CN112987064B - 建筑物定位方法、装置、设备、存储介质和终端设备 - Google Patents

建筑物定位方法、装置、设备、存储介质和终端设备 Download PDF

Info

Publication number
CN112987064B
CN112987064B CN202110179433.8A CN202110179433A CN112987064B CN 112987064 B CN112987064 B CN 112987064B CN 202110179433 A CN202110179433 A CN 202110179433A CN 112987064 B CN112987064 B CN 112987064B
Authority
CN
China
Prior art keywords
data
building
triple
training
positioning
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
Application number
CN202110179433.8A
Other languages
English (en)
Other versions
CN112987064A (zh
Inventor
王智
刘敏
贾海禄
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co 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
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110179433.8A priority Critical patent/CN112987064B/zh
Publication of CN112987064A publication Critical patent/CN112987064A/zh
Priority to JP2021136219A priority patent/JP7214803B2/ja
Priority to US17/494,497 priority patent/US20220027705A1/en
Application granted granted Critical
Publication of CN112987064B publication Critical patent/CN112987064B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01S19/46—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being of a radio-wave signal type
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
    • 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
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本申请公开了一种建筑物定位方法、装置、设备及存储介质，涉及人工智能、计算机视觉域以及智能交通技术领域。该方法包括：获取建筑物指纹库，所述建筑物指纹库包括多组三元组数据与对应的多个建筑物信息，其中单组三元组数据包括测绘数据、GPS数据和Wi‑Fi数据；接收定位请求，所述定位请求中包括第一三元组数据，所述第一三元组数据包括第一测绘数据、第一GPS数据和第一Wi‑Fi数据；计算所述第一三元组数据分别与所述建筑物指纹库中的多组三元组数据的相似度；根据计算得到的相似度确定所述定位请求对应的建筑物信息。本申请实施例能够准确定位用户所在建筑物。

