CN104615659A - 基于传感器测量来生成搜索数据库 - Google Patents
基于传感器测量来生成搜索数据库 Download PDFInfo
- Publication number
- CN104615659A CN104615659A CN201410858479.2A CN201410858479A CN104615659A CN 104615659 A CN104615659 A CN 104615659A CN 201410858479 A CN201410858479 A CN 201410858479A CN 104615659 A CN104615659 A CN 104615659A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- mobile device
- sensor
- reference sensor
- database entity
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- 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
-
- 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
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- 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
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9017—Indexing; Data structures therefor; Storage structures using directory or table look-up
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
提供了一种用于生成搜索数据库的数据库实体,包括:至少一个处理器以及至少一个包括计算机程序代码的存储器,其中所述至少一个存储器和所述计算机程序代码被配置成用所述至少一个处理器使得所述数据库实体至少执行以下处理:从多个移动设备中的每一个获取至少一个对象的指示;获取代表与所述至少一个对象有关的上下文的参考传感器指纹;将每一个对象与对应的参考传感器指纹相关联;以及生成所述参考传感器指纹与所述对象之间的关联的数据库。
Description
技术领域
本发明主要涉及生成用于从因特网上搜索对象的数据库。更详细的来说,本发明涉及使用诸如地球磁场或射频测量之类的传感器测量来生成此类数据库以及执行此类搜索。
背景技术
使用如Google或Bing搜索引擎来从因特网上搜索信息是很常见的。通常,这种搜索是通过将一个或多个搜索词——即搜索关键词——键入搜索引擎并等待搜索引擎检索出与键入的搜索关键词相关联的结果来进行的。然而,此类搜索在一些方面存在限制,例如,其只能找到那些与搜索词直接相关的结果。例如,这种搜索可检索包括所键入的搜索关键词的对象,例如书面文档或网站。
发明内容
根据本发明的一个方面,提供了如权利要求1、17和19中规定的装置。
根据本发明的一个方面,提供了一种在分发介质上具现化的计算机程序产品,该计算机程序产品可被计算机读取,并包括在被载入装置时使得所述装置执行如所附权利要求中述及的任何功能的程序指令,其中作为示例,所述装置可以是数据库实体、移动设备或用户设备。
根据本发明的一个方面,提供了一种承载上述计算机程序产品的计算机可读分发介质。
根据本发明的一个方面,提供了一种装置,例如数据库实体、移动设备或用户设备,该装置包括用于执行如所附权利要求所述的任一实施例的装置,
在从属权利要求中限定了本发明的一些实施例。
附图说明
以下将会参考实施例和附图来更详细地描述本发明,其中:
图1显示了根据实施例的数据库如何被生成;
图2显示了根据实施例的方法;
图3A和3B示出了示例性的地磁场(EMF)指纹;
图4显示了根据实施例的长的传感器指纹如何被分割;
图5显示了根据实施例的方法;
图6A和6B显示了根据一些实施例的对象的搜索如何被执行;
图7A-7C示出了移动设备或用户设备的三维定向;
图8和9显示了根据一些实施例的方法;
图10-12示出了根据实施例的装置;以及
图13描绘了根据实施例的对象的搜索如何被执行的示例。
具体实施方式
以下的实施例都是示例性的。虽然在本文若干位置的详述涉及“一个”、“一”或“一些”实施例,但这既不意味着每个引用均指的是同一实施例,也不意味着特定特征只适用于单个的实施例。不同实施例的单个特征可被结合以提供其他的实施例。
如前所述,当前的因特网搜索方法是受限的。作为示例,这些方法可包括将搜索关键词键入Google并且等待Google搜索引擎检索包含指定搜索关键词的命中(例如对文档或图像的链接)。检索到的结果仅与全局搜索关键词相关。然而有时人们可能希望搜索引擎检索到与某一位置区域相关的若干数据/命中。这可以为搜索处理提供更高的灵活性、用户友好度以及更多可能性。
因此,提供了数据库实体100,其包括至少一个处理器以及至少一个包括计算机程序代码的存储器。根据所提出的解决方案,所述至少一个存储器和所述计算机程序代码被配置成用所述至少一个处理器使得数据库实体100执行多种功能。如图2的步骤200所示,数据库实体100可以从多个移动设备102-106中的每一个获取至少一个对象的指示。在步骤202,所述数据库实体100可获取代表与所述至少一个对象有关的位置和/或环境、或者一般而言的上下文的参考传感器指纹。作为非限制性示例,所述传感器指纹可以是地球磁场(EMF)指纹或射频(RF)指纹。
在一个实施例中,传感器指纹可以代表以下的至少一项:加速度(可以用加速度传感器来检测)、角速度(例如可以用陀螺仪检测)、温度、环境照明、气压(海拔的指示)、速度,以上述及的只是几个非限制性示例。作为示例,这些中的每一项都可以以时间序列给出。
作为示例,RF指纹可基于WiFi(例如无线局域网WLAN)、蓝牙(BLT)或蜂窝RF信号。因此,举例来说,RF指纹可以是WiFi指纹。例如,室内和/或室外可以安装RF(例如WLAN或BLT)基站。作为示例,当携带了移动电话或是携带了具有RF接收机的用户设备的人员在具有已安装的RF基站的区域中行走时,该人员的设备中的RF接收机可以检测由RF基站发射的信号,并且可以形成与检测到的RF信号的RF指纹。作为示例,所述RF指纹可以代表RF基站或接入点的标识符(例如基本服务集标识符(BSSID)、媒体访问控制(MAC)地址)、检测到的信号强度、检测到的信号到达角度、抑或是所述RF信号具有的或者是从所述RF信号中导出的其他任何特征。如所述,移动设备或用户设备还可以检测由RF基站发射的标识符。由此,RF指纹可以包括对于每个指定位置的特征矢量,例如在该指定位置能够检测到哪个基站/接入点以及处于怎样的信号强度。另一方面,检测到的总的信号强度的时间序列也可用作一种可能的RF指纹形式。RF指纹可以是位置特定的,因此指定位置的RF指纹不同于另一位置的RF指纹。
在进一步观察图1和2之前,让我们先仔细地观察EMF指纹指示了什么。众所周知,由于卫星接收覆盖的不足,全球定位***GPS的位置发现可能不适合室内。对基于室内的位置追踪来说,可使用基于RF的位置发现和位置追踪。在此类***中,RF信号的往返时间或是所接收的RF信号的功率例如对于室内基站可确定。然而,此类处理会需要在建筑物中到处安装昂贵的测量设备和装备。作为进一步的选项,EMF的使用可被应用。用于建造建筑物的材料可能会影响可在室内测量的EMF,并且还会影响室内建筑周围的EMF。例如,钢材、钢筋混凝土以及电气***均可以影响EMF。在建筑物中的不同位置之间EMF会发生显著变化,并且因此基于建筑物内部的EMF本地偏差(local deviation)使得建筑物内部的精确的位置发现和追踪成为可能。在另一方面,与建筑材料等造成的影响相比,置于建筑物中某一位置的装备不会显著地影响EMF。因此,即使设备和/或家具等的布局和数量改变,测量得到的EMF也不会显著地改变。
在图3A中描述了具有五个房间、一个走廊以及一个门厅的建筑物300的示例。应该指出,本发明的实施例也适用于其他类型的建筑物,包括多层建筑物和户外。然而,为了简单起见,使用了室内区域作为示例。图3A的示例中的建筑物的参照系可以是XY坐标系,其在本申请中也被称为世界坐标系。当需要考虑垂直维度时,建筑物300的坐标系还可以是三维的。垂直维度被称为Z,而X和Y则共同定义了水平二维点(X,Y)。在图3A中,始于点(X1,Y1)并且结束于点(X2,Y2)的箭头可被视为用户走过的路径302。
稍后将对移动设备102-106进行描述,然而目前可以说移动设备102-106可包括磁强计或是其他任何具有测量EMF 108能力的传感器,例如霍尔传感器或数字罗盘。磁强计可以是能够检测EMF 108中的任何变化的精确传感器。除了还被称为幅度、烈度或密度的磁场(通量)强度之外,磁强计还具有确定所测量的EMF矢量的三维定向的能力。为此目的,应该指出的是,在任何位置都可以用三维矢量来表示地球磁场108。假设罗盘针的一端被系在一根线上以使得该罗盘针可以在任何方向上旋转。罗盘针所指的方向即为地球磁场矢量的方向。
如所述,由通过图3A中的路径302的人的移动设备中所携带的磁强计能够确定所述三维磁场矢量。在图3B中,展示了贯穿从(X1,Y1)到(X2,Y2)的路径402的EMF矢量的三个例示分量以及总强度。实线310可以代表磁场矢量的总强度,并且其他三条线312-316可以代表三维磁场矢量的三个分量(X,Y,Z)。举例来说,点虚线312可以代表Z分量(垂直分量),点线314可以代表X分量,以及虚线316可以代表Y分量。从该信息中可以提取被测量的磁场矢量的幅度和/或方向。
图1描述了由移动设备102至106测量的一些传感器指纹。为了清楚起见,所述传感器指纹只在两个位置展示。然而,在实施例中,移动设备102-106会不断地测量EMF 108或被发射的RF信号。在实施例中,移动设备102至106可以不断地将测得的传感器数据传送到数据库实体100,以此作为连续的传感器指纹。在实施例中,移动设备102至106可以将测得的传感器数据分批——如同单独的传感器指纹——传送到数据库实体100。在一个实施例中,移动设备102-106将传感器数据测量处理作为自动后台进程来执行。此外,在一个实施例中,移动设备102至106仅仅会在检测到对象的位置临时地测量传感器数据。
步骤202的传感器指纹的获取可以用不同方式进行。在实施例中,数据库实体100可以从多个移动设备102-106中的每个设备获取参考传感器指纹。在这种情况下,参考传感器指纹可以由移动设备在其检测到至少一个对象的位置和/或环境中测得。在实施例中,参考传感器指纹是作为接收到的代表来自移动设备的检测到的对象的数字内容文件的一部分而获取。例如,参考传感器指纹可以作为检测到的对象(例如图像、视频、音频,稍后将会对此进行描述)的数字内容的一部分来保存,所述数据内容例如以文件格式。这样做是有益的,因此移动设备102-106不再需要单独地传送指纹,而是将其作为检测到的对象的数字内容文件的一部分来保存。所述检测到的对象的数字内容文件随后可被传送至数据库实体100,以使得数据库实体100通过接收该对象或该对象的指示来同时地获取与该被传送的对象对应的参考传感器指纹。备选地,数据库实体100可被授权以访问移动设备中存储的所述对象的数字内容文件。
