提取用于装置的定位的特征几何形状制造方法及图纸

本发明专利技术提供用于开发指纹数据库和提取用于确定终端用户装置的地理位置的特征几何形状的系统、设备和方法。装置收集或处理器接收路径网络中的位置的深度图(S101)。识别所述深度图内的物理结构(S103)。在所述物理结构处将所述深度图划分为距所述道路水平某一高程处的水平面(S105)。使用线性回归算法、曲线回归算法或机器学习算法从所述深度图的所述水平面提取二维特征几何形状(S107)。

Extracting the feature geometry for the positioning of the device

The present invention provides a system, a device, and a method for developing a fingerprint database and extracting characteristic geometric shapes for determining the geographic location of a terminal user device. A depth map (S101) for the location of a device collection or processor to receive a path network. The physical structure of the identification of the depth chart (S103). The depth map is divided into a horizontal plane (S105) at a certain elevation of the road level at the physical structure. A linear regression algorithm, a curve regression algorithm, or a machine learning algorithm are used to extract the two-dimensional feature geometry (S107) from the horizontal plane of the depth map.

【技术实现步骤摘要】
【国外来华专利技术】提取用于装置的定位的特征几何形状
以下揭示内容涉及开发指纹数据库和使用多边测量计算确定终端用户装置(例如，车辆、移动电话、智能手表等)的地理位置。
技术介绍
使用全球定位系统(GPS)、局域无线技术(例如，WiFi)和短波长无线电波(例如，蓝牙)的车辆定位可能不精确。在GPS的情况下，多路径致使由车辆接收的信号的定时变化。在WiFi和蓝牙的情况下，信号强度是用于定位的不可靠的手段，这主要是归因于三维(3D)空间中的发射台的位置的遮挡和精确度缺乏。在此些情况下，执行多边测量所依据的参考不足以精确使得产生车道水平(或在某些情况下，道路水平)定位。
技术实现思路
本专利技术提供用于开发指纹数据库和提取用于确定装置的地理位置的特征几何形状的系统、设备和方法。在一个实施例中，所述方法包括接收路径网络中的位置的深度图。所述方法进一步包括使用处理器识别深度图内的物理结构。所述方法进一步包括在物理结构处将深度图划分为距道路水平某一高程处的水平面。所述方法进一步包括使用线性回归算法、曲线回归算法或机器学习算法从水平面提取二维特征几何形状。在另一实施例中，所述方法包括由终端用户装置收集路径网络中的位置处的深度图。所述方法进一步包括使用终端用户装置的处理器识别深度图内的物理结构。所述方法进一步包括在物理结构处将深度图划分为距道路水平某一高程处的水平面。所述方法进一步包括使用线性回归算法、曲线回归算法或机器学习算法从水平面提取二维特征几何形状。在又一实施例中，所述设备包括至少一个处理器和包含一或多个程序的计算机程序代码的至少一个存储器；所述至少一个存储器和所述计算机程序代码经配置以利用所述至少一个处理器致使所述设备至少执行：(1)接收路径网络中的位置的深度图；(2)识别所述深度图内的物理结构；(3)在物理结构处将深度图划分为距道路水平某一高程处的水平面；以及(4)使用线性回归算法、曲线回归算法或机器学习算法从水平面提取二维特征几何形状。附图说明本文中参看以下图式描述示范性实施例。图1说明深度图图像的实例，其具有多个高程处的所提取水平切片和从所述所提取的切片识别的二维图像。图2说明指纹数据库中的经编码指纹的实例。图3说明图2的经编码指纹的线特征几何形状的实例。图4说明图2的经编码指纹的弧特征几何形状的实例。图5说明图2的经编码指纹的样条特征几何形状的实例。