Description

建筑物定位方法、装置、设备、存储介质和终端设备
技术领域
本申请涉及人工智能技术领域、计算机视觉技术领域和智能交通技术领域，具体涉及一种建筑物定位方法、装置、设备、存储介质、计算机程序产品和终端设备。
背景技术
目前，随着移动互联网技术的快速发展，对用户位置的定位技术在多种场景及应用中起到关键作用。当用户身处室外，电子设备可依赖卫星获取较高精度的定位；而当用户身处室内，民用设备几乎无法获取卫星数据，因此无法直接利用卫星数据实现定位。而众多应用程序app的运行需根据用户身处的建筑物信息，以便启动对应功能，提供更好的服务。因此，当用户身处室内时，需依赖辅助信息进行定位，尽可能正确的推断用户所处建筑物。对此，目前主流的解决方案大致有两种，第一种是利用全球定位***(Global PositioningSystem，GPS)与Wi-Fi(无线通信技术中的“行动热点”)的共现关系构建Wi-Fi指纹，然后通过Wi-Fi指纹进行定位；第二种是根据GPS与Wi-Fi的共现关系，Wi-Fi间的共现关系及Wi-Fi的服务集标识符(Service Set Identifier，SSID)与兴趣点(Point of Interest，POI)名称的对应关系，离线推断各Wi-Fi的位置，当发起定位请求时，结合设备发起请求时的Wi-Fi信息及离线推断的各Wi-Fi位置推算用户所处建筑。但是，第一种方案中无法有效地在室内构建指纹，第二种方案中在建筑物距离较近的情况下难以准确推断Wi-Fi所处的真实位置，而基于低准确度的Wi-Fi难以推断用户的准确位置。
发明内容
本申请提供一种建筑物定位方法、装置、设备、存储介质、计算机程序产品和终端设备，用于解决以上至少一个问题。
根据本申请的第一方面，提供了一种建筑物定位方法，包括：
获取建筑物指纹库，建筑物指纹库包括多组三元组数据与对应的多个建筑物信息，其中单组三元组数据包括测绘数据、GPS数据和Wi-Fi数据；
接收定位请求，定位请求中包括第一三元组数据，第一三元组数据包括第一测绘数据、第一GPS数据和第一Wi-Fi数据；
计算第一三元组数据分别与建筑物指纹库中的多组三元组数据的相似度；
根据计算得到的相似度确定定位请求对应的建筑物信息；
其中，建筑物指纹库的构建过程包括：
采集多组三元组数据，并标注各组三元组数据对应的建筑物信息，将标注后的多组三元组数据作为训练数据训练神经网络，训练完成后得到建筑物定位模型；
将多组待定位的三元组数据输入建筑物定位模型进行定位，得到多个建筑物信息；
基于标注后的多组三元组数据以及经过建筑物定位模型定位的多组三元组数据，构建建筑物指纹库。
根据本申请的第二方面，提供了一种建筑物定位装置，包括：
获取模块，用于获取建筑物指纹库，建筑物指纹库包括多组三元组数据与对应的多个建筑物信息，其中单组三元组数据包括测绘数据、GPS数据和Wi-Fi数据；
接收模块，用于接收定位请求，定位请求中包括第一三元组数据，第一三元组数据包括第一测绘数据、第一GPS数据和第一Wi-Fi数据；
计算模块，用于计算第一三元组数据分别与建筑物指纹库中的多组三元组数据的相似度；
确定模块，用于根据计算得到的相似度确定定位请求对应的建筑物信息；
其中，用于构建建筑物指纹库的构建装置包括：
训练组件，用于采集多组三元组数据，并标注各组三元组数据对应的建筑物信息，将标注后的多组三元组数据作为训练数据训练神经网络，训练完成后得到建筑物定位模型；
输入组件，用于将多组待定位的三元组数据输入建筑物定位模型进行定位，得到多个建筑物信息；
构建组件，用于基于标注后的多组三元组数据以及经过建筑物定位模型定位的多组三元组数据，构建建筑物指纹库。
根据本申请的第三方面，提供了一种电子设备，包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如上所述的方法。
根据本申请的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如上的方法。
根据本申请的第五方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如上所述的方法。
根据本申请的第六方面，提供了一种终端设备，包括：处理器和存储器，存储器用于存储计算机程序，处理器调用并运行存储器中存储的计算机程序，执行如上所述的方法。