在实施例中,数据库实体100可以从另一移动设备获取参考传感器指纹,其中所述另一移动设备与移动设备102关联于同一用户,并且从所述移动设备102获取了至少一个对象。例如,人可以携带相机和移动电话。所述相机可以检测对象(例如捕获图像),而移动电话可以测量参考传感器指纹。这些设备可被配置以将所述参考传感器指纹和所述对象传送到数据库实体100,或者允许数据库实体100经由网络访问这些设备的内容。数据库实体100可以将所获取的参考传感器指纹的至少一个预定的比较属性与所获取的至少一个对象的至少一个预定的比较属性相比较。这样的属性可以是当所述对象和所述参考传感器指纹被检测/测量到时的时间戳。该时间戳可被包含在所述对象和所述参考传感器指纹的文件格式中。作为示例,另一个例示属性可以是所述对象和所述参考传感器指纹被检测/测量到的位置。作为示例,该位置可以用RF定位***(例如Wi-Fi)、卫星定位***、基于EMF的定位***、社交媒体网络(例如移动设备的位置的状态更新指示)来检测。数据库实体100可以从对应的移动设备获取位置的指示,例如作为所所述对象和所述参考传感器指纹的文件格式的一部分来获取。
然后,数据库实体100可以基于所述比较来将所获取的参考传感器指纹与所获取的至少一个对象相关联。换言之,如果时间戳之类的属性足够相似,那么数据库实体100可以确定他们彼此对应。所述位置信息更进一步有助于避免虚假关联。通过应用预定比较阈值,可以确定所述比较属性是否足够相似,因此,在一个对象-传感器指纹-关联之间在时间戳和/或位置方面允许存在小的偏差。作为示例,该比较阈值可以基于经验方程(empirical derivation)。更进一步,在所接收的数据项之一中(即对象或是参考传感器指纹之中)可以存在指示,根据该指示可将所述接收到的数据项与从具有特定、被指示的标识符的移动设备所接收的数据项关联(即,分别与参考传感器指纹或与对象关联)。
同一个用户所具有的这些不同设备在实施例中可被连接在一起,例如通过蓝牙之类的短距离通信连接来连接。这可以允许设备彼此传送对象和/或参考传感器指纹,以使得一个设备可以执行对象和参考传感器指纹至数据库实体100的传输。
在实施例中,数据库实体100可以检测/识别多个移动设备102-106中指定移动设备(例如移动设备102)的位置。如所述,所述位置可以以任何可用的定位技术来确定。此后,数据库实体100可以基于移动设备被检测以定位的区域的传感器数据地图来获取与从移动设备获取的至少一个对象相对应的参考传感器指纹。这样的传感器数据地图例如可以是该区域的EMF地图或RF(指纹)地图。由此,该实施例可要求这样的EMF/RF地图可用。EMF地图可以是指区域的地图,其中该地图包含了用于所述区域内部的每个位置的EMF幅度和/或方向。另一方面,RF地图可以代表该区域中的RF信号的信号强度。如果这样的地图可用,那么数据库实体100例如可以从EMF地图中读取参考EMF指纹,并且将所读取的EMF指纹与从该移动设备获取的至少一个对象相关联。所读取的参考传感器指纹可以对应于检测到所述对象的最有可能穿过的路径(即沿着所标识的位置)。例如,在走廊上,参考传感器指纹可以对应于处于所标识位置附近且沿着该走廊的预定空间范围的EMF/RF值。
现在,让我们考虑图2的步骤200中所述至少一个对象的获取。数据库实体100已经从多个移动设备102-106中的每一个获取了至少一个对象120-128的指示。每个对象120-128均可与由所获取的参考传感器指纹代表的位置/环境有关。在图1中,以星形物标记对象120-128。在实施例中,对象120-128可由移动设备102-106来检测,并且对应于检测到对象120-128的位置/环境的传感器指纹可与检测到的对象的指示一起被自动地传送至数据库实体100。
让我们考虑对象是由移动设备102所捕获的图像的例子。作为示例,移动设备102将所捕获的图像自动地传送到因特网上的云中来存储。同时,移动设备102还可以将对应的传感器指纹自动传送到云。在云中包括了数据库实体100或者数据库实体100可以访问云中存储的信息,以使得数据库实体100可以从云中获取对象和传感器指纹的指示。
对象的指示可以包括该对象的内容(例如图像)或是关于可以在哪里获得该内容的指示。
对象可以是与上下文相关的任何事物,例如位置和/或环境。虽然本说明书是通过将所述对象定义为与位置相关来撰写的,但是也可以用“上下文”或“环境”来替换术语“位置”,例如室内和室外环境。在实施例中,上下文可以是指与对象相关的情况,例如在上下文中图像被捕获。作为示例,上下文可以指汽车之类的车辆的运动或是人的步行运动。通过应用诸如速度传感器或加速度传感器而获取的适当的参考/目标传感器指纹可被记录并用作与检测到的对象相关的当前上下文的指示。然而,在实施例中,上下文表示的是与至少一个对象相关的位置和/或环境。
例如,在实施例中,对象可以是在与传感器指纹对应的位置捕获的图像。在实施例中,对象可以是在该位置捕获的音频。在实施例中,对象可以是在该位置捕获的视频。在实施例中,移动设备102-106可以获取图像、音频或视频,并且利于将对象或对象的指示以及对应的传感器指纹提供给数据库实体100。这既可以通过直接将对象传送到数据库实体100来进行,也可以通过允许数据库实体100访问移动设备102-106中的对象数据来进行。
在实施例中,对象可以是与位置相关的广告。作为示例,该广告既可以在该位置呈现,也可以在该位置被移动设备102-106接收,例如,位置特定的移动广告。当移动设备102-106接收或检测到(例如通过捕获的图像)位置特定的手机优惠券或广告时,所述移动设备102-106可以将该广告(也就是检测到的对象)的指示提供给数据库实体100。
在实施例中,对象可以是能被移动设备102-106在该位置/环境检测到的任何数字内容。
在实施例中,对象可以是在该位置出现的人的身份。例如,该身份可以根据图像、音频、视频、电子消息内容(例如SMS、社交媒体网络消息、电子邮件)、社交媒体网络简档或是移动设备102-106的ID而确定。由此,被确定了身份的人可以是携带移动设备的人,或是在该位置出现的另一个人,例如在该位置被捕获了图像的人,或是使用社交网络服务的人。
在实施例中,对象可以是在位于该位置的移动设备中执行的操作。例如,该操作可以是社交媒体网络(Facebook、FourSquare等)中的状态更新,文本消息(SMS)、多媒体消息或电子邮件的传输。在实施例中,对象可以是在该位置发送或接收的电子消息(文本消息、社交媒体网络消息、多媒体消息、电子邮件)的内容。
在实施例中,移动设备102-106的用户可以自行确定将什么视为对象。例如,移动设备102-106的用户可以确定在对象中包含了图像和视频,然而,例如,SMS消息不是。在另一实施例中,移动设备102-106可以以指令预编码,所述指令将会确定哪些对象将被视为对象。随后可使得这些对象对于数据库实体100可用,例如将其传送到数据库实体100,或者将其传送到能被数据库实体100访问或是能将对象的指示传送到数据库实体100的其他实体。
如所述,在图1中,星形物代表对象120-128。例如,移动设备102可以沿路线112行进,在此期间,移动设备102检测两个对象120和122。如图1的表格所示,我们设想对象120是图像,对象122是视频剪辑。这些对象可被自动或手动地发送至网络,例如直接发送至数据库实体,或者数据库实体100可以从这些对象120和122被送抵的服务器(云)中访问该数据。
我们进一步设想移动设备104可以沿着路线114行进,在此期间,移动设备104检测对象124。如图1的表格所示,作为示例,我们设想对象124是Facebook上的状态更新。数据库实体100可以基于携带移动设备104的人员的用户ID来从Facebook中自动取得状态更新。在实施例中,移动设备104可以允许数据库实体100访问状态更新。在实施例中,移动设备104还可以将状态更新的内容传送到数据库实体100。
移动设备106可以沿着路线116行进,在此期间,移动设备102可以检测两个对象126和128。如图1的表格所示,我们设想对象126是所发送/接收的电子消息,并且对象128是处于该位置的人的标识。
如前所述,数据库实体100可以在步骤202中接收与检测到对象的位置相对应的参考传感器指纹的指示。参考传感器指纹可以给定为包含数值的矢量。在EMF指纹的情况下,该数值可以代表根据距离或时间的被测量的EMF的振幅(Y1;Y2;...;YN)和/或方向(Y1,X1;Y2,X2;...;YN,XN)。在RF指纹的情况下,例如该数值可以代表被测量的振幅(Y1;Y2;...;YN)。结果,出于示意性的目的,如对象120、122和128所显示的,在图1中可提供了被测量的参考传感器指纹的图形表示。每个参考传感器指纹分别代表围绕检测到对象的时间点或物理位置的某个时间窗口或某个距离窗口。在实施例中,该窗口开始于检测到该对象之前的预定持续时间/距离,并且当在检测到该对象时结束。在另一实施例中,该窗口是在当检测到该对象时开始的,并且在检测到该对象之后的预定持续时间/距离结束。在一个实施例中,该窗口在检测到该对象之前的预定持续时间/距离开始,并且在检测到该对象之后的预定持续时间/距离结束。
在一个实施例中,数据库实体100或移动设备102-106可以基于具体的情况(case by case)来确定每个传感器指纹的长度。这样做有益于确保每个传感器指纹都包括区别特征。这些区别特征可以是指传感器指纹矢量的统计特性。例如,传感器指纹的振幅采样和/或方向采样的变化可能必需高于用实验或数学方式推导得到的预定阈值。这些区别特性/特征有助于将多个传感器指纹相互区分。
在实施例中,如图4所示,数据库实体100可以将所获取的参考传感器指纹分成几部分。作为示例,当移动设备102-106向数据库服务器100不断地传送传感器数据或者以其他方式传送与一个以上的物理分离的对象相对应的长传感器指纹时,该处理是适当的。让我们进一步设想移动设备102-106在检测到对象时传送该对象的指示。在这种情况下,数据库实体100可以将连续或者很长的传感器指纹分割成几个部分400-406,其中至少一个部分400、402、406对应于至少一个检测到的对象。此后,数据库实体100可以将至少一个部分400、402、406与至少一个对象相关联,并且可以将这些部分400、402、406中的每一个视为单独的参考传感器指纹。
在实施例中,传感器指纹的持续也有可能是受限的。限制该长度有益于减少数据库实体所需要的存储装置的量。在为任意传感器指纹设置的做大持续或距离的基础上,该限制可以是自动的。在另一实施例中,该限制可以是依照具体的情况确定的,以使得如果较短的传感器指纹已经包括了区别特征,那么将不再需要存储最大长度的传感器指纹。在这种情况下,连续的传感器指纹的某些部分可能不与任一对象相对应,例如图4中的部分404。
此后,在步骤204,数据库实体100可以将每个对象与对应的参考传感器指纹相关联,并且在步骤206中可以生成所述参考传感器指纹与所述对象之间的关联的数据库。在图1的表格中对此进行了展示,其中同一行的对象和参考传感器指纹是被关联在一起的。在图1中仅仅是为了简单起见而被展示为表格的这种类型的数据库可随后被用于多种目的。例如,正如所要描述的那样,数据库实体100可以根据该数据库执行搜索,或是基于参考传感器指纹来组织数据库中的对象。
在实施例中,基于参考传感器指纹,可以将所述对象分类或分组为室外对象和室内对象。来自室外区域的传感器指纹可能不同于(例如统计方差小于)来自室内区域的传感器指纹。例如,根据导出的特征的参考传感器指纹的相似性,可以分类/分组/聚类所述对象。
在实施例中,数据库实体可以获取与实际检测到的对象的位置有关的更详细的信息,例如列车、地铁、电梯等。此后,数据库实体100可以注意到指定的群组包括在一种特定类型的环境中实际测量到的对象,例如在地铁中。数据库实体100可以使用该检测来获取除了前述室内或室外环境之外的与该环境有关的知识,以及提供环境特定的传感器指纹。
