CN113188546B - 基于图像识别与人行航位推算的室内定位导航方法 - Google Patents

基于图像识别与人行航位推算的室内定位导航方法 Download PDF

Info

Publication number
CN113188546B
CN113188546B CN202110482934.3A CN202110482934A CN113188546B CN 113188546 B CN113188546 B CN 113188546B CN 202110482934 A CN202110482934 A CN 202110482934A CN 113188546 B CN113188546 B CN 113188546B
Authority
CN
China
Prior art keywords
positioning
dead reckoning
matching
navigation
image
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
CN202110482934.3A
Other languages
English (en)
Other versions
CN113188546A (zh
Inventor
熊运余
何梦园
陈果
戚鑫
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.)
Chengdu Weibo Technology Co ltd
Sichuan University
Original Assignee
Chengdu Weibo Technology Co ltd
Sichuan University
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 Chengdu Weibo Technology Co ltd, Sichuan University filed Critical Chengdu Weibo Technology Co ltd
Priority to CN202110482934.3A priority Critical patent/CN113188546B/zh
Publication of CN113188546A publication Critical patent/CN113188546A/zh
Application granted granted Critical
Publication of CN113188546B publication Critical patent/CN113188546B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • 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
    • G01C21/10—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
    • G06K7/1417—2D bar codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Electromagnetism (AREA)
  • General Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Navigation (AREA)

Abstract

本发明公开了基于图像识别与人行航位推算的室内定位导航方法，属于终端定位技术领域。本发明的方法包括如下步骤：步骤1：通过摄像设备获取特殊位置的场景图片，并通过场景图片的特殊标识图像匹配解析所在位置，获得初始定位；步骤2：基于步骤1的初始定位，通过人行航位推算获取定位设备的实时定位，并根据路网通过路径规划获得导航线；步骤3：根据实时定位和导航线实施路径匹配从而实现定位导航。本发明由于无其他硬件设备，极大降低硬件成本、安装部署成本与维护成本，并且规避因传感器信号不稳定造成的定位不稳定以及定位误差。