本申请实施例可先基于深度学习构建各建筑物的室内指纹库，通过将待定位的数据与建筑物指纹库内的数据进行相似度匹配，可得到对应的建筑物信息，本申请实施例利用空间及多Wi-Fi信息的共现关系推断指纹位置，可以更为准确地预测用户所处的真实建筑，避免仅基于Wi-Fi数据导致推断不准的问题，并且本申请实施例是利用训练的模型预测大量待定位指纹数据对应的建筑物，可获得大量建筑物指纹库数据，构建的指纹库数据量越大，根据相似度匹配得到的定位结果准确度越高。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请一个实施例的建筑物定位方法的流程框图；
图2是本申请另一实施例的建筑物定位方法的流程示意图；
图3是利用本申请实施例进行建筑物定位的效果示意图；
图4是本申请实施例的建筑物定位装置的结构框图；
图5是实现本申请实施例的建筑物定位方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1示出了本申请实施例提供的一种建筑物定位方法的流程框图，该方法包括：
S101，获取建筑物指纹库，建筑物指纹库包括多组三元组数据与对应的多个建筑物信息，其中单组三元组数据包括测绘数据、GPS数据和Wi-Fi数据；
S102，接收定位请求，定位请求中包括第一三元组数据，第一三元组数据包括第一测绘数据、第一GPS数据和第一Wi-Fi数据；
S103，计算第一三元组数据分别与建筑物指纹库中的多组三元组数据的相似度；
S104，根据计算得到的相似度确定定位请求对应的建筑物信息；
其中，建筑物指纹库的构建过程包括：采集多组三元组数据并标注各组三元组数据对应的建筑物信息，将标注后的多组三元组数据作为训练数据训练神经网络，训练完成后得到建筑物定位模型；将多组待定位的三元组数据输入建筑物定位模型进行定位，得到多个建筑物信息；基于标注后的多组三元组数据以及经过建筑物定位模型定位的多组三元组数据，构建建筑物指纹库。
根据本申请的实施例，可先基于深度学习构建各建筑物的室内指纹库，接收到定位请求后，将定位请求中携带的数据与建筑物指纹库内的数据进行相似度匹配计算，从而得出用户所处建筑物。本申请实施例利用空间及多Wi-Fi信息的共现关系推断指纹位置，可以更为准确地预测用户所处的真实建筑，避免仅基于Wi-Fi数据导致推断不准的问题，并且，本申请实施例可利用训练的模型预测大量待定位指纹数据对应的建筑物，从而获得大量建筑物指纹库数据，构建的指纹库数据量越大，根据相似度匹配得到的结果准确度越高。
根据本申请的实施例，可选地，将标注后的多组三元组数据作为训练数据训练神经网络，训练完成后得到建筑物定位模型，包括：将采集的三元组数据输入第一神经网络，得到第一神经网络输出的至少一个坐标数据，根据至少一个坐标数据确定一个建筑物，将确定的建筑物与标注的建筑物之间的差距作为损失，对第一神经网络进行参数调优，达到训练停止条件后结束训练，得到建筑物定位模型；其中，采集的三元组数据包括采集的测绘数据、采集的GPS数据和采集的Wi-Fi数据，单组三元组数据中的测绘数据、GPS数据和Wi-Fi数据对应同一采集位置和同一采集时刻。
本申请的实施例将在同一位置和同一时刻采集到的GPS、Wi-Fi及地图测绘数据作为一个三元组数据，通过采集大量三元组数据并标注对应建筑物，来构建用于训练神经网络的训练数据(也可作为建筑物指纹库的数据)，利用高质量的训练数据对神经网络进行训练，从而得到所需的建筑物定位模型。
根据本申请的实施例，可选地，将采集的三元组数据输入第一神经网络包括：基于采集的测绘数据、采集的GPS数据和采集的Wi-Fi数据分别生成二维矩阵，将生成的三个二维矩阵作为三通道数据输入第一神经网络。
本申请的实施例以三个二维矩阵作为一组三通道数据输入神经网络进行训练，融合GPS、Wi-Fi及地图测绘数据的信息，能够更为准确地定位采集点位置，提高训练后生成的模型的预测准确度和精度。
根据本申请的实施例，可选地，根据至少一个坐标数据确定一个建筑物，包括以下至少一种情况：
①根据至少一个坐标数据确定第一位置点，确定的建筑物为第一位置点所在的建筑物。
②根据至少一个坐标数据确定多个位置点，确定的建筑物为多个位置点构成的包围框所包围的建筑物。
根据神经网络输出的坐标可对应到具体的建筑物，达到根据三元组数据确定建筑物的目的。
根据本申请的实施例，可选地，测绘数据包括以下至少一项数据：建筑物的楼块形状、建筑物的楼层高度，建筑物对应的兴趣点POI信息。
例如，建筑物的楼块形状可为例如俯视时的楼块形状(如矩形、椭圆形、不规则图形等)；建筑物的楼层高度可为用户所处的楼层高度；建筑物对应的兴趣点POI信息可为建筑物已有的POI信息。地图测绘数据可从外部获取，例如可从某些电子地图数据中获取，也可从专门的地图测绘数据库中获取，利用测绘数据、GPS信息及Wi-Fi信息共同推断指纹位置，可以更准确地预测用户所处的真实建筑，提高定位的精度。