在实施例中,如图1的参考数字110所示,数据库实体100可以基于参考传感器指纹的相似性来分组对象。如前所述,参考传感器指纹代表检测到的对象的未知的位置/环境。因此,基于传感器指纹的相似性将对象分组,会同时地将位于相同的未知位置的对象分组在一起。在这里可以预先确定与参考传感器指纹的相似性相关的准则。该准则可以通过实验或是通过数学方式来导出。该准则可以设置参考传感器指纹或从所述指纹中导出的特征的需要如何相似,以便将它们组合在一起的要求。例如,该需求可以相对于参考传感器指纹之间的统计属性来设置,例如相对于方差、频谱、振幅、峰间值等。在图1中,假设因为与对象122和126相对应的参考传感器指纹足够相似,因而将这些参考传感器指纹分组在一起。查看图1的地图可知,可以检测到对象122和126的位置彼此相对接近,因此,对应的传感器指纹也足够相似来使他们分组在一起。
作为示例,让我们假设对象122、124和126是在室外检测的对象。换言之,在检测到这些对象124-126时,移动设备位于室外。与此相反,对象120和128位于室内。在这种情况下,分组/分类可导致将室外对象122-126分在一个组中,并将室内对象120和128分在另一组中。这可以提供对与室外相关的对象和/或与室内相关的对象进行搜索的可能性。尽管已经解释过,作为示例,室外环境可以是能够提供例如EMF指纹这样的具有相似的属性的传感器指纹的环境,以使得可以将来自室外环境的对象分组在一起,并与例如室内环境之类的其他环境相区分,也能存在提供类似可能性的其他环境,例如交通运输类型(地铁、电梯、自动扶梯)。作为示例,进一步的环境或者子环境提供了用于分类相应的对象的环境特定的传感器指纹,例如海洋(例如在海中或海上的船上测量的传感器指纹)、山地环境。
在实施例中,与参考传感器指纹相对应的准确位置并不是已知的,并且如EMF或RF地图之类的传感器数据地图是不存在的。在该实施例中,如果传感器数据地图是未知的,那么数据库实体100不知道移动设备102-106所在的位置,并且因此不知道检测到的对象所在的位置。由于这样的具***置信息是未知的,因此,较为有利的是收集参考传感器指纹,以使得根据参考传感器指纹或是从中导出的代表检测到的对象的位置/环境/环境状况的特征来分类或分组或聚类或索引被检测对象。
然而,在另一实施例中,传感器数据地图是已知的,并且可以基于参考传感器指纹和传感器数据地图来确定移动设备102-106的准确位置。传感器数据例如可以是指EMF数据或RF数据。在该实施例中,检测到的对象可以与特定的位置相关联并具有增强的可靠性。
在实施例中,移动设备102-106传送并且因此数据库实体100从至少一个移动设备102-106获取参考元数据。所述参考元数据可以由移动设备102-106确定,或者所述参考元数据可以由数据库实体100基于与移动设备102-106相关的信息来确定。然而,获取元数据并不是强制性的。
在实施例中,参考元数据包括测量到的传感器指纹。所述传感器指纹可被保存在代表对象(例如捕获的图像)的数字文件的数字内容中。
在实施例中,参考元数据包括当测量参考传感器指纹时的时间和/或日期。这可由移动设备102-106或是数据库实体100来确定。如所示,图1的表格包括用于对象120的时间/日期。
在实施例中,参考元数据包括与参考传感器指纹对应的持续时间或距离。这可以例如由移动设备102-106来确定,并且可被指示给数据库实体100。备选地,数据库实体100可以基于从对应的移动设备102-106获取的计时数据或运动数据来确定该信息。例如,与参考传感器指纹对应的持续时间或距离可以基于运动数据来确定,其中所述运动数据包括由移动设备102-106在参考传感器指纹的测量期间测得的惯性传感器数据。如所示,图1的表格包括用于对象122的距离/持续时间/时间/日期。
在实施例中,参考元数据包括与测量到参考传感器指纹的位置有关的指示。这可以基于任何位置发现技术来确定,例如应用射频(RF)信号(例如接收信号的强度)、磁场、卫星定位***等的位置发现技术。如所示,图1的表格包括对象120、122和124的位置。
在实施例中,参考元数据包括对于与移动设备相关联的人员的社交媒体网络的引用。作为示例,移动设备102-106可以允许数据库实体100访问该人员的Facebook好友列表。如所示,图1的表格包括对象124的Facebook好友列表。
在实施例中,参考元数据包括至少一个检测到的对象中的每个对象的类型。该类型可以指示该对象是否是具有文本内容、图像、视频、电子消息等等的对象。
在实施例中,元数据包括用于测量参考传感器指纹的移动设备102-106的类型和/或型号。这样做是有益的,因为数据库实体100可知道与特定类型/型号相关联的偏差。如果情况确实如此,那么传感器指纹可以纠正从该移动设备接收的参考传感器指纹,以使得所有的参考传感器指纹都是相互兼容的(也就是说,参考传感器指纹是可以同单位度量的)。
在实施例中,元数据包括与传送检测到的对象的移动设备102-106相关联的人员的用户标识。这样的指示可以由数据库实体100从移动设备传送的任何标识符(ID)中获取。例如,带有检测到的对象指示的消息可以携带这样的全局唯一的ID。作为示例,所述唯一的ID可以与移动设备的订户身份卡(SIM)相关。如所示,图1的表格包括了所有对象120-128的用户ID。
此后,数据库实体100可以将所获取的参考元数据与由对应的至少一个移动设备102-106所指示的至少一个对象相关联。再一次地,这样的关联在例如图1的表格中被展示,其中处于同一行的所有对象和元数据都是相互关联的。
现在让我们来观察数据库实体100如何充当搜索引擎。如图5和6A/6B所示,在步骤500,数据库实体100可以从用户设备600接收目标传感器指纹602的指示,其中所述目标传感器指纹602被用作搜索的一个搜索关键词。所述目标传感器指纹602例如可以是目标EMF指纹或目标RF指纹。目标EMF指纹的指示可以作为代表了目标EMF幅度和/或方向或是从目标EMF指纹中导出的特征的值的矢量而被给出。目标RF指纹的指示可以作为代表检测到的RF信号的幅度或是从目标RF指纹中导出的特征的值的矢量而被给出。在实施例中,用户设备600将目标传感器指纹602传送到数据库实体100。在实施例中,目标传感器指纹602可以由用户所定义。在实施例中,用户设备600可能已经测量了目标传感器指纹602。在实施例中,目标传感器指纹602可以是用其他方式确定的(例如通过数学输入,通过绘图等等)。
在一个实施例中,数据库实体100从用户设备600接收目标对象的指示,其中所述目标对象与目标传感器指纹602相关联,并且所述目标对象向数据库实体100指示所述目标传感器指纹602。所述目标传感器指纹602可被隐性或显性地嵌入在目标对象中。举例来说,如图6B所示,目标传感器602可被嵌入在代表目标对象的文件的数字内容中。在实施例中,携带用户设备600的人员甚至可以不知道目标对象与目标传感器指纹602相关联。该人员例如会将图像之类的目标对象传送至Instagram社交媒体服务。目标传感器指纹602可被嵌入在带有该图像的消息中,并且可因此由数据库实体100直接从用户设备或是从Instagram获取。
此后,在步骤502,数据库实体100可以根据预定的相似性阈值来确定哪个或哪些参考传感器指纹604-608与所述目标传感器指纹602匹配。这样的相似性阈值可以通过实验或是用数学方式得到,作为示例,这样的相似性阈值可以代表指纹602与指纹604-608之间的至少一个统计属性的相似性。示例性的统计特征/属性/特性可以是方差、峰间振幅、均值、均差、频谱、从目标指纹中导出的N维特征(例如在时间和/或频域)矢量等等。指纹602-608之间进行的比较可以关于由对照指纹602-608所代表的传感器的幅度和/或方向来执行。应该指出的是,指纹602-608可以用数值向量来表示。为了进行说明,在附图中使用了图形表示。
所述比较可以包括图形目标和参考传感器指纹曲线的图形比较、目标和参考传感器指纹的数值之间的比较、目标和参考传感器指纹中导出的统计特征之间的比较等。
在图6A中,让我们设想参考传感器指纹604和608被确定相对于目标传感器指纹602具有足够的相似性(高于相似性阈值)。然而,参考传感器指纹608可被确定不与目标传感器指纹602相匹配。应该指出的是,为了简单地进行说明,指纹602-608是彼此分离的。
在步骤504,数据库实体100可以从所获取的对象中选择子集610,其中所述子集610的选择是基于哪个或哪些参考传感器指纹根据预定相似性阈值与所述目标传感器指纹相匹配。如所述,在实施例中,所述匹配无需是完美的匹配。在实施例中,指纹匹配与否可以是基于确定从指纹中导出的特征之间的距离。所述子集610可以包括所获取的对象中的一个或多个。由此,在实施例中,子集610可以包括与与目标传感器指纹602相匹配的一个或多个参考传感器指纹604、606相关联的对象。如所示,所述子集610可以包括与参考传感器指纹604相关联的两个对象(#1A,#1B),例如音频和视频文件,以及与参考传感器指纹606相关联的一个对象(#2),例如所传送/接收的SMS。在该列表中不包括与参考传感器指纹608相关联的对象。所述子集610中的这些对象可以对应于与由目标传感器指纹602指定的可能未知的位置/环境相关的检测到的对象。例如,所述子集610中的对象可以是在该位置捕获的图像,或者是在该位置接收或传送的电子消息的内容。换句话说,所述子集610可以包括多个不同类型的对象。
在实施例中,如果先前图1所示的分组110已经被执行,那么根据对对象的子集610的选择,数据库实体100可以选择群组/群集中的至少一个。由于只需要为每个群组/群集执行一次与目标传感器指纹602的比较,而不需要为每一个参考传感器指纹604-608单独执行该比较,因此这简化了流程并且加速了对象的搜索。
在步骤506,数据库实体100随后可以为用户设备600提供对象的所述子集610的指示。该指示可以以对象的列表的形式给出,或者也可以以能被用户设备600读取的其他任何方式给出。用户设备600随后可以在用户设备600的显示器上显示该对象的指示。这样,作为对来自用户设备600的搜索关键词的响应,数据库实体100返回相关对象的列表或者与搜索关键词指定的位置/环境相关联的对象的引用的列表。
在实施例中,数据库实体100可以根据预定排列准则来排列子集610,其中所述预定排列准则包括以下的至少一项:基于目标传感器指纹602与参考传感器指纹604-608之间或者由他们导出的特性之间的匹配/距离的关联性、参考传感器指纹604-608的日期、参考传感器指纹604-608的可靠性。举例来说,子集610中的对象可被排序以使得与提供了与目标传感器指纹602的最接近匹配的参考传感器指纹604相关联的那个对象是子集610中的第一个对象。与提供了与目标传感器指纹602的最远关联但仍处于相似性阈值之内的参考传感器指纹606关联的对象可以是子集610中的最后一个对象。在另一示例中,与最近测量的参考传感器指纹相关联的对象可以是子集610中的第一个对象。在另一示例中,与最近测量的参考传感器指纹相关联的对象可以是子集610中的第一个对象。
在一个实施例中,与最可靠的参考传感器指纹相关联的对象是子集610中的第一个对象。所述可靠性可以根据多种准则来确定,其中包括得的参考传感器指纹的寿命(age)、测量该参考传感器指纹的移动设备102-106的历史信息(举例来说,如果先前曾经从该移动设备102-106接收到过不精确的传感器矢量,那么所述可靠性不是最佳的)、测量参考传感器指纹的移动设备102-106的类型和/或型号(例如,已经知道一些类型/型号会导致不精确的传感器数据度量),和/或在传感器数据测量期间移动设备102-106的稳定性/运动(这可以从获取自对应移动设备102-106的运动数据中检测到)。