Description

基于图像识别与人行航位推算的室内定位导航方法
技术领域
本发明属于终端定位技术领域，具体涉及基于图像识别与人行航位推算的室内定位导航方法。
背景技术
当前在室内GPS无法准确定位，误差几十米与几百米不等，大部分室内定位的方法为依靠传感器例如蓝牙、Wi-Fi、UWB、红外线和可见光等进行室内定位，当前多数厂商会选择使用蓝牙与Wi-Fi进行定位，一般选择指纹定位的方式，这两种方式虽然在成本与准确度之间较其他定位方式取得较好平衡，但是还是有一定成本，特别是安装部署硬件成本与硬件维护成本，例如蓝牙定位的蓝牙标签成本，部署成本，指纹采集成本以及维护成本。且上述两种定位方式的定位稳定性无法保证，因为信号源无法保持稳定。为降低成本与提高稳定准确性为此提出一种基于图像识别特殊标识与人行航位推算的室内定位导航方法。
发明内容
为解决上述技术问题，本发明提供了基于图像识别与人行航位推算的室内定位导航方法。
本发明的技术方案是：基于图像识别与人行航位推算的室内定位导航方法，包括以下步骤：
步骤1：通过摄像设备获取场景图片，并通过场景图片的特殊标识图像匹配解析所在位置，获得定位设备的初始定位；
步骤2：基于步骤1的初始定位，通过人行航位推算获取定位设备的实时定位，并根据路网通过路径规划获得导航线；
步骤3：根据实时定位和导航线实施路径匹配从而实现定位导航。
步骤21：将实时定位与导航线结合匹配进行弯道定位纠正，所述弯道定位纠正具体为将实时定位垂直投影到导航线；
步骤22：当定位设备在弯道范围10米内发生变化时，即当定位设备方向与当前导航线方向之差超过45度时且与下一段路方向之差小于15度，当持续超过3次，虽然该投影点的路段未发生变化，但判断此时定位设备方向与下一段导航线方向相同，定位设备已经经过弯道；
步骤23：将定位点重设到下一段路的起点，即两条线的交点处，下次定位以此点作为初始位置。
进一步，所述特殊标识包括二维码、楼梯、电梯、车位或大楼门口。
进一步，所述步骤1的通过场景图片的特殊标识图像匹配解析所在位置，包括以下步骤：
步骤11：若解析的特殊标识为二维码，则直接获得经纬度以及楼层信息；
步骤12：若解析的特殊标识为二维码、楼梯、电梯、车位或大楼门口，则通过图像分类技术和图像匹配技术获得当前位置。
进一步，所述图像分类技术具体为：收集大量室内特定标识的场景图片，包括楼梯、电梯、车位或大楼门口，将其按类标注，进行深度学习训练，获得分类模型，以此模型识别具体场景；
所述图像匹配技术具体为：获取楼梯、电梯、车位或大楼门口的场景特征，即获取图片特征点，并使用SIFT方法进行特征匹配；
当图像识别或分类错误时，允许用户通过OCR算法识别该处张贴的门牌号或车位号字符，并与位置数据库中编码匹配获取精确位置，并将此次识别错误的场景上传进行下一次增量学习训练。
进一步，其特征在于：在使用人行航位推算方法计算实时定位，为减少其累积误差，使用弯道纠正方法，具体的是：每进行一次步骤21中所述的弯道定位纠正，记录该次纠正的时间、该段路开始时间和该段路的距离，从而获得该段路的平均速度v1，并以该平均速度v1作为下一段路的参考速度进行纠正；
以每5秒进行一次人行航位推算均速计算获得v2，若v2与v1差距绝对值过大，超过限定值a，则进行人行航位推算获得的步长进行相应调整。
进一步，所述调整的方法具体为：将步长根据v1和v2差值b进行调整，若b为正值，步长进行相应的增加，反之则减少，增加与减少的数值为b/2。
进一步，a值范围为0.2-0.5m/s。
由于采用了上述技术方案，本发明的有益效果是：由于无其他硬件设备，极大降低硬件成本，安装部署成本与维护成本；规避因传感器信号不稳定造成的定位不稳定以及定位误差。
附图说明
图1为本发明的室内定位导航方法的流程图；
图2为本发明的总体结构示意图；
图3为本发明的实施例1的弯道定位纠正示意图；
图4为本发明的人行航位推算位置的示意图。
具体实施方式
为了本技术领域的人员更好的理解本发明，下面结合附图和以下实施例对本发明作进一步详细描述。
参见图1和图2，本实施例提供了基于图像识别与人行航位推算的室内定位导航方法，包括以下步骤：
步骤1：通过摄像设备获取场景图片，并通过场景图片的特殊标识图像匹配解析所在位置，获得定位设备的初始定位；
步骤2：基于步骤1的初始定位，通过人行航位推算获取定位设备的实时定位，并根据路网通过路径规划获得导航线；
步骤3：根据实时定位和导航线实施路径匹配从而实现定位导航。
需要说明的是，这里的定位设备是需要进行定位的装置；特别的，场景图片基于移动设备获得，通过摄像头获取流媒体信息，并截取流媒体中图片。
作为优选的是，上述步骤1中的特殊标识包括但不限于二维码、楼梯、电梯、车位或大楼门口。
进一步，步骤1中的通过场景图片的特殊标识图像匹配解析所在位置，具体包括以下步骤：
步骤11：若解析的特殊标识为二维码，则直接获得经纬度以及楼层信息；
步骤12：若解析的特殊标识为特定自然场景，需要说明的是，这里的特定自然场景指的是楼梯、电梯、车位或大楼门口，则通过图像分类计数和图像匹配技术获得当前位置。
