值范围为1.4m/s-1.5m/s,预设差异阈值为0.1m/s,处理器可以基于惯性传感器监测用户在该子线段中的实时速度,当实时速度与预设速度值范围的差值大于预设差异阈值时,将该实时速度(如,0)的时点对应的测量数据确认为噪声数据。
在一些实施例中,在某一子线段中的噪声数据过多,影响子线段的长度的测量时,用户可以基于推荐测量次数再次对该子线段进行测量,以获取该子线段中的测量数据。例如,处理器监测用户在前述子线段中的实时速度与预设速度值范围的差值均大于预设差异阈值,则用户在前述子线段内的测量数据及移动速度均为噪声数据,此时用户可以基于推荐测量次数再次对前述子线段进行测量,获取更准确的测量数据。
非噪声数据730是指测量数据中的非干扰数据。在一些实施例中,非噪声数据可以用于确定待测区域的空间面积。
在一些实施例中,处理器可以将测量数据中的噪声数据剔除,剩下的测量数据可以确定为非噪声数据。
在一些实施例中,在确定非噪声数据时,修正平面图的每个位置对应的预设速度值范围不同。
关于预设速度值范围的更多内容可以参见前文及其相关描述。
在一些实施例中,预设速度值范围可以相关于用户位置的靠墙距离。
用户位置的靠墙距离是指用户所在的位置与墙之间的间隔距离。在修正平面图中,靠墙距离可以表示为用户位置距修正平面图最近的边的距离。在一些实施例中,处理器可以基于用户位置计算用户位置的靠墙距离。关于用户位置及其确定方式可以参见图6及其相关描述。
在一些实施例中,处理器可以基于用户位置的靠墙距离,通过查询第二预设表的方式确定预设速度值范围。第二预设表可以包括用户位置的靠墙距离与预设速度值范围之间的对应关系,第二预设表可以基于历史数据确定。前述对应关系可以是:用户位置的靠墙距离越小,预设速度值范围越大。
本说明书一些实施例,基于用户位置的靠墙距离确定预设速度值范围,可以确定不同位置的预设速度值范围,有助于结合实际空间结构确定更准确的噪声数据。
在一些实施例中,处理器可以基于非噪声数据730,计算推荐测量路线中每条子线段的长度,并根据每条子线段的长度确定待测区域的空间面积770。例如,处理器可以基于非噪声数据中的移动速度和移动时间,通过位移计算公式确定每条子线段的长度,根据每条子线段的长度通过几何算法计算待测区域的空间面积。
在一些实施例中,待测区域的空间面积770还相关于偏差修正值760。
偏差修正值760是指对待测区域的空间面积的预估偏差值。
在一些实施例中,偏差修正值760相关于非噪声数据730和推荐测量路线。在一些实施例中,偏差修正值760可以基于偏差值确定模型750确定。
偏差值确定模型750可以是机器学习模型,例如卷积神经网络模型等。
在一些实施例中,偏差值确定模型750的输入可以包括推荐测量路线的非噪声数据730以及每个预设形状子集的定理偏差值740;输出可以包括偏差修正值760。
在一些实施例中,处理器可以基于推荐测量路线确定推荐测量路线的预设形状子集。例如,处理器可以将推荐测量路线中构成密闭直角三角形的子线段确定为一个预设形状子集。关于预设形状子集的更多内容可以参见图3及其相关描述。在一些实施例中,处理器基于预设形状子集,计算预设形状子集的定理偏差值,可以确定子线段长度的实测结果与理论结果之间的偏差,进而确定对待测区域的空间面积的调整量。
预设形状子集的定理偏差值740是指预设形状子集中子线段的实测长度与根据勾股定理计算的预设形状子集的子线段的长度之间的偏差值。需要说明的是,计算预设形状子集的定理偏差值时的预设形状子集为直角三角形。
在一些实施例中,处理器可以基于非噪声数据中用户的移动速度和移动时间计算推荐测量路线中各子线段的实测长度,将各子线段的实测长度与根据勾股定理计算对应子线段的长度进行对比,以确定预设形状子集的定理偏差值740。示例性的预设形状子集的定理偏差值740的确定方式可以是:预设形状子集的定理偏差值740=预设形状子集两条直角边的实测长度的平方和-预设形状子集的斜边对应的实测长度的平方。
在一些实施例中,偏差值确定模型750可以通过多个带有第二标签的第二训练样本训练得到。例如,可以将多个带有第二标签的第二训练样本输入偏差值确定模型,通过第二标签和初始偏差值确定模型的预测结果构建损失函数,基于损失函数的迭代更新初始偏差值确定模型,当初始偏差值确定模型的损失函数满足结束条件时训练完成,其中,结束条件可以是损失函数收敛、迭代的次数达到阈值等。
在一些实施例中,第二训练样本可以包括样本非噪声数据和每个样本预设形状子集的定理偏差值。在一些实施例中,第二训练样本可以基于历史数据获取,且同一组样本非噪声数据和样本预设形状子集的定理偏差值对应同一历史修正平面图。
在一些实施例中,第二标签可以是第二训练样本对应的偏差修正值。在一些实施例中,可以由人工对历史修正平面图对应的待测区域进行面积测量(如,通过卷尺测量)计算实际空间面积,处理器可以基于样本非噪声数据计算空间面积,并将实际空间面积与前述空间面积的差值作为第二标签。
在一些实施例中,处理器可以基于偏差修正值对待测区域的空间面积进行修正。例如,基于非噪声数据计算的待测区域的空间面积为135m²,偏差修正值为+5m²,则修正后的待测区域的空间面积为140m²。
本说明书一些实施例,通过偏差值确定模型可以利用机器学习模型的自学习能力,从大量数据中找到规律,快速准确地确定偏差修正值,有助于减少实测的误差,获取更加准确的面积测量结果。
本说明书一些实施例,通过非噪声数据确定待测区域的空间面积,在一定程度上排除了干扰数据对面积确定的影响,大大提高了面积测量结果的准确度。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程及层流罩的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种基于惯性传感器的行人室内面积测量方法,其特征在于,所述方法由处理器执行,包括:
获取用户输入,所述用户输入包括待测区域的初始平面图;
基于所述初始平面图,确定所述待测区域的修正平面图;
基于所述修正平面图,确定测量参数,所述测量参数包括推荐测量路线,所述推荐测量路线包括基础测量路线;
基于所述测量参数对所述待测区域进行测量,确定测量数据;
基于所述测量数据,确定所述待测区域的空间面积。
2.根据权利要求1所述的方法,其特征在于,所述推荐测量路线还包括扩展测量路线,所述基于所述修正平面图,确定测量参数还包括:
响应于获取到第一用户输入,确定路线起点和路线终点;
基于所述修正平面图,确定所述扩展测量路线;
基于所述路线起点、所述路线终点以及所述扩展测量路线,确定所述测量参数。
3.根据权利要求2所述的方法,其特征在于,所述测量参数还包括校正参数,所述校正参数用于对所述推荐测量路线进行校正,所述校正参数包括预设频率、预设拍照需求以及预设时间阈值中的至少一种;
对所述推荐测量路线进行校正包括:
以所述预设频率从图像获取模块中,获取满足所述预设拍照需求的实时图像;
基于所述预设时间阈值内的实时图像序列和所述修正平面图,确定用户在所述修正平面图中的用户位置;
基于所述用户位置和所述推荐测量路线,确定校正量,并根据所述校正量提醒所述用户校正实时测量路线。
4.根据权利要求2所述的方法,其特征在于,所述测量参数还包括所述推荐测量路线中每条子线段的推荐采集次数,所述推荐采集次数基于所述修正平面图和所述推荐测量路线确定。
5.根据权利要求1所述的方法,其特征在于,所述测量数据包括移动速度,所述基于所述测量数据,确定所述待测区域的空间面积包括:
基于所述测量数据确定噪声数据;
基于所述测量数据和所述噪声数据,确定非噪声数据;
基于所述非噪声数据,确定所述待测区域的空间面积。
6.一种基于惯性传感器的行人室内面积测量系统,其特征在于,所述系统包括:
获取模块,用于获取用户输入,所述用户输入包括待测区域的初始平面图;
第一确定模块,用于基于所述初始平面图,确定所述待测区域的修正平面图;
第二确定模块,用于基于所述修正平面图,确定测量参数,所述测量参数包括推荐测量路线,所述推荐测量路线包括基础测量路线;
第三确定模块,用于基于所述测量参数对所述待测区域进行测量,确定测量数据;
第四确定模块,用于基于所述测量数据,确定所述待测区域的空间面积。
7.根据权利要求6所述的系统,其特征在于,所述第二确定模块还用于:
响应于获取到第一用户输入,确定路线起点和路线终点;
基于所述修正平面图,确定扩展测量路线;
基于所述路线起点、所述路线终点以及所述扩展测量路线,确定所述测量参数。
8.根据权利要求6所述的系统,其特征在于,所述第四确定模块还用于:
基于所述测量数据确定噪声数据;
基于所述测量数据和所述噪声数据,确定非噪声数据;
基于所述非噪声数据,确定所述待测区域的空间面积。
9.一种基于惯性传感器的行人室内面积测量装置,其特征在于,所述装置包括至少一个处理器以及至少一个存储器;
所述至少一个存储器用于存储计算机指令;
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1~5中任意一项所述的基于惯性传感器的行人室内面积测量方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当所述计算机指令被处理器执行时实现如权利要求1~5中任意一项所述的基于惯性传感器的行人室内面积测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311443762.4A CN117168446B (zh) | 2023-11-02 | 2023-11-02 | 一种基于惯性传感器的行人室内面积测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311443762.4A CN117168446B (zh) | 2023-11-02 | 2023-11-02 | 一种基于惯性传感器的行人室内面积测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117168446A CN117168446A (zh) | 2023-12-05 |
CN117168446B true CN117168446B (zh) | 2024-01-02 |
Family
ID=88932079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311443762.4A Active CN117168446B (zh) | 2023-11-02 | 2023-11-02 | 一种基于惯性传感器的行人室内面积测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117168446B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003006271A (ja) * | 2001-06-19 | 2003-01-10 | Misawa Homes Co Ltd | ユニット式建物用cadシステム |
CN114641753A (zh) * | 2019-11-18 | 2022-06-17 | 欧特克公司 | 使用机器学习从楼层平面图图纸进行合成数据生成和建筑信息模型(bim)要素提取 |