在一个实施例中,数据库实体100可以获取目标元数据的指示,其中所述目标元数据被进一步用作搜索的一个搜索关键词。然后,数据库实体100可以从所获取的对象中选择子集610,其中子集610的选择进一步基于所指示的目标元数据与关联于所述对象的参考元数据(参见图1)之间的比较。由此,与未考虑目标元数据的情况相比,在这种情况下子集610可包括较少的对象。
在实施例中,目标元数据可以包括参考传感器指纹604-608被要求匹配的时间帧。这可以限制所述选择以使得只有那些与具有在所指示的时间帧之内(例如处于最后一个月以内)的时间戳的参考传感器指纹相关联的对象被列入子集610。例如,与在指定时间帧以外测得的参考传感器指纹相关联的所有对象都不会被包括在子集610中。
在实施例中,目标元数据可以包括对于社交媒体网络的引用。在该实施例中,子集610可被限制以使得只有那些对象与所指示的引用相关的对象被包括在子集610之中。这样的引用可以是例如携带用户设备600的人员的社交媒体网络中的好友的列表。然后,只有那些与所指示的引用(例如包括该人员的好友中的至少一个的姓名或图像)相关的图像、消息、视频等被包括在子集610之中。
在实施例中,目标元数据可以包括与目标传感器指纹602相对应的持续时间和/或距离。这有助于使得目标传感器指纹602和参考传感器指纹604-608彼此可以同单位度量。作为示例,所述距离可以是基于来自移动设备的运动数据而获取的。
在实施例中,目标元数据可以包括所要检索的对象的类型。在这种情况下,只有那些属于目标对象的类型的对象被包括在子集610之中。
在实施例中,数据库实体100可以检测诸如移动设备104之类的移动设备在获取至少一个对象时的地理位置。该地理位置可以基于定位***来确定,例如基于卫星的***、基于RF信号的***、基于EMF的***等。随后数据库实体100可以将每个对象与对应的地理位置相关联。在图1中对此进行了显示,其中为至少一些对象给出了对象的位置。
在实施例中,移动设备的位置的数据指示(即位置数据)是作为元数据保存在对应对象的数字内容文件中,以使得数据库实体100在其接收/访问该对象的文件时获取该位置数据。
此后,数据库实体100可以从用户终端600获取关于目标地理区域的指示,其中所述目标地理区域进一步被用作搜索的一个搜索关键词。数据库实体100随后可以从所获取的对象中选择子集,其中所述子集610的选择进一步基于哪些对象与处于所指示的目标地理区域以内的地理位置相关联。由此,子集610可以包括那些与匹配目标传感器指纹的一个或多个参考传感器指纹相关联并且与所指示的目标地理区域以内的地理位置相关联的对象。这是有益的,因为可能有这样的情况,即即便是在不同的位置测量的参考传感器指纹,所述指纹多少也有些相似。那么,获取位置的粗略知识有助于为用户终端600提供只来自一个与被指示的目标传感器指纹602对应的位置的对象的子集610。
在实施例中,位置或区域是以一个或多个建筑物的精度或以建筑物内部的一个或多个楼层的精度来指示的。在实施例中,所述指示包括卫星定位系坐标。在实施例中,Wi-Fi被用于导出位置或区域的指示。
如图7A所示,携带了诸如移动设备102之类的移动设备的人员不会始终将移动设备102保持在相对于用XYZ坐标表示的携带了移动设备102的人员的参照系的正确角度上。该人员可能会晃动其手臂并使得移动设备102运动。在这种情况下,移动设备102的三维定向可能会改变。特别地,如图7A所示,移动设备102会围绕三个轴线X、Y和Z中的至少一个旋转。这可能会导致移动设备102执行相对于与EMF矢量的方向不精确的EMF测量,并且因此导致错误或低效的位置发现和/或追踪,或者导致错误或非最优的初始位置估计。应该指出的是,虽然在一些情况中只要观察幅度就足以检测操作环境的变化和/或执行位置估计/追踪,但是观察方向可以提供额外的精度和效率。这是因为可以利用包括方向在内的更多信息。
移动设备102的三维定向可以用以下的至少一项来定义:相对于第一水平轴(例如X轴或Y轴)的旋转,相对于第二水平轴的旋转(例如分别是Y轴或X轴),以及相对于垂直轴Z的旋转。让我们通过参考图7来更详细地设想这种情况。在图7中,实线箭头代表的是世界XYZ坐标系,而虚线显示的是移动设备102的参照系。图7B显示了移动设备102如何围绕Y轴旋转。在图7B中,Y轴指向纸面。在图7C中,移动设备102围绕指向纸面的X轴旋转。
在实施例中,数据库实体100可以获取移动设备102的运动数据,其中所述运动数据是由移动设备102中包括的至少一个惯性测量单元(IMU)在参考传感器指纹的测量期间测得的。在实施例中,所述运动数据作为元数据保存在对应对象的数字内容文件中以使得数据库实体100在其接收/访问该对象的文件时获取该运动数据信息。所述运动数据信息可用于表示作为距离的函数的传感器指纹(参考或目标指纹),以此来替换或补充作为时间的函数的指纹。这有助于在搜索中提供正确的命中。
更进一步,运动数据可以指示移动设备102在其测量参考传感器指纹时的至少一个时间点上的三维定向。如图7A所示,所述方向可以在移动设备102的参照系(X’,Y’,Z’)中定义。然而,(X’,Y’,Z’)与(X,Y,Z)并不相同。因此,如果没有将获取自移动设备102的参照系(X’,Y’,Z’)的EMF数据调节/旋转/校正到该人员的参照系(X,Y,Z),错误将会发生。应该指出的是,所述人员的参照系(X,Y,Z)可被假设成与建筑物300的楼层平面图的参照系相对应。
此后,数据库实体100可以应用惯性测量结果,以便基于所获取的运动数据来确定移动设备102的三维定向与携带了移动设备102的人的三维坐标系之间的差别的至少一个角度估计。例如,为了确定围绕Y轴(图7B)和围绕X轴(图7C)的旋转量,在一个实施例中移动设备可以配备惯性测量单元。所述IMU可以包括至少一个利用重力场的加速度传感器。所述IMU可选地还可以包括用于检测角速度的其他惯性传感器,例如至少一个陀螺仪。加速度传感器具有检测重力G的能力。通过检测图7B和7C中由地球的重力导致的加速度分量G,移动设备102能够确定关于X和/或Y轴的旋转量。关于Z轴的旋转是可以被补偿的,例如通过使用由陀螺仪给出的信息、通过使用基于该区域的EMF地图的EMF的真实方向的信息、或是通过使用主要移动方向(例如携带移动设备的人的移动方向)的信息,其中所述主要移动方向可以从来自移动设备的运动数据中导出。在实施例中,IMU可以检测携带移动设备102的人员的移动。这有利地允许例如确定这个人的速度和方向。从美国专利申请13/739,640和13/905,655中可以找到进一步地与被人携带的移动设备的未知三维定向的校正相关的描述,该申请的内容在这里引入以作为参考。
最后,数据库实体100可以基于所确定的至少一个角度估计来调整参考传感器指纹。这是有利的以便使从不同移动设备102-106接收的传感器指纹同量(commensurate)。
此外,举例来说,如果基于从用户设备600获取的运动数据检测到用户设备600的三维定向没有与XYZ坐标系的轴对齐,那么可以采用类似方式来调整目标传感器指纹602。在一些情况中,用户可从用户设备600上的用户接口定义目标传感器指纹602。在这种情况下,用户设备600的用户接口应用可以确保指定的目标传感器指纹602代表处于预期坐标系中的传感器的方向。然而,在其他一些情况中,用户设备600可以捕获图像,将所捕获的图像连同与所获取的图像相关联的目标传感器指纹602一起传送到数据库实体100。然后,用户设备600在测量目标传感器指纹602的时候有可能还未被正确定向,和/或有可能在测量期间发生移动,并且因此如上所述,这样的目标传感器指纹602可能需要校正。
关于图8从移动设备102-106的角度来看,所提出的***包括:在步骤800,移动设备测量参考传感器指纹并将所述参考传感器指纹提供给数据库实体100。在步骤802,移动设备可以检测与来自所述移动设备的参考传感器指纹所对应的位置和/或环境相关的至少一个对象,并且向数据库实体提供所述至少一个对象的指示,以便允许数据库实体100将每一个对象与对应的参考传感器指纹或者与从所述参考传感器指纹中导出的特征相关联,并且维护所述关联的数据库。在实施例中,所述参考传感器指纹作为代表检测到的对象的数字内容文件的一部分而被提供给数据库实体100。对参考传感器指纹的测量可以由移动设备自动执行,例如由移动设备102-106中检测所述至少一个对象的应用来执行。这样的应用例如可以是视频记录应用或用于捕获图像、传送电子消息等的应用。
关于图9从用户设备600的角度来看,所提出的***可以包括:在步骤900,用户设备600使得目标传感器指纹的指示传送到数据库实体100。在步骤902,用户设备600可以使得接收对象的子集610的指示,其中所述子集610中的对象与一个或多个参考传感器指纹相关联,根据预定的相似性阈值,所述一个或多个参考传感器指纹与所传送的目标传感器指纹匹配。此后,用户设备600例如可以在用户设备600的显示器上显示对象的子集610。在一个实施例中,不需要进行所述显示,但是用户设备600可以使用在用户设备600中可执行的应用中的结果。举例来说,如果所述子集包括图像以及关于拍摄所述图像的人员的指示(人员的身份),该应用可以以“你可能喜欢由用户ID#1,ID#2,...拍摄的照片”这种形式来显示用户。
在一个示例性实施例中,如图13所示,用户设备500可以通过安装在用户设备600中的相机应用来捕获图像1300。用户设备600可能已经测量到了与捕获图像的位置相对应的目标传感器指纹(例如EMF指纹或RF指纹)。作为示例,所述相机应用可以将测量到的目标传感器指纹包括到该图像的数据文件中,并将该数据文件发送到Instagram。此外,如前所述,目标元数据可被添加至该图像数据文件中(起目标对象的作用)。在实施例中,根据具有目标传感器指纹的图像文件的接收,作为数据库实体100的Instagram服务器计算机将基于所述目标传感器指纹和多个参考传感器指纹来自动地搜索与该位置关联的对象。Instagram服务器还可以自动地至少将目标指纹传送到充当数据库实体100的另一服务器,以使其他服务器可以执行搜索。在另一实施例中,Instagram的用户接口可以配备用于“搜索来自图像位置的对象”的输入1302,例如按钮。一旦有人点击了Instagram中的按钮1302,那么Instagram可以开始搜索与该位置关联的对象,或者可以将所述目标传感器指纹传送到数据库实体100,所述数据库实体100将基于所述目标传感器指纹和多个参考传感器指纹来搜索位于该区域中的对象。结果,所述数据库实体100可以向用户设备600返回对象的子集610,所述对象的子集包括其他类型的对象而非仅有图像。这可以直接地对用户设备600进行,也可以经由Instagram服务器进行。所接收的子集可以包括图像、视频、音频、与位置/环境相关联的广告、与位置/环境相关联的促销、与位置/环境相关联的手机优惠券,在这里仅仅举出的是少量可能的对象类型。如果点击用户接口中的按钮1302的人不是与用户设备600相关联的人,所述子集610可被传送到与点击按钮1302的人相关联的另一设备。
在另一示例性实施例中,用户设备600可以运行如Google之类的搜索应用,或者可以通过应用web浏览器来访问***搜索页。用户设备600的用户可以在搜索字段中输入例如图像或对图像的引用(例如URL)。图像的数字文件可以包括作为元数据的目标传感器指纹602,或者也可以将传感器指纹602单独指示给数据库实体100。基于该目标传感器指纹602,数据库实体100可以随后从数据库中搜索和检索与足够类似(基于相似性阈值)的参考传感器指纹相关联的所有对象。被搜索的这些对象可以根据预定排列准则列出,并随后向用户设备600提供经过排列的搜索结果。在实施例中,用户设备600的用户可以通过指示将被检索的对象的类型来对搜索进行限制,例如仅搜索音频、图像、视频、人员标识符等。