需要说明的是，本实施例所应用的图像匹配技术使用的是图像分类技术和图像匹配，其中，图像分类技术具体为：收集大量室内特殊标识的场景图片，包括楼梯、电梯、车位或大楼门口，将其按类标注，进行深度学习训练，获得分类模型，以此模型识别具体场景；
图像匹配技术具体为：获取楼梯、电梯、车位或大楼门口的场景特征，即获取图片特征点，并使用SIFT方法进行特征匹配；
当图像识别匹配或分类错误时，允许用户通过OCR算法识别该处张贴的门牌号或车位号字符，并与位置数据库中编码匹配获取精确位置，并将此次识别错误的场景上传进行下一次增量学习训练。
进一步，步骤2的人行航位推算具体为：根据用户持有的移动设备传感器推算出步长与移动设备方向，根据步长与移动设备方向并基于获取的初始位置(x1,y1)，进行位置推算，获得相对于初始位置的相对定位，以此作为实时定位。
作为优选的是，参见图4，本实施例的移动设备传感器可以是陀螺仪，根据陀螺仪的三轴加速度可以获得实时合加速度，对实时合加速度数据进行滤波处理，获得关于实时合加速度变化的余弦图，以此获取基于波峰的频率，根据频率步长模型，获得实时步长S，此时罗盘方向为θ，此时实时定位为(x2,y2)，根据步长与方向计算得出，计算公式如下：
Figure BDA0003049094130000041
特别的，为解决人行航位推算的累积误差过大问题，参见图3，本实施例的步骤2还包括以下步骤：
步骤21：将实时定位与导航线结合匹配进行弯道定位纠正，所述弯道定位纠正具体为将实时定位垂直投影到导航线；
步骤22：当定位设备在弯道范围10米内发生变化时，即当定位设备方向与当前导航线方向之差超过45度时且与下一段路方向之差小于15度，当持续超过3次，虽该投影点的路段未发生变化，但判断此时定位设备方向与下一段导航线方向相同，定位设备已经经过弯道；
具体的是，假设定位设备此时的位置为P点，P点与路线一角度差超过45°且P点与路线二角度差小于15°，但是根据距离来算的话其应是投影到路线一，当其持续3次后，则定位设备已经经过弯道，参见图3所示的1-3点，其中若有一次不满足，那么计数器清零，那么当该投影点的路段未发生变化，而此时定位设备方向与下一段导航线方向相同时，判断定位设备已经经过弯道；
步骤23：将定位点重设到下一段路的起点，即两条线的交点处，下次定位以此点作为初始位置；
作为优选的，为了防止现场情况变化造成的路线变化从而造成的定位导航错误，允许导航途中进行扫描场景再次定位进行定位纠正，并重新路径规划。
进一步的是，在进行导航时，每进行一次步骤21中的弯道定位纠正，记录该次纠正的时间、该段路开始时间和该段路的距离，获得该段路的平均速度v1，并以该平均速度v1作为下一段路的参考速度进行纠正；
以每5秒进行一次人行航位推算均速计算获得v2，若v2与v1差距绝对值过大，超过限定值a，则进行人行航位推算获得的步长进行相应调整。
进一步，当v2与v1差距绝对值过大，超过限定值a的时候，根据人行航位推算获得的步长进行相应调整，其调整的方法具体为：将步长根据v1和v2差值b进行调整，若b为正值，步长进行相应的增加，反之则减少，增加与减少的数值为b/2。
作为优选的是，a值范围为0.2-0.5m/s，具体的是，也可以根据具体测试情况作出调整。
实施例1
基于上述实施方式，本实施例以二维码标识为例，实施场景为室内停车场，移动设备为智能手机；具体的是，具体场景为通过已知车位进行反向找车。
首先将二维码张贴于每个车位，且将每个车位的位置信息绑定于该二维码中。已知终点车位100号，扫描所处车位003号的二维码，解析得到地理坐标[104.11111,39.11111]与楼层信息-1层，将车位003设为起点，规划从003到100号最短路径，结合室内地图进行路径显示与指引。此时初始位置为车位003号坐标[104.11111,39.11111]，下一时刻根据计算得到步长为0.15米，方向为北向顺时针60度，那么此时的坐标可以根据公式：
Figure BDA0003049094130000061
可得坐标为[104.11111301125186,39.11111134898051]，此时导航线第一段为一条方向为北向顺时针50度的直线，定位在该处的垂直投影计算得到
[104.11111262263847,39.11111170753404]，那么根据该定位点更新导航。以此类推，持续更新定位，直到定位点处于弯道范围内10米时，开始进行方向判断，此时第二段当航线方向为北向顺时针140度，若此时设备方向为北向顺时针100度，此时其与当前投影线的方向相差50度，那么进行第二段导航线的方向比较，此时方向之差为40度，未达到15度，此时不纳入计数，定位点依然投影在第一条导航线上。以此类推，如若一直都无满足条件，那么按照正常的垂直投影；如若，某一时刻满足以上条件，那么计数器加一，此时如果该次的下次条件不满足，那么计数器清零，只有持续满足以上条件时，此时将定位点重设到第二段导航线的开始点。持续进行以上定位与弯道纠正，直到定位投影点距离终点3米之内，结束导航。