图6说明车辆的实例，其中识别和提取车辆周围的特征几何形状以确定车辆的地理位置。图7a和7b说明装置的额外实例，其中识别和提取装置周围的特征几何形状和控制点以确定装置的地理位置。图8说明基于三个控制点的多边测量过程的另一实例。图9说明用于提取用于开发指纹数据库的特征几何形状的实例流程图。图10说明用于使用终端用户装置提取一位置处的特征几何形状的实例流程图。图11为示范性地理和/或导航数据系统的图。图12说明图11的示范性系统中使用的装置的组件的实施例。具体实施方式可经由从表示路径(例如，道路)网络中的真实对象的二维(2D)特征几何形状导出坐标来确定终端用户装置的位置或定位。终端用户装置可指代由消费者操作或使用的装置。如本文所使用，终端用户装置的非限制性实例包含车辆(例如，汽车、卡车、公共汽车、火车、摩托车、小艇、船)，以及便携式电子装置，例如移动电话、具有无线能力的膝上型计算机、视频录制装置、扫描装置、消息接发装置、个人数字助理和可穿戴式计算机(例如，智能手表)。特征几何形状可指代从装置周围的三维结构提取的例如线、弧和样条(例如，B样条)等二维形状。举例来说，2D特征几何形状可从例如建筑物立面、道路标志、polls、植物(例如，树)等三维结构或路径网络中存在的其它非暂时性结构提取。特定路段处的多个特征几何形状可组合在一起以提供从周围区域识别特定路段的一或多个独特指纹。换句话说，可基于装置周围的各种特征的指纹的识别确定装置(例如，车辆)的位置。所述位置可实时确定，其中由装置识别的特征与特征几何形状/指纹的数据库进行比较。所确定的位置的精确度可基于路径网络中装置的位置和定位装置所借助的方法。此定位过程可允许相对于例如GPS、WiFi或蓝牙等常规地理定位技术来说改进的装置的定位。此外，基于特征的视觉定位技术可允许在不存在任何可用常规地理定位技术(例如，GPS)的情况下装置的定位。此外，使用简单2D特征几何形状的基于特征的定位技术可减小与实时确定装置的位置相关联的总体计算成本。此排除需要昂贵的图形处理单元(GPU)来实时处理图像，且允许利用低成本视觉化技术的车辆利用本文中所描述的所提出的基于特征的定位技术。此外，越来越多的车辆正内置有复杂的检视技术且可利用所提出的地理参考过程。如本文所论述，可经由由深度感测装置(例如，高精确度光检测与测距(LIDAR)装置)产生的深度图的集合开发二维特征几何形状的数据库。可从所收集的深度图提取特征几何形状，例如建筑物、交通灯、停止标志、植物(例如，树)和道路性质(例如宽度、车道数目)。所提取的特征可在单独数据库中表示或编码为特定位置的指纹。终端用户装置(例如，车辆)可基于装置自身对特征几何形状的识别和与特征几何形状的指纹数据库的比较确定其位置，其中所述位置基于特征或指纹的匹配来确定。数据的收集在某些实施例中，可经由路径网络的数据的收集和分析开发容纳路径网络的各种特征几何形状的数据库。路径网络可为包括大都市区或城市内的选择数目的路段的道路网络。在一些实施例中，可开发多个大都市区或城市中的多个路段的数据库。如本文所使用，“道路”或“路段”可指代可能够监测或将来可变得能够监测的任何行进车道或路径(例如，高速公路、城市街道、公共汽车路线、火车路线、步行/骑车路径、水路)。在某些实施例中，经由以下各者的收集来开发数据库：(1)关于道路网络内的选定路段的三维数据，和(2)与3D数据相关联的位置数据(例如，GPS数据)。3D数据可为使用3D光学测距系统或基于强度的扫描技术获取的深度图或点云数据。在某些实施例中，深度图或点云数据使用深度感测装置收集。深度感测装置可为任何深度感测立体相机(例如，LIDAR相机)、无线电检测和测距(RADAR)装置、超声装置或结构光相机。深度感测装置可包括经配置以从运动识别三维结构的移动式单相机。LIDAR(也被称作LiDAR、Lidar或其它类似表示)还可被称作三维激光扫描或光学测距系统，其采用一或多个激光或相机来收集表示一区域(例如关于道路或人行道的区域)的数据点。数据获取系统中的LIDAR相机可使用紫外、可见或近红外光来使对象成像，瞄准大范围的材料，例如非金属对象、石头、雨、化学化合物、气雾剂、云乃至单一分子。窄激光束可以高分辨率标测物理特征。软件可基于测得的距离、可在例如汽车等移动平台上的光学测距系统的位置和激光的角度产生深度图或点云。其它光学测距系统包含立体相机、飞行时间红外相机和结构光装置。LIDAR相机收集和聚集点云中的数据点，其中每一数据点对应于本地坐标，例如(x,y,z)，且为开或关。或者，LIDAR数据可为包含预定值范围(例如，0到255、0到65536)中的每一数据点的强度(指示反射性)的灰度点云，所述范围的一端处为黑且另一端处为白。点云可以ASCII或LIDAR交换格式(例如，美国摄影测量和远程感测协会(AS本文档来自技高网...