利用本申请的上述至少一个实施例，通过利用GPS信息、Wi-Fi数据及地图测绘数据，并结合目标检测的相关算法来解决建筑物推断的问题，达到提高用户所处建筑物的判断准确率的目的。
以上描述了本申请实施例的建筑物定位方法的实施方式以及取得的优势。以下通过具体的例子详细描述本申请实施例的具体处理过程。
在本申请的一种实施方式中，首先构建各建筑物的室内指纹库，然后将用户定位请求在各建筑物指纹库内进行对比，从而推断用户所处的真实建筑。其中，可通过如下处理构建各建筑物的室内指纹库：
(1)利用地图测绘数据(如楼块形状、高度和/或POI信息等)和GPS采集点数据、Wi-Fi采集点数据，将每一条用户指纹生成一组多个二维矩阵，其中每一条用户指纹对应某一时刻扫描到的Wi-Fi信息。
(2)利用AP-POI(无线接入点-兴趣点)及采集的真实数据构建真值，训练目标检测模型(也就是建筑物定位模型)，其中AP-POI数据是通过数据挖掘得到的有真实位置的指纹数据。
(3)利用训练好的模型，预测新的用户指纹对应的建筑物。
参考图2，在本申请的另一种实施方式中，以手机用户的建筑物定位为例，一条指纹中包含手机客户端在某一时刻扫到的所有Wi-Fi的信息，为确认该条指纹所处的真实建筑，进行以下处理。
(一)离线挖掘：挖掘一批指纹所处的建筑物，构建建筑物指纹库；
(二)在线定位：根据用户发起定位时刻的指纹，在构建的建筑物指纹库中找到相近的指纹，并根据相近指纹的建筑物信息推断用户当前指纹位置，即用户所处的建筑物。
进一步地，对于(一)离线挖掘阶段，通过深度学习，利用目标检测模型进行离线挖掘时指纹所处建筑物的推断，基于此构建建筑物指纹库，其中，
①模型的输入可以是一组二维矩阵，矩阵的生成结合了地图测绘数据、GPS采集点数据及Wi-Fi采集点数据，参考图2，上述三种数据分别生成一个二维矩阵，作为三通道数据输入神经网络；
②模型的输出可以是在矩阵中的坐标点(对应矩阵中的元素)，通过多个坐标可以确认模型选择的建筑物，例如两个坐标可以得到一个矩形框，框选住一个建筑物，该建筑物即为①中三通道数据对应的建筑物。
本申请实例的模型在训练阶段采用有真值位置的指纹数据，利用训练好的模型可以实现(一)离线挖掘阶段中任务，每一条指纹可构建成一组二维矩阵，对每一组二维矩阵通过模型可确定其所处建筑物，也就是确定每条指纹所处的建筑物，积累一段时间，可通过该模型预测大量指纹数据，构建建筑物指纹库，用于(二)在线定位中的定位任务，对新的指纹可以在指纹库中进行匹配，寻找相似指纹，根据相似度高的指纹确定用户所处建筑物及位置。图3示意性地示出了本申请实施例的建筑物定位的效果示意图，图3为建筑物群的俯视图，其中浅色区域为定位的用户所在建筑物。
以上通过多个实施例从不同角度描述了本申请实施例的具体设置和实现方式。与上述至少一个实施例的处理方法相对应地，本申请实施例还提供一种建筑物定位装置100，参考图4，其包括：
获取模块110，用于获取建筑物指纹库，建筑物指纹库包括多组三元组数据与对应的多个建筑物信息，其中单组三元组数据包括测绘数据、GPS数据和Wi-Fi数据；
接收模块120，用于接收定位请求，定位请求中包括第一三元组数据，第一三元组数据包括第一测绘数据、第一GPS数据和第一Wi-Fi数据；
计算模块130，用于计算第一三元组数据分别与建筑物指纹库中的多组三元组数据的相似度；
确定模块140，用于根据计算得到的相似度确定定位请求对应的建筑物信息；其中，用于构建建筑物指纹库的构建装置包括：
训练组件，用于采集多组三元组数据，并标注各组三元组数据对应的建筑物信息，将标注后的多组三元组数据作为训练数据训练神经网络，训练完成后得到建筑物定位模型；
输入组件，用于将多组待定位的三元组数据输入建筑物定位模型进行定位，得到多个建筑物信息；
构建组件，用于基于标注后的多组三元组数据以及经过建筑物定位模型定位的多组三元组数据，构建建筑物指纹库。
可选地，训练组件用于将采集的三元组数据输入第一神经网络，得到第一神经网络输出的至少一个坐标数据，根据至少一个坐标数据确定一个建筑物，将确定的建筑物与标注的建筑物之间的差距作为损失，对第一神经网络进行参数调优，达到训练停止条件后结束训练，得到建筑物定位模型；其中，采集的三元组数据包括采集的测绘数据、采集的GPS数据和采集的Wi-Fi数据，单组三元组数据中的测绘数据、GPS数据和Wi-Fi数据对应同一采集位置和同一采集时刻。
可选地，输入组件用于基于采集的测绘数据、采集的GPS数据和采集的Wi-Fi数据分别生成二维矩阵，将生成的三个二维矩阵作为三通道数据输入第一神经网络。