Claims (5)

1.基于图像识别与人行航位推算的室内定位导航方法，其特征在于：包括如下步骤：
步骤1：通过摄像设备获取场景图片，并通过场景图片的特殊标识图像匹配解析所在位置，获得定位设备的初始定位，所述特殊标识包括二维码、楼梯、电梯、车位或大楼门口；
步骤2：基于步骤1的初始定位，通过人行航位推算获取定位设备的实时定位，并根据路网通过路径规划获得导航线；
步骤21：将实时定位与导航线结合匹配进行弯道定位纠正，所述弯道定位纠正具体为将实时定位垂直投影到导航线；
步骤22：当定位设备在弯道范围10米内发生变化时，即当定位设备方向与当前导航线方向之差超过45度时且与下一段路方向之差小于15度，当持续超过3次，投影点的路段未发生变化时，判断此时定位设备方向与下一段导航线方向相同，定位设备已经经过弯道；
步骤23：将定位点重设到下一段路的起点，即两条线的交点处，下次定位以此点作为初始位置；
步骤3：根据实时定位和导航线实施路径匹配实现定位导航；
具体地，使用人行航位推算方法计算实时定位，为减少其累积误差，使用弯道纠正方法，具体的是：每进行一次步骤21中所述的弯道定位纠正，记录该次纠正的时间、该段路开始时间和该段路的距离，从而获得该段路的平均速度v1，并以该平均速度v1作为下一段路的参考速度进行纠正；
以每5秒进行一次人行航位推算均速计算获得v2，若v2与v1差值绝对值过大，超过限定值a，对人行航位推算获得的步长进行相应调整。
2.根据权利要求1所述的基于图像识别与人行航位推算的室内定位导航方法，其特征在于：所述步骤1中的通过场景图片的特殊标识图像匹配解析所在位置，包括以下步骤：
步骤11：若解析的特殊标识为二维码，则直接获得经纬度以及楼层信息；
步骤12：若解析的特殊标识为楼梯、电梯、车位或大楼门口，则通过图像分类技术和图像匹配技术获得当前位置。
3.根据权利要求2所述的基于图像识别与人行航位推算的室内定位导航方法，其特征在于：所述图像分类技术具体为：收集大量室内特殊标识的场景图片，包括楼梯、电梯、车位或大楼门口，将其按类标注，进行深度学习训练，获得分类模型，以此模型识别具体场景；
所述图像匹配技术具体为：获取楼梯、电梯、车位或大楼门口的场景特征，即获取图片特征点，并使用SIFT方法进行特征匹配；
当图像识别匹配或图像分类错误时，允许用户通过OCR算法识别该处张贴的门牌号或车位号字符，并与位置数据库中编码匹配获取精确位置，并将此次识别错误的场景上传进行下一次增量学习训练。
4.根据权利要求1所述的基于图像识别与人行航位推算的室内定位导航方法，其特征在于：所述调整的方法具体为：将步长根据v1和v2差值b进行调整，若b为正值，步长进行相应的增加，反之则减少，增加与减少的数值为b/2。
5.根据权利要求1所述的基于图像识别与人行航位推算的室内定位导航方法，其特征在于：a值的范围为0.2-0.5m/s。
CN202110482934.3A 2021-04-30 2021-04-30 基于图像识别与人行航位推算的室内定位导航方法 Active CN113188546B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110482934.3A CN113188546B (zh) 2021-04-30 2021-04-30 基于图像识别与人行航位推算的室内定位导航方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110482934.3A CN113188546B (zh) 2021-04-30 2021-04-30 基于图像识别与人行航位推算的室内定位导航方法