图1012中展示的实施例提供了装置1000、1100、1200。在实施例中,设备1000是或者被包括在数据库实体100中,例如在网络服务器计算机中。在实施例中,设备1100是或者被包括在移动设备102-106中,例如在移动电话、相机、智能电话、膝上型计算机或平板中。在实施例中,装置1200是或者被包括在用户设备600中,例如在移动电话、智能电话、膝上型计算机、平板电脑或个人计算机中。在实施例中,装置1000、1100、1200可以是或者包括提供连接性的模块(将被附着至各自的设备100-108、600),例如插件单元、“USB电子狗”或是其他任何类型的单元。所述单元可以安装在内部,或可以通过连接器乃至通过无线方式附着于设备100-108、600。
每一个设备都包括至少一个处理器1002、1102、1202以及至少一个包括计算机程序代码的存储器1004、1104、1204,其中所述计算机程序代码被配置以使得相应设备(例如数据库实体100、移动设备102-106以及用户设备600)分别执行根据任一实施例的功能。所述至少一个处理器中的每一个可以用单独的数字信号处理器来实现,其中所述数字信号处理器配备了嵌入在计算机可读介质上的适当软件或是单独的逻辑电路,例如专用集成电路(ASIC)。
所述装置1000、1100、1200可以进一步包括为各自的装置提供与无线接入网进行通信的能力的无线电接口组件1006、1106、1206。所述无线电接口可用于执行装置之间的通信能力。所述无线电接口可用于传递与传感器指纹、检测到的对象、元数据、搜索结果、位置估计等相关的数据。
用户接口1008、1108、1208可在操作各自的装置中使用。每一个用户接口可以包括按钮、键盘、用于接收语音命令的装置,例如麦克风、触摸按钮、滑动按钮等。
所述至少一个处理器1002可以包括用于生成用于对象和相关联的参考传感器指纹以及可能的元数据的数据库的数据库生成电路1010。搜索控制电路1014可以基于搜索关键词来执行对象的搜索。作为示例,校准和纠正电路1016可以负责基于运动数据或者基于已知偏差来纠正所接收的传感器指纹。
作为示例,所述至少一个处理器1102可以包括:用于在磁强计1120或信号接收单元1126的帮助下生成参考传感器指纹的参考传感器指纹生成电路1110、用于在IMU 1122和/或里程表1124的帮助下测量运动数据的运动数据测量电路1112、用于检测对象以及生成参考元数据的对象检测电路1114、以及用于执行磁强计1120和/或信号接收单元1126的校正处理和/或纠正从磁强计1120和/或从信号接收单元1126获取的信息的校准和纠正电路1116。相机1128和麦克风例如可用于捕获图像和/或视频(例如对象)。作为示例,信号接收单元1126可被用于检测RF信号,例如Wi-Fi、BLT、蜂窝RF信号,或者用于检测GPS信号。
作为示例,所述至少一个处理器1202可以包括:用于在磁强计1220或信号接收单元1226的帮助下生成目标传感器指纹的目标传感器指纹生成电路1210、用于在IMU 1222和/或里程计1224的帮助下测量运动数据的运动数据测量电路1212、用于生成目标元数据的元数据生成电路1214、以及用于执行磁强计1220和/或信号接收单元1126的校准过程,和/或纠正从磁强计1220和/或从信号接收单元1126获取的信息的校准和纠正电路1216。作为示例,相机1228和麦克风可用于捕获图像和/或视频(例如目标对象)。作为示例,信号接收单元1226可被用于检测RF信号,例如Wi-Fi、BLT、BLT低能量(BLE)、蜂窝RF信号,或者用于检测GPS信号。
磁强计1120和1220可以包括至少一个正交测量轴。然而,在实施例中,磁强计可以包括三维测量能力。在一个实施例中,磁强计可以是群组磁强计,或者可以同时提供来自相互间隔的多个位置的磁场观察结果的磁强计阵列。
本文使用的术语“电路”指的是以下所有项:(a)纯硬件的电路实现,例如仅以模拟和/或数字电路实现,以及(b)电路与软件(和/或固件)的组合,例如(如果适用的话):(i)处理器的组合或者(ii)包括数字信号处理器、软件以及存储器的通过合作来使得设备执行不同功能的处理器/软件部分,以及(c)电路,例如微处理器或是微处理器的部分,其需要软件或固件来执行操作,即使所述软件或固件并非是物理地存在。“电路”的该定义适于该术语在本申请中的所有用途。作为进一步的示例,如本申请中所使用的,术语“电路”还涵盖了纯处理器(或多个处理器)或是处理器的一部分及其附属软件和/或固件的实现。术语“电路”还涵盖了,例如并且如果适用于特定元素,用于移动电话的基带集成电路或应用处理器集成电路,或者实体、蜂窝网络设备或是另一网络设备中的类似集成电路。
这里描述的技术可以用不同手段实现。例如,这些技术可以用硬件(一个或多个设备)、固件(一个或多个设备)、软件(一个或多个模块)或其组合实现。对于硬件实现来说,实施例中的装置可以在一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑设备(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、被设计成执行本文描述的功能的其他电子单元或是其组合内实现。对于固件或软件来说,其实现可以通过用于执行本文描述的功能的至少一个芯片组的模块(例如流程、函数等)来执行。软件代码可以保存在存储单元中并由处理器执行。存储单元既可以在处理器内部实现,也可以在处理器外部实现。在后一种情况中,其可以经由本领域已知的各种手段可通信地耦合到处理器。此外,本文描述的***组件还可以重新排列和/或由附加的组件加以补充,以便利于实现与之相关的不同方面等,本领域技术人员将会了解,这些组件不受指定附图中阐述的精确配置的限制。
所描述的实施例可以以由计算机程序定义的计算机进程的形式执行。所述计算机程序可以以源代码形式、目标代码形式、或以一些中间形式,并且可以保存在某种载体中,所述载体可以是能够承载所述程序的任何实体或设备。例如,计算机程序可以保存在可由计算机或处理器读取的计算机程序分发介质上。计算机程序介质可以是,作为示例而非限制,例如记录介质、计算机存储器、只读存储器、电子载波信号、电信信号以及软件分发包。用于执行所显示和描述的实施例的软件代码也在本领域普通技术人员的理解范围以内。
虽然在上文中参考根据附图的示例而对本发明进行了描述,但是很明显,本发明并不局限于此,而是可以在所附权利要求的范围以内进行多种方式的修改。由此,所有措词和表述应被广义理解,并且这些措词和表述旨在示出而不是限制实施例。对本领域技术人员来说,很明显,随着技术的进步,本发明的概念可以以不同方式实施,更进一步,对本领域技术人员来说,很明显,所描述的实施例可以以不同方式与其他实施例结合,但这并不是必需的。
Claims (20)
1.一种装置,包括:
至少一个处理器和至少一个包括计算机程序代码的存储器,其中所述至少一个存储器和所述计算机程序代码被配置成用所述至少一个处理器使得数据库实体至少:
从多个移动设备中的每一个获取至少一个对象的指示;
获取代表与所述至少一个对象有关的上下文的参考传感器指纹;
将每一个对象与对应的参考传感器指纹相关联;以及
生成所述参考传感器指纹与所述对象之间的关联的数据库。
2.如权利要求1所述的装置,其中所述对象是以下的至少一个:在位置/环境中捕获的图像、在位置/环境中捕获的音频、在位置/环境中捕获的视频、与位置/环境相关的广告、在位置/环境中出现的人的身份、在位置/环境处在移动设备中执行的操作、在位置/环境中发送或接收的电子消息的内容。
3.如权利要求1所述的装置,其中所述参考传感器指纹被获取为从移动设备接收的代表被检测对象的数字内容文件的一部分。
4.如权利要求1所述的装置,其中,进一步使得所述数据库实体:
从另一移动设备获取所述参考传感器指纹,所述另一移动设备关联于与从其获取所述至少一个对象的移动设备相同的用户;
将所获取的参考传感器指纹的至少一个预定比较属性与所获取的至少一个对象的至少一个预定比较属性进行比较;以及
基于所述比较,将所获取的参考传感器指纹与所获取的至少一个对象相关联。
5.如权利要求1所述的装置,其中,进一步使得所述数据库实体:
检测多个移动设备中的指定移动设备的位置;以及
基于该移动设备被检测到所在的区域的传感器数据地图,获取与从该移动设备获取的至少一个对象相对应的参考传感器指纹。
6.如权利要求1所述的装置,其中,进一步使得所述数据库实体:
将所获取的参考传感器指纹分成多个部分;以及
将至少一个部分与至少一个对象相关联,以及将这些至少一个部分中的每一个都视为单独的参考传感器指纹。
7.如权利要求1所述的装置,其中,进一步使得所述数据库实体:
基于参考传感器指纹的相似性,将对象分组。
8.如权利要求1所述的装置,其中,进一步使得所述数据库实体:
从用户设备接收目标传感器指纹的指示,其中所述目标传感器指纹被用作搜索的一个搜索关键词;
根据预定的相似性阈值,确定哪个或哪些参考传感器指纹与所述目标传感器指纹匹配;
从所获取的对象中选择子集,其中所述子集的选择是基于根据预定的相似性阈值,哪个或哪些参考传感器指纹与所述目标传感器指纹相匹配;以及
向用户设备提供对象的所述子集的指示。
9.如权利要求8所述的装置,其中所述子集包括与匹配所述目标传感器指纹的一个或多个参考传感器指纹相关联的那些对象。
10.如权利要求8所述的装置,其中,进一步使得所述数据库实体:
使得从用户设备接收目标对象的指示,其中所述目标对象与所述目标传感器指纹相关联,并且所述目标对象指示所述目标传感器指纹,由此使得所述数据库实体能够获取所述目标传感器指纹。
11.如权利要求8所述的装置,其中,进一步使得所述数据库实体:
根据预定的排列准则,排列子集,其中所述预定的排列准则包括以下的至少一个:基于所述目标传感器指纹与所述参考传感器指纹之间的匹配的关联性、参考传感器指纹的日期、参考传感器指纹的可靠性;以及
向用户设备提供对象的已排列的子集的指示。
12.如权利要求8所述的装置,其中,进一步使得所述数据库实体:
从至少一个移动设备获取参考元数据;以及
将所获取的参考元数据与由对应的至少一个移动设备指示的至少一个对象相关联。
13.如权利要求12所述的装置,其中,进一步使得所述数据库实体:
获取目标元数据的指示,其中所述目标元数据被进一步用作搜索的一个搜索关键词;以及
从所获取的对象中选择所述子集,其中对所述子集的选择进一步基于所指示的目标元数据与关联于所述对象的参考元数据之间的比较。
14.如权利要求1所述的装置,其中所述参考传感器指纹和所述目标传感器指纹是代表地球磁场的幅度和方向中的至少一个的地球磁场指纹。
15.如权利要求1所述的装置,其中所述参考传感器指纹和所述目标传感器指纹是代表以下的至少一个的射频指纹:检测到的射频信号的强度、检测到的射频基站的标识符。
16.如权利要求15所述的装置,其中所述射频指纹代表检测到的射频信号的强度和检测到的射频基站的标识符两者,作为指定位置的特征矢量。
17.一种装置,包括:
至少一个处理器和至少一个包括计算机程序代码的存储器,其中所述至少一个存储器和所述计算机程序代码被配置成用所述至少一个处理器使得移动设备至少:
测量参考传感器指纹,并将所述参考传感器指纹提供给数据库实体;以及
检测与对应于来自该移动设备的参考传感器指纹的位置和/或环境相关的至少一个对象,并向所述数据库实体提供所述至少一个对象的指示,以便允许数据库实体将每一个对象与对应的参考传感器指纹相关联并维护该关联的数据库。