可选地，训练组件用于根据至少一个坐标数据确定第一位置点，确定的建筑物为第一位置点所在的建筑物；或者，训练组件用于根据至少一个坐标数据确定多个位置点，确定的建筑物为多个位置点构成的包围框所包围的建筑物。
可选地，测绘数据包括以下至少一项数据：建筑物的楼块形状、建筑物的楼层高度，建筑物对应的兴趣点POI信息。
本申请实施例各装置中的各模块的功能可以参见上述方法实施例中的对应描述的处理，在此不再赘述。
根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本申请实施例的示例电子设备1000的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置或终端设备，诸如，个人数字处理设备、蜂窝电话、蜂窝手机、智能电话、智能手机、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示，该电子设备包括：一个或多个处理器1001、存储器1002，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示图形用户界面(Graphical User Interface，GUI)的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器***)。图5中以一个处理器1001为例。
存储器1002即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的建筑物定位方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的建筑物定位方法。
存储器1002作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的建筑物定位方法对应的程序指令/模块。处理器1001通过运行存储在存储器1002中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的建筑物定位方法。
存储器1002可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需要的应用程序；存储数据区可存储根据搜索结果的分析处理电子设备的使用所创建的数据等。此外，存储器1002可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器1002可选包括相对于处理器1001远程设置的存储器，这些远程存储器可以通过网络连接至搜索结果的分析处理电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例的建筑物定位方法对应的电子设备还可以包括：输入装置1003和输出装置1004。处理器1001、存储器1002、输入装置1003和输出装置1004可以通过总线或者其他方式连接，本申请图5实施例中以通过总线连接为例。
输入装置1003可接收输入的数字或字符信息，以及产生与搜索结果的分析处理电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置1004可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(Liquid Crystal Display，LCD)、发光二极管(Light EmittingDiode，LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用集成电路(Application Specific Integrated Circuits，ASIC)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(programmable logic device，PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(Cathode Ray Tube，阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(Local Area Network，LAN)、广域网(Wide Area Network，WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (12)