【技术保护点】
一种方法，其包括：接收路径网络中的位置的深度图；使用处理器识别所述深度图内的物理结构；在所述物理结构处将所述深度图划分为距道路水平某一高程处的水平面；以及使用线性回归算法、曲线回归算法或机器学习算法从所述水平面提取二维特征几何形状。

【技术特征摘要】
【国外来华专利技术】2014.12.26 US 14/583,5231.一种方法，其包括：接收路径网络中的位置的深度图；使用处理器识别所述深度图内的物理结构；在所述物理结构处将所述深度图划分为距道路水平某一高程处的水平面；以及使用线性回归算法、曲线回归算法或机器学习算法从所述水平面提取二维特征几何形状。2.根据权利要求1所述的方法，其进一步包括：将所述所提取的特征几何形状的点地理参考到一地理位置，其中每一点与选自由以下各者组成的群组的位置参考信息匹配：纬度、经度、距所述道路水平的高程、海拔高度及其组合。3.根据权利要求2所述的方法，其进一步包括：在指纹数据库中编码所述所提取的特征几何形状的所述经地理参考点。4.根据权利要求1所述的方法，其中所述二维特征几何形状为线或连接线的集合，且所述提取使用所述线性回归算法。5.根据权利要求4所述的方法，其进一步包括：将所述线或所述连接线的集合的点地理参考到一地理位置，其中每一点与纬度、经度、距所述道路水平的高程和海拔高度的位置参考信息匹配。6.根据权利要求1所述的方法，其中所述二维特征几何形状为弧，且所述提取使用所述曲线回归算法。7.根据权利要求6所述的方法，其进一步包括：将所述弧的半径和沿着所述弧的点地理参考到一地理位置，其中每一点与纬度、经度、距所述道路水平的高程和海拔高度的位置参考信息匹配。8.根据权利要求1所述的方法，其中所述二维特征几何形状为样条，且所述提取使用所述曲线回归算法。9.根据权利要求8所述的方法，其进一步包括∶将所述样条的结点和沿着所述样条的点地理参考到一地理位置，其中每一点与纬度、经度、距所述道路水平的高程和海拔高度的位置参考信息匹配。10.一种方法，其包括：由终端用户装置收集路径网络中的一位置处的深度图；使用所述终端用户装置的处理器识别所述深度图内的物理结构；在所述物理结构处将所述深度图划分为距道路水平某一高程处的水平面；以及使用线性回归算法、曲线回归算法或机器学习算法从所述水平面提取二维特征几何形状。11.根据权利要求10所述的方法，其进一步包括：将所述所提取的特征几何形状发射到外部处理器；以及经由所述特征几何形状和所述路径网络的特征几何形状的数据库的比较从所...

【专利技术属性】
技术研发人员：里奥·莫迪卡，利昂·斯特内思，
申请(专利权)人：赫尔环球有限公司，
类型：发明
国别省市：荷兰,NL