18.如权利要求17所述的装置,其中所述参考传感器指纹被提供为代表被检测对象的数字内容文件的一部分,其中所述参考传感器指纹的测量是自动执行的。
19.一种装置,包括:
至少一个处理器和至少一个包括计算机程序代码的存储器,其中所述至少一个存储器和所述计算机程序代码被配置成用所述至少一个处理器使得用户设备至少:
使得目标传感器指纹的指示传输到数据库实体;以及
使得接收对象的子集的指示,其中所述子集中的对象与根据预定的准则而匹配与所传输的目标传感器指纹的一个或多个参考传感器指纹相关联。
20.如权利要求19所述的装置,其中,进一步使得所述用户设备:
使得向所述数据库实体传输目标对象的指示,其中所述目标对象与所述目标传感器指纹相关联,所述目标对象指示所述目标传感器指纹。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/054,264 US20150106373A1 (en) | 2013-10-15 | 2013-10-15 | Generating search database based on earth's magnetic field measurements |
US14/054264 | 2013-10-15 | ||
US14/093,250 US20150106403A1 (en) | 2013-10-15 | 2013-11-29 | Generating search database based on sensor measurements |
US14/093250 | 2013-11-29 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104615659A true CN104615659A (zh) | 2015-05-13 |
Family
ID=52810576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410858479.2A Pending CN104615659A (zh) | 2013-10-15 | 2014-10-13 | 基于传感器测量来生成搜索数据库 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20150106403A1 (zh) |
CN (1) | CN104615659A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108801275A (zh) * | 2018-06-11 | 2018-11-13 | 杭州晶智能科技有限公司 | 基于无线网络和地磁信号的室内移动机器人指纹地图建立方法 |
CN109089221A (zh) * | 2017-06-13 | 2018-12-25 | 霍尼韦尔国际公司 | 用于经由wi-fi指纹和电磁指纹进行室内跟踪的***和方法 |
CN109115205A (zh) * | 2018-07-20 | 2019-01-01 | 上海工程技术大学 | 一种基于地磁传感器阵列的室内指纹定位方法及*** |
CN110100150A (zh) * | 2017-02-10 | 2019-08-06 | 香港科技大学 | 利用地磁场的有效室内定位 |
CN110297252A (zh) * | 2019-07-17 | 2019-10-01 | 哈尔滨理工大学 | 一种基于激光传感器阵列的列车前方障碍物检测***及其检测方法 |
Families Citing this family (58)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9485267B2 (en) * | 2014-06-02 | 2016-11-01 | Bastille Networks, Inc. | Anomalous behavior detection using radio frequency fingerprints and access credentials |
SE1451084A1 (sv) * | 2014-09-16 | 2016-03-17 | Fingerprint Cards Ab | Method and fingerprint sensing system for authenticating a candidate fingerprint |
US9396554B2 (en) | 2014-12-05 | 2016-07-19 | Symbol Technologies, Llc | Apparatus for and method of estimating dimensions of an object associated with a code in automatic response to reading the code |
US10242082B2 (en) * | 2014-12-12 | 2019-03-26 | Microsoft Technology Licensing, Llc | Context-driven multi-user communication |
US20160316261A1 (en) * | 2015-04-23 | 2016-10-27 | Sorenson Media, Inc. | Automatic content recognition fingerprint sequence matching |
US10121119B2 (en) * | 2015-08-27 | 2018-11-06 | Indooratlas Oy | Order management |
US9933508B2 (en) | 2015-09-21 | 2018-04-03 | Indooratlas Oy | Magnetic positioning management |
CN106982414B (zh) * | 2016-01-15 | 2020-06-09 | 阿里巴巴集团控股有限公司 | 一种定位更新方法、装置和移动终端 |
US10352689B2 (en) | 2016-01-28 | 2019-07-16 | Symbol Technologies, Llc | Methods and systems for high precision locationing with depth values |
US10145955B2 (en) | 2016-02-04 | 2018-12-04 | Symbol Technologies, Llc | Methods and systems for processing point-cloud data with a line scanner |
US10721451B2 (en) | 2016-03-23 | 2020-07-21 | Symbol Technologies, Llc | Arrangement for, and method of, loading freight into a shipping container |
US10776661B2 (en) * | 2016-08-19 | 2020-09-15 | Symbol Technologies, Llc | Methods, systems and apparatus for segmenting and dimensioning objects |
US11042161B2 (en) | 2016-11-16 | 2021-06-22 | Symbol Technologies, Llc | Navigation control method and apparatus in a mobile automation system |
US10451405B2 (en) | 2016-11-22 | 2019-10-22 | Symbol Technologies, Llc | Dimensioning system for, and method of, dimensioning freight in motion along an unconstrained path in a venue |
US10354411B2 (en) | 2016-12-20 | 2019-07-16 | Symbol Technologies, Llc | Methods, systems and apparatus for segmenting objects |
US11449059B2 (en) | 2017-05-01 | 2022-09-20 | Symbol Technologies, Llc | Obstacle detection for a mobile automation apparatus |
US11367092B2 (en) | 2017-05-01 | 2022-06-21 | Symbol Technologies, Llc | Method and apparatus for extracting and processing price text from an image set |
US10949798B2 (en) | 2017-05-01 | 2021-03-16 | Symbol Technologies, Llc | Multimodal localization and mapping for a mobile automation apparatus |
US10591918B2 (en) | 2017-05-01 | 2020-03-17 | Symbol Technologies, Llc | Fixed segmented lattice planning for a mobile automation apparatus |
WO2018204342A1 (en) | 2017-05-01 | 2018-11-08 | Symbol Technologies, Llc | Product status detection system |
AU2018261257B2 (en) | 2017-05-01 | 2020-10-08 | Symbol Technologies, Llc | Method and apparatus for object status detection |
US10726273B2 (en) | 2017-05-01 | 2020-07-28 | Symbol Technologies, Llc | Method and apparatus for shelf feature and object placement detection from shelf images |
US10663590B2 (en) | 2017-05-01 | 2020-05-26 | Symbol Technologies, Llc | Device and method for merging lidar data |
WO2018201423A1 (en) | 2017-05-05 | 2018-11-08 | Symbol Technologies, Llc | Method and apparatus for detecting and interpreting price label text |