KR102516002B1 (ko) * | 2022-11-02 | 2023-03-31 | 대한민국 | 조사로봇기반 실내 공간 측위·매핑 방법 및 장치 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015198423A1 (ja) * | 2014-06-25 | 2015-12-30 | 三菱電機株式会社 | 建築限界測定図の作成装置、建築限界測定図データの作成装置、建築限界測定図の作成方法、建築限界測定図および建築限界測定図データ |
DE102017120050A1 (de) * | 2017-08-31 | 2019-02-28 | Krones Ag | Verfahren zum Planen von Verpackungsanlagen |
US11310629B2 (en) * | 2020-06-30 | 2022-04-19 | Microsoft Technology Licensing, Llc | Client-renderable element for indoor building map |
-
2023
- 2023-11-02 CN CN202311443762.4A patent/CN117168446B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003006271A (ja) * | 2001-06-19 | 2003-01-10 | Misawa Homes Co Ltd | ユニット式建物用cadシステム |
CN114641753A (zh) * | 2019-11-18 | 2022-06-17 | 欧特克公司 | 使用机器学习从楼层平面图图纸进行合成数据生成和建筑信息模型(bim)要素提取 |
KR102516002B1 (ko) * | 2022-11-02 | 2023-03-31 | 대한민국 | 조사로봇기반 실내 공간 측위·매핑 방법 및 장치 |
Non-Patent Citations (1)
Title |
---|
无人机倾斜摄影测量在房产测绘中的应用;郭晋基;《城市建设理论研究(电子版)》(第29期);171-173 * |
Also Published As
Publication number | Publication date |
---|---|
CN117168446A (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111199564B (zh) | 智能移动终端的室内定位方法、装置与电子设备 | |
US8983124B2 (en) | Moving body positioning device | |
US9208395B2 (en) | Position and orientation measurement apparatus, position and orientation measurement method, and storage medium | |
CN106525066B (zh) | 计步数据处理方法和计步器 | |
US20160246302A1 (en) | Methods and systems for mobile-agent navigation | |
CN110146909A (zh) | 一种定位数据处理方法 | |
KR20060085751A (ko) | 상향 영상을 이용한 이동체의 위치 추정 및 지도 생성장치 및 방법과 그 장치를 제어하는 컴퓨터 프로그램을저장하는 컴퓨터로 읽을 수 있는 기록 매체 | |
CN108332752B (zh) | 机器人室内定位的方法及装置 | |
CN110501010A (zh) | 确定移动设备在地理区域中的位置 | |
KR20170010593A (ko) | 사용자 단말의 위치 측정 방법 및 장치 | |
CN108549376A (zh) | 一种基于信标的导航定位方法及系统 | |
WO2019136613A1 (zh) | 机器人室内定位的方法及装置 | |
CN110260866A (zh) | 一种基于视觉传感器的机器人定位与避障方法 | |
Iocchi et al. | Self-localization in the RoboCup environment | |
JP6349272B2 (ja) | 移動物体追跡装置 | |
CN111950440A (zh) | 一种识别与定位门的方法、装置及存储介质 | |
KR20190081334A (ko) | 복합 측위 기반의 이동 궤적 추적 방법 및 그 장치 | |
CN112686951A (zh) | 用于确定机器人位置的方法、装置、终端及存储介质 | |
KR20140114594A (ko) | 사람 객체 추적을 통한 자동 카메라 보정 방법 | |
CN109544632B (zh) | 一种基于层次主题模型的语义slam对象关联方法 | |
CN117168446B (zh) | 一种基于惯性传感器的行人室内面积测量方法 | |
CN109313822B (zh) | 基于机器视觉的虚拟墙构建方法及装置、地图构建方法、可移动电子设备 | |
CN109769206A (zh) | 一种室内定位融合方法、装置、存储介质及终端设备 | |
CN109945864B (zh) | 室内行车定位融合方法、装置、存储介质及终端设备 | |
KR20090113746A (ko) | 물체의 공간적 의미정보를 이용한 로봇의 자기위치 추정 방법 |
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 |