Publications (2)

Publication Number Publication Date
CN113188546A CN113188546A (zh) 2021-07-30
CN113188546B true CN113188546B (zh) 2022-09-06

Family

ID=76983608

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110482934.3A Active CN113188546B (zh) 2021-04-30 2021-04-30 基于图像识别与人行航位推算的室内定位导航方法

Country Status (1)

Country Link
CN (1) CN113188546B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI823292B (zh) * 2022-03-15 2023-11-21 財團法人亞洲大學 室內語音導航系統及室內語音導航方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103116174A (zh) * 2012-02-15 2013-05-22 金三立视频科技（深圳）有限公司 基于预测编码修正模式的gps地图定位应用算法
WO2015014018A1 (zh) * 2013-08-01 2015-02-05 Mao Weiqing 移动终端基于图像识别技术的室内定位与导航方法

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3468428B2 (ja) * 1993-03-24 2003-11-17 富士重工業株式会社 車輌用距離検出装置
US9175963B2 (en) * 2013-01-10 2015-11-03 MCube Inc. Dead reckoning based initialization of position and heading using discrete position indicators
CN104807466B (zh) * 2014-01-24 2017-10-10 腾讯科技（深圳）有限公司 地图信息显示方法及装置
WO2017057832A1 (ko) * 2015-10-01 2017-04-06 에스케이플래닛 주식회사 사용자 장치, 비콘, 서비스 제공 장치, 그를 포함하는 결제 시스템, 그의 제어 방법 및 컴퓨터 프로그램이 기록된 기록매체
CN105841708A (zh) * 2016-03-16 2016-08-10 佛山科学技术学院 一种基于路径追踪的车载导航定位轨迹匹配方法
CN105931526B (zh) * 2016-07-13 2019-01-18 四川大学 一种基于真实ads-b的空中交通管制模拟训练***
CN106840162A (zh) * 2016-12-26 2017-06-13 上海雅丰信息科技有限公司 基于惯导的室内路径匹配方法
GB201707787D0 (en) * 2017-05-15 2017-06-28 Sensewhere Ltd Method of mapping indoor region
CN109959376B (zh) * 2017-12-14 2021-11-16 腾讯科技（北京）有限公司 轨迹纠正方法、涉及室内路线的导航路线绘制方法和装置
CN108955682A (zh) * 2018-04-03 2018-12-07 哈尔滨工业大学深圳研究生院 手机室内定位导航方法
CN108692728A (zh) * 2018-04-26 2018-10-23 哈尔滨工业大学深圳研究生院 基于cad建筑图和计算机视觉识别的室内导航方法及***
US11481999B2 (en) * 2018-11-13 2022-10-25 Kabushiki Kaisha Toshiba Maintenance work support system and maintenance work support method
CN111627224A (zh) * 2019-02-28 2020-09-04 杭州海康威视数字技术股份有限公司 车辆速度异常检测方法、装置、设备及存储介质
CN109708647A (zh) * 2019-03-08 2019-05-03 哈尔滨工程大学 一种基于融合特征元素的室内拓扑地图行人定位方法
US10422854B1 (en) * 2019-05-01 2019-09-24 Mapsted Corp. Neural network training for mobile device RSS fingerprint-based indoor navigation
US10716089B1 (en) * 2019-06-03 2020-07-14 Mapsted Corp. Deployment of trained neural network based RSS fingerprint dataset
US11279361B2 (en) * 2019-07-03 2022-03-22 Toyota Motor Engineering & Manufacturing North America, Inc. Efficiency improvement for machine learning of vehicle control using traffic state estimation
CN110428467B (zh) * 2019-07-30 2020-05-19 四川大学 一种相机、imu和激光雷达联合的机器人定位方法
CN110645980B (zh) * 2019-09-27 2021-04-30 成都市灵奇空间软件有限公司 一种室内外一体化定位导航方法及其***
CN111811542B (zh) * 2020-08-07 2021-08-06 中国矿业大学(北京) 一种基于轨迹数据的寻路性能分布计算方法及***
CN112254722B (zh) * 2020-12-21 2021-05-11 之江实验室 一种基于qr码和惯性导航融合的车辆定位方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103116174A (zh) * 2012-02-15 2013-05-22 金三立视频科技（深圳）有限公司 基于预测编码修正模式的gps地图定位应用算法
WO2015014018A1 (zh) * 2013-08-01 2015-02-05 Mao Weiqing 移动终端基于图像识别技术的室内定位与导航方法