1.一种建筑物定位方法，包括：
获取建筑物指纹库，所述建筑物指纹库包括多组三元组数据与对应的多个建筑物信息，其中单组三元组数据包括测绘数据、GPS数据和Wi-Fi数据；其中，所述测绘数据包括以下至少一项数据：建筑物的楼块形状、建筑物的楼层高度，建筑物对应的兴趣点POI信息；
接收定位请求，所述定位请求中包括第一三元组数据，所述第一三元组数据包括第一测绘数据、第一GPS数据和第一Wi-Fi数据；
计算所述第一三元组数据分别与所述建筑物指纹库中的多组三元组数据的相似度；
根据计算得到的相似度确定所述定位请求对应的建筑物信息；
其中，所述建筑物指纹库的构建过程包括：
采集多组三元组数据，并标注各组三元组数据对应的建筑物信息，将标注后的多组三元组数据作为训练数据训练神经网络，训练完成后得到建筑物定位模型；其中，采集的三元组数据包括采集的测绘数据、采集的GPS数据和采集的Wi-Fi数据，单组三元组数据中的测绘数据、GPS数据和Wi-Fi数据对应同一采集位置和同一采集时刻；
将多组待定位的三元组数据输入所述建筑物定位模型进行定位，得到多个建筑物信息；
基于所述标注后的多组三元组数据以及经过所述建筑物定位模型定位的多组三元组数据，构建所述建筑物指纹库。
2.根据权利要求1所述的方法，所述将标注后的多组三元组数据作为训练数据训练神经网络，训练完成后得到建筑物定位模型，包括：
将采集的三元组数据输入第一神经网络，得到第一神经网络输出的至少一个坐标数据，根据所述至少一个坐标数据确定一个建筑物，将确定的建筑物与标注的建筑物之间的差距作为损失，对所述第一神经网络进行参数调优，达到训练停止条件后结束训练，得到建筑物定位模型。
3.根据权利要求2所述的方法，其中，所述将采集的三元组数据输入第一神经网络，包括：
基于所述采集的测绘数据、所述采集的GPS数据和所述采集的Wi-Fi数据分别生成二维矩阵，将生成的三个二维矩阵作为三通道数据输入所述第一神经网络。
4.根据权利要求2所述的方法，其中，所述根据所述至少一个坐标数据确定一个建筑物，包括：
根据所述至少一个坐标数据确定第一位置点，所述确定的建筑物为所述第一位置点所在的建筑物；
或者，
根据所述至少一个坐标数据确定多个位置点，所述确定的建筑物为所述多个位置点构成的包围框所包围的建筑物。
5.一种建筑物定位装置，包括：
获取模块，用于获取建筑物指纹库，所述建筑物指纹库包括多组三元组数据与对应的多个建筑物信息，其中单组三元组数据包括测绘数据、GPS数据和Wi-Fi数据；其中，所述测绘数据包括以下至少一项数据：建筑物的楼块形状、建筑物的楼层高度，建筑物对应的兴趣点POI信息；
接收模块，用于接收定位请求，所述定位请求中包括第一三元组数据，所述第一三元组数据包括第一测绘数据、第一GPS数据和第一Wi-Fi数据；
计算模块，用于计算所述第一三元组数据分别与所述建筑物指纹库中的多组三元组数据的相似度；
确定模块，用于根据计算得到的相似度确定所述定位请求对应的建筑物信息；
其中，用于构建所述建筑物指纹库的构建装置包括：
训练组件，用于采集多组三元组数据，并标注各组三元组数据对应的建筑物信息，将标注后的多组三元组数据作为训练数据训练神经网络，训练完成后得到建筑物定位模型；其中，采集的三元组数据包括采集的测绘数据、采集的GPS数据和采集的Wi-Fi数据，单组三元组数据中的测绘数据、GPS数据和Wi-Fi数据对应同一采集位置和同一采集时刻；