CN107341185B (zh) * | 2017-06-05 | 2020-12-04 | 北京小米移动软件有限公司 | 信息显示的方法及装置 |
US10521914B2 (en) | 2017-09-07 | 2019-12-31 | Symbol Technologies, Llc | Multi-sensor object recognition system and method |
US10572763B2 (en) | 2017-09-07 | 2020-02-25 | Symbol Technologies, Llc | Method and apparatus for support surface edge detection |
US10740911B2 (en) | 2018-04-05 | 2020-08-11 | Symbol Technologies, Llc | Method, system and apparatus for correcting translucency artifacts in data representing a support structure |
US10809078B2 (en) | 2018-04-05 | 2020-10-20 | Symbol Technologies, Llc | Method, system and apparatus for dynamic path generation |
US10832436B2 (en) | 2018-04-05 | 2020-11-10 | Symbol Technologies, Llc | Method, system and apparatus for recovering label positions |
US10823572B2 (en) | 2018-04-05 | 2020-11-03 | Symbol Technologies, Llc | Method, system and apparatus for generating navigational data |
US11327504B2 (en) | 2018-04-05 | 2022-05-10 | Symbol Technologies, Llc | Method, system and apparatus for mobile automation apparatus localization |
US11010920B2 (en) | 2018-10-05 | 2021-05-18 | Zebra Technologies Corporation | Method, system and apparatus for object detection in point clouds |
US11506483B2 (en) | 2018-10-05 | 2022-11-22 | Zebra Technologies Corporation | Method, system and apparatus for support structure depth determination |
US11003188B2 (en) | 2018-11-13 | 2021-05-11 | Zebra Technologies Corporation | Method, system and apparatus for obstacle handling in navigational path generation |
US11090811B2 (en) | 2018-11-13 | 2021-08-17 | Zebra Technologies Corporation | Method and apparatus for labeling of support structures |
US11416000B2 (en) | 2018-12-07 | 2022-08-16 | Zebra Technologies Corporation | Method and apparatus for navigational ray tracing |
US11079240B2 (en) | 2018-12-07 | 2021-08-03 | Zebra Technologies Corporation | Method, system and apparatus for adaptive particle filter localization |
US11100303B2 (en) | 2018-12-10 | 2021-08-24 | Zebra Technologies Corporation | Method, system and apparatus for auxiliary label detection and association |
US11015938B2 (en) | 2018-12-12 | 2021-05-25 | Zebra Technologies Corporation | Method, system and apparatus for navigational assistance |
US10731970B2 (en) | 2018-12-13 | 2020-08-04 | Zebra Technologies Corporation | Method, system and apparatus for support structure detection |
CA3028708A1 (en) | 2018-12-28 | 2020-06-28 | Zih Corp. | Method, system and apparatus for dynamic loop closure in mapping trajectories |
US11960286B2 (en) | 2019-06-03 | 2024-04-16 | Zebra Technologies Corporation | Method, system and apparatus for dynamic task sequencing |
US11080566B2 (en) | 2019-06-03 | 2021-08-03 | Zebra Technologies Corporation | Method, system and apparatus for gap detection in support structures with peg regions |
US11151743B2 (en) | 2019-06-03 | 2021-10-19 | Zebra Technologies Corporation | Method, system and apparatus for end of aisle detection |
US11341663B2 (en) | 2019-06-03 | 2022-05-24 | Zebra Technologies Corporation | Method, system and apparatus for detecting support structure obstructions |
US11200677B2 (en) | 2019-06-03 | 2021-12-14 | Zebra Technologies Corporation | Method, system and apparatus for shelf edge detection |
US11402846B2 (en) | 2019-06-03 | 2022-08-02 | Zebra Technologies Corporation | Method, system and apparatus for mitigating data capture light leakage |
US11662739B2 (en) | 2019-06-03 | 2023-05-30 | Zebra Technologies Corporation | Method, system and apparatus for adaptive ceiling-based localization |
US11507103B2 (en) | 2019-12-04 | 2022-11-22 | Zebra Technologies Corporation | Method, system and apparatus for localization-based historical obstacle handling |
US11107238B2 (en) | 2019-12-13 | 2021-08-31 | Zebra Technologies Corporation | Method, system and apparatus for detecting item facings |
US11822333B2 (en) | 2020-03-30 | 2023-11-21 | Zebra Technologies Corporation | Method, system and apparatus for data capture illumination control |
US11450024B2 (en) | 2020-07-17 | 2022-09-20 | Zebra Technologies Corporation | Mixed depth object detection |
US11593915B2 (en) | 2020-10-21 | 2023-02-28 | Zebra Technologies Corporation | Parallax-tolerant panoramic image generation |
US11392891B2 (en) | 2020-11-03 | 2022-07-19 | Zebra Technologies Corporation | Item placement detection and optimization in material handling systems |
US11847832B2 (en) | 2020-11-11 | 2023-12-19 | Zebra Technologies Corporation | Object classification for autonomous navigation systems |
US11907798B2 (en) * | 2021-01-29 | 2024-02-20 | Target Brands Inc. | RFID-based positioning system for indoor environments |
US11954882B2 (en) | 2021-06-17 | 2024-04-09 | Zebra Technologies Corporation | Feature-based georegistration for mobile computing devices |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1349109A (zh) * | 2000-10-16 | 2002-05-15 | Ap第一体系有限公司 | 3轴磁传感器、全方位磁传感器及使用它们的方位测定方法 |
US20070005571A1 (en) * | 2005-06-29 | 2007-01-04 | Microsoft Corporation | Query-by-image search and retrieval system |