Also Published As

Publication number Publication date
CN113188546A (zh) 2021-07-30

Similar Documents

Publication Publication Date Title
US10165422B2 (en) Scalable indoor navigation and positioning systems and methods
CN107145578B (zh) 地图构建方法、装置、设备和***
CN107967473B (zh) 基于图文识别和语义的机器人自主定位和导航
US9961508B1 (en) Systems and methods for determining indoor location and floor of a mobile device
EP3825807A1 (en) Method, device and assembly for map generation
EP2458336B1 (en) Method and system for reporting errors in a geographic database
CN109470238B (zh) 一种定位方法、装置和移动终端
CN111912416B (zh) 用于设备定位的方法、装置及设备
US20160223340A1 (en) Last-Mile Navigation Using Smartphones
CN111174781B (zh) 一种基于可穿戴设备联合目标检测的惯导定位方法
CN111006655A (zh) 机场巡检机器人多场景自主导航定位方法
CN105241445A (zh) 一种基于智能移动终端的室内导航数据获取方法及***
CN109164411A (zh) 一种基于多数据融合的人员定位方法
CN114119886A (zh) 高精地图点云重建方法、装置、车辆、设备和存储介质
CN113188546B (zh) 基于图像识别与人行航位推算的室内定位导航方法
Gu et al. Integration of positioning and activity context information for lifelog in urban city area
CN113358117B (zh) 一种利用地图的视觉惯性室内定位方法
CN112550377A (zh) 基于视频识别和imu设备的轨道交通应急定位方法和***
CN109031263B (zh) 一种基于移动群智感知数据的室内指纹地图构建方法
CN114674317A (zh) 基于活动识别和融合滤波的自校正航位推算***及方法
KR102269074B1 (ko) 실내 위치 결정 방법 및 장치
Gong et al. Building smart and accessible transportation hubs with internet of things, big data analytics, and affective computing
CN117830879B (zh) 面向室内的分布式无人机集群定位与建图的方法
CN113840228B (zh) 一种基于定位匹配的行人室内定位方法
KR102356162B1 (ko) 특정구역의 수집 정보에 대한 레이어 자동변환 기능의 모바일 매핑 시스템

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