输入组件，用于将多组待定位的三元组数据输入所述建筑物定位模型进行定位，得到多个建筑物信息；
构建组件，用于基于所述标注后的多组三元组数据以及经过所述建筑物定位模型定位的多组三元组数据，构建所述建筑物指纹库。
6.根据权利要求5所述的装置，其中，
所述训练组件用于将采集的三元组数据输入第一神经网络，得到第一神经网络输出的至少一个坐标数据，根据所述至少一个坐标数据确定一个建筑物，将确定的建筑物与标注的建筑物之间的差距作为损失，对所述第一神经网络进行参数调优，达到训练停止条件后结束训练，得到建筑物定位模型。
7.根据权利要求6所述的装置，其中，
所述输入组件用于基于所述采集的测绘数据、所述采集的GPS数据和所述采集的Wi-Fi数据分别生成二维矩阵，将生成的三个二维矩阵作为三通道数据输入所述第一神经网络。
8.根据权利要求6所述的装置，其中，
所述训练组件用于根据所述至少一个坐标数据确定第一位置点，所述确定的建筑物为所述第一位置点所在的建筑物；
或者，
所述训练组件用于根据所述至少一个坐标数据确定多个位置点，所述确定的建筑物为所述多个位置点构成的包围框所包围的建筑物。
9.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-4中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行如权利要求1-4中任一项所述的方法。
11.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如权利要求1-4中任一项所述的方法。
12.一种终端设备，包括：处理器和存储器，存储器用于存储计算机程序，处理器调用并运行存储器中存储的计算机程序，执行如权利要求1-4中任一项所述的方法。
CN202110179433.8A 2021-02-09 2021-02-09 建筑物定位方法、装置、设备、存储介质和终端设备 Active CN112987064B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202110179433.8A CN112987064B (zh) 2021-02-09 2021-02-09 建筑物定位方法、装置、设备、存储介质和终端设备
JP2021136219A JP7214803B2 (ja) 2021-02-09 2021-08-24 建築物の測位方法、装置、電子デバイス、記憶媒体、プログラム、及び端末デバイス
US17/494,497 US20220027705A1 (en) 2021-02-09 2021-10-05 Building positioning method, electronic device, storage medium and terminal device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110179433.8A CN112987064B (zh) 2021-02-09 2021-02-09 建筑物定位方法、装置、设备、存储介质和终端设备