US20070127833A1 (en) * | 2005-11-30 | 2007-06-07 | Singh Munindar P | Automatic Generation Of Metadata For A Digital Image Based On Ambient Conditions |
US7702821B2 (en) * | 2005-09-15 | 2010-04-20 | Eye-Fi, Inc. | Content-aware digital media storage device and methods of using the same |
US20100251101A1 (en) * | 2009-03-31 | 2010-09-30 | Haussecker Horst W | Capture and Display of Digital Images Based on Related Metadata |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8369264B2 (en) * | 2005-10-28 | 2013-02-05 | Skyhook Wireless, Inc. | Method and system for selecting and providing a relevant subset of Wi-Fi location information to a mobile client device so the client device may estimate its position with efficient utilization of resources |
US7617246B2 (en) * | 2006-02-21 | 2009-11-10 | Geopeg, Inc. | System and method for geo-coding user generated content |
EP2729107A4 (en) * | 2011-07-06 | 2014-12-31 | Fred Bergman Healthcare Pty Ltd | IMPROVEMENTS ON EVENT RECORDING ALGORITHMS |
US20140095504A1 (en) * | 2012-09-28 | 2014-04-03 | United Video Properties, Inc. | Systems and methods for cataloging user-generated content |
US8880527B2 (en) * | 2012-10-31 | 2014-11-04 | Nokia Corporation | Method and apparatus for generating a media compilation based on criteria based sampling |
-
2013
- 2013-11-29 US US14/093,250 patent/US20150106403A1/en not_active Abandoned
-
2014
- 2014-10-13 CN CN201410858479.2A patent/CN104615659A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1349109A (zh) * | 2000-10-16 | 2002-05-15 | Ap第一体系有限公司 | 3轴磁传感器、全方位磁传感器及使用它们的方位测定方法 |
US20070005571A1 (en) * | 2005-06-29 | 2007-01-04 | Microsoft Corporation | Query-by-image search and retrieval system |
CN101535986A (zh) * | 2005-06-29 | 2009-09-16 | 微软公司 | 按图像进行查询的搜索和检索*** |
US7702821B2 (en) * | 2005-09-15 | 2010-04-20 | Eye-Fi, Inc. | Content-aware digital media storage device and methods of using the same |
US20070127833A1 (en) * | 2005-11-30 | 2007-06-07 | Singh Munindar P | Automatic Generation Of Metadata For A Digital Image Based On Ambient Conditions |
US20100251101A1 (en) * | 2009-03-31 | 2010-09-30 | Haussecker Horst W | Capture and Display of Digital Images Based on Related Metadata |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110100150A (zh) * | 2017-02-10 | 2019-08-06 | 香港科技大学 | 利用地磁场的有效室内定位 |
CN109089221A (zh) * | 2017-06-13 | 2018-12-25 | 霍尼韦尔国际公司 | 用于经由wi-fi指纹和电磁指纹进行室内跟踪的***和方法 |
CN109089221B (zh) * | 2017-06-13 | 2021-12-10 | 霍尼韦尔国际公司 | 用于经由wi-fi指纹和电磁指纹进行室内跟踪的***和方法 |
CN108801275A (zh) * | 2018-06-11 | 2018-11-13 | 杭州晶智能科技有限公司 | 基于无线网络和地磁信号的室内移动机器人指纹地图建立方法 |
CN108801275B (zh) * | 2018-06-11 | 2021-11-16 | 西安天图测绘信息技术有限公司 | 基于无线网络和地磁信号的室内移动机器人指纹地图建立方法 |
CN109115205A (zh) * | 2018-07-20 | 2019-01-01 | 上海工程技术大学 | 一种基于地磁传感器阵列的室内指纹定位方法及*** |
CN110297252A (zh) * | 2019-07-17 | 2019-10-01 | 哈尔滨理工大学 | 一种基于激光传感器阵列的列车前方障碍物检测***及其检测方法 |
Also Published As
Publication number | Publication date |
---|---|
US20150106403A1 (en) | 2015-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104615659A (zh) | 基于传感器测量来生成搜索数据库 | |
EP3213031B1 (en) | Simultaneous localization and mapping by using earth's magnetic fields | |
JP5774690B2 (ja) | 移動局のためのナビゲーション支援情報の取得 | |
Wang et al. | Indoor smartphone localization via fingerprint crowdsourcing: Challenges and approaches | |
CN103827634B (zh) | 用于室内定位的徽标检测 | |
CN106461752B (zh) | 自适应定位 | |
US9078104B2 (en) | Utilizing magnetic field based navigation | |
CN105737833B (zh) | 室内导航方法及装置 | |
EP2844009B1 (en) | Method and system for determining location and position of image matching-based smartphone | |
US20150106373A1 (en) | Generating search database based on earth's magnetic field measurements | |
CN104395697B (zh) | 用于移动设备的协作式导航技术 | |
Subbu et al. | Analysis and status quo of smartphone-based indoor localization systems | |
US20120270573A1 (en) | Positioning system and method for single and multilevel structures | |
US9712964B2 (en) | Maintaining privacy in location-based operations | |
US9087245B2 (en) | Portable terminal and computer program for locating objects with RFID tags based on stored position and direction data | |
US20170055118A1 (en) | Location and activity aware content delivery system | |
US20150153181A1 (en) | System and method for providing indoor navigation services | |
EP2885609A1 (en) | Crowd-sourcing indoor locations | |
Dari et al. | CAPTURE: A Mobile Based Indoor Positioning System using Wireless Indoor Positioning System. | |
WO2019200385A1 (en) | Proximity-based event networking system and wearable augmented reality clothing | |
JP5274192B2 (ja) | 位置推定システム、位置推定サーバおよび位置推定方法 | |
CN103363990A (zh) | 信息处理装置、信息处理方法和程序 | |
US20200372450A1 (en) | Determining rfid tag orientation for virtual shielding | |
Jain et al. | A study on Indoor navigation techniques using smartphones | |
Hoffmann et al. | Indoor navigation using virtual anchor points |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150513 |