Publications (2)

Publication Number Publication Date
CN112987064A CN112987064A (zh) 2021-06-18
CN112987064B true CN112987064B (zh) 2022-07-15

Family

ID=76393830

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110179433.8A Active CN112987064B (zh) 2021-02-09 2021-02-09 建筑物定位方法、装置、设备、存储介质和终端设备

Country Status (3)

Country Link
US (1) US20220027705A1 (zh)
JP (1) JP7214803B2 (zh)
CN (1) CN112987064B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113538172B (zh) * 2021-07-12 2023-04-18 中建西部建设贵州有限公司 一种智能获取混凝土针状石块含量的方法和装置
CN114339609B (zh) * 2021-12-23 2023-06-13 浙江中控技术股份有限公司 一种人员定位方法及装置
CN116782122A (zh) * 2022-03-11 2023-09-19 华为技术有限公司 定位方法、***及相关装置
CN114863093B (zh) * 2022-05-30 2024-05-31 厦门大学 基于眼动技术的神经网络训练方法及建筑设计方法和***
CN115908117B (zh) * 2022-12-05 2024-04-02 娄底职业技术学院 一种二维建筑模型图像生成方法及***

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9137637B2 (en) * 2013-03-13 2015-09-15 King Abdullah University Of Science And Technology Printed tag real-time tracking
KR102247891B1 (ko) * 2014-04-22 2021-05-04 에스케이플래닛 주식회사 엑세스 포인트의 핑거프린트를 이용한 건물 내의 위치 추천 장치 및 이를 이용한 방법
WO2016033800A1 (en) * 2014-09-05 2016-03-10 Nokia Technologies Oy Positioning based on radio frequency fingerprints
CN104483658B (zh) * 2014-12-30 2016-08-24 杭州云象网络技术有限公司 基于Wi-Fi和地磁场的室内定位方法
JP2017067565A (ja) 2015-09-29 2017-04-06 株式会社Ｎｔｔドコモ 端末装置および測位プログラム
EP4093062A1 (en) 2016-04-15 2022-11-23 Denso Corporation System and method for establishing real-time location
CN108376141B (zh) * 2017-12-27 2020-06-30 ***通信集团福建有限公司 室内指纹库构建方法、装置、设备及存储介质
US11428773B2 (en) 2018-01-17 2022-08-30 Mersive Technologies, Inc. Systems and methods to determine room occupancy
CN108363086A (zh) * 2018-02-26 2018-08-03 成都步速者科技股份有限公司 室内导航方法、装置、服务器及存储介质
CN110472644B (zh) * 2018-05-09 2024-07-12 北京智慧图科技有限责任公司 一种室内外及建筑物的判断方法
CN109451428B (zh) * 2018-12-26 2020-11-13 哈尔滨工业大学 一种基于WiFi聚类的室内高度定位方法
CN109889974B (zh) * 2019-02-01 2021-04-09 湖南格纳微信息科技有限公司 一种室内定位多源信息指纹库的构建与更新方法
CN110231593A (zh) * 2019-04-11 2019-09-13 深圳市城市交通规划设计研究中心有限公司 室内定位方法、装置、计算机可读存储介质及终端设备
CN111741524B (zh) * 2019-06-04 2021-08-31 腾讯科技（深圳）有限公司 定位方法、装置、计算机可读存储介质和计算机设备
CN111757246A (zh) * 2019-07-24 2020-10-09 广东小天才科技有限公司 一种多源融合的WiFi指纹数据库更新方法及电子设备
CN110596739B (zh) * 2019-09-03 2021-12-31 山东科技大学 基于卫星定位和WiFi模块的建筑物识别***及方法
CN111366963A (zh) * 2019-12-17 2020-07-03 广东小天才科技有限公司 一种室内位置数据采集方法及数据采集装置

Also Published As

Publication number Publication date
JP7214803B2 (ja) 2023-01-30
JP2021192041A (ja) 2021-12-16
US20220027705A1 (en) 2022-01-27
CN112987064A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
CN112987064B (zh) 建筑物定位方法、装置、设备、存储介质和终端设备
KR102652742B1 (ko) 업데이트 도로 인식 방법, 장치, 기기 및 컴퓨터 기록 매체
CN110633797B (zh) 网络模型结构的搜索方法、装置以及电子设备
JP2021197154A (ja) 帳票画像認識方法および装置、電子機器、記憶媒体並びにコンピュータプログラム
CN111553844B (zh) 用于更新点云的方法及装置
CN111462029B (zh) 视觉点云与高精地图融合方法、装置和电子设备
CN111784835B (zh) 制图方法、装置、电子设备及可读存储介质
CN111353009B (zh) 建立路线耗时预估模型、预估路线耗时的方法及对应装置
CN110555061A (zh) 轨迹相似度确定方法和装置
CN111695519B (zh) 关键点定位方法、装置、设备以及存储介质
CN110737849B (zh) 出行方案的推荐方法、装置、设备及存储介质
CN111310840A (zh) 数据融合处理方法、装置、设备和存储介质
CN111597287B (zh) 地图生成方法、装置及设备
CN111292549B (zh) 建立路线耗时预估模型的方法、预估路线耗时的方法及对应装置
CN111832648A (zh) 关键点标注方法、装置、电子设备及存储介质
KR20230043754A (ko) 포지셔닝 방법, 장치, 설비, 시스템, 매체 및 자율주행 차량
CN111324746B (zh) 视觉定位方法、装置、电子设备和计算机可读存储介质
CN110705551B (zh) 按键位置的识别方法、装置、电子设备和存储介质
CN113160693A (zh) 一种道路路口的处理方法、装置、设备和存储介质
CN113932796A (zh) 高精地图车道线生成方法、装置和电子设备
JP2021119458A (ja) 障害物速度確定方法、装置、電子機器、記憶媒体およびコンピュータプログラム
CN111461306B (zh) 特征评估的方法及装置
CN111241225B (zh) 常驻区域变更的判断方法、装置、设备及存储介质
CN113015117A (zh) 一种用户定位方法、装置、电子设备和存储介质
CN111966767A (zh) 轨迹热力图生成方法、装置、电子设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant