一种室内导航地标提取方法技术

本发明专利技术提供了一种室内导航地标提取方法。首先，从室内场景图片中采集地标的显著性属性数据，得到地标显著性属性测量值；并对所述地标显著性属性测量值进行标准化处理，得到最终的地标显著性属性数据；同时通过问卷调查的方式得到地标显著性值；然后采用五折交叉验证方法将最终的地标显著性属性数据和地标显著性值划分为训练集、验证集和测试集，根据训练集、验证集和测试集，利用遗传规划算法，得到最终的地标显著性模型。最后利用该最终的地标显著性模型计算各个地标的显著性值，并提取出显著性值最高的地标。本发明专利技术的有益效果是：较为准确的表示地标显著性属性数据和地标显著性之间的定量关系，提高了最显著地标的预测正确率，具有实用性。

An indoor navigation landmark extraction method

【技术实现步骤摘要】
一种室内导航地标提取方法
本专利技术涉及室内位置及导航服务领域，尤其涉及一种室内导航地标提取方法。
技术介绍
地标是人们对现实和虚拟室内外环境认知地图上显著的实体，它们在行人认知陌生环境，特别是在寻路方面至关重要。与传统的基于距离和方位的导航指令相比，特别是在复杂的室内外环境中，基于地标的寻路方法被普遍认为可以有效增加行人信心，减少其在导航过程中的焦虑，帮助行人顺利到达目的地。因此，近年来出现了多种基于地标的寻路方法。基于地标的导航方法面临的挑战是如何选择正确的地标。例如，在一个决策点可能有多个候选地标。把最显著的实体对象作为地标，如果在导航指令中使用这些地标会减少行人理解上的困难，辅助用户成功到达目的地。目前地标显著性大都是基于线性模型和预定义属性权重计算得到的，例如视觉显著性(表面面积、形状、颜色和纹理)、语义显著性(社会文化)和结构显著性(节点、边界和区域)。然而，这些线性模型可能会影响定量表示地标属性与其显著性之间关系的准确性。现有的地标提取模型是都是线性的，通常使用的线性模型来测量地标显著性并不能准确地表示地标的属性和显著性之间的定量关系。
技术实现思路
为了解决上述问题，本专利技术提供了一种室内导航地标提取方法，一种室内导航地标提取方法，主要包括以下步骤：S1：从室内场景图片中采集地标的显著性属性数据，得到地标显著性属性测量值；并利用最大最小归一化函数对所述地标显著性属性测量值进行标准化处理，得到最终的地标显著性属性数据；所述地标显著性属性包括视觉显著性属性和语义显著性属性；进行所述标准化处理的过程如下：其中，X表示地标显著性属性测量值，X′表示最终的地标显著性属性数据，Xmax为地标显著性属性测量值的最大值，Xmim为地标显著性属性测量值的最小值；如表1所示，所述地标显著性属性包括视觉显著性属性和语义显著性属性；表1地标显著性属性S2：通过调查问卷方式获取用户对地标的认知习惯，调查问卷中每一题为一个导航情景，让用户选择最适合用于导航的地标，把选择各个候选地标的比例作为显著性值，获得各个场景中的地标显著性值；S3：由所述最终的地标显著性属性数据和地标显著性值，通过五折交叉验证方法，得到训练集和验证集；S4：采用遗传规划算法，利用所述训练集，得到一组地标显著性属性与地标显著性值之间的函数关系，该函数关系即为地标显著性模型；当达到最大种群代数后，利用所述验证集，选出该组地标显著性模型中一个最优的地标显著性模型；该最优的地标显著性模型即为最终的地标显著性模型；所述最终的地标显著性模型的输入为地标显著性属性数据，输出为对应地标的地标显著性值；S5：将实际得到的最终的地标显著性属性数据输入到所述最终的地标显著性模型，得到地标显著性值，进而得到显著性值最高的地标，以便行人进行识别位置。进一步地，所述视觉显著性属性包括表面面积、所依附主体的表面面积、形状偏差、形状比例和颜色显著性；所述表面面积指人眼所见地标的表面积大小，利用像素表达地标的表面面积，地标在图像中的像素与整幅图的像素的数量比即为地标的表面面积，表面面积计算公式为：AL＝Pix(L)/Pix(P)，其中L代表地标，P代表整幅图，函数Pix(o)表示实体o的像素的个数；所述所依附主体的表面面积指地标所依附主体的表面积，所依附主体的表面积的计算公式为：其中LSubject代表地标所依附的主体；大多数地标所依附主体就是其本身，但店铺Logo这样的地标所依附的主体的表面面积大小对其视觉显著性有极大的影响，将其也纳入视觉显著性属性中；所述形状偏差指最小包围矩阵面积与地标本身之间的差值；所述形状偏差越大，则说明地标越不规则，所述形状偏差为零时，说明地标是正规的矩形；所述地标形状偏差的计算公式为：DL＝(Pix(Lrectangle)-Pix(L))/Pix(Lrectangle)，其中DL代表地标的形状偏差值，Lrectangle代表地标L的最小包围矩阵；非正统的形状比正统形状更容易吸引到人的注意力；形状偏差不是唯一的，可能两个不同形状的地标拥有相同的偏差值；所述形状比例指地标最小包围矩阵的长宽比；所述形状比例计算公式为：RL＝Length(Lrectangle)/Width(Lrectangle)，其中，RL代表地标L的形状比例，函数Length(o)代表实体o的长，函数Width(o)代表实体o的宽；地标的形状比例某种程度上也能影响地标的视觉显著性，如“高瘦型”地标和“矮胖型”地标具备更强的视觉吸引力；所述颜色显著性指地标本身颜色与周围环境颜色相比的显著性；采用HDCT方法，根据高维的色彩空间探测出与周围色彩有差异性的地标，得到所述地标的一个灰度图，所述地标的平均灰度值为所述地标的颜色显著性，所述地标的平均灰度值的取值范围为[0，255]，对应映射到[0，1]中以便训练所述地标显著性模型。进一步地，所述语义显著性属性指地标的语义信息，通常指历史或文化的重要性，但现有的文献大多从历史或文化重要性的角度进行度量，具体包含地标的类别信息、文字信息、外文信息、百度搜索量信息和谷歌搜索量信息等。进一步地，所述类别信息指对地标的五大分类：建筑类(Arch)、信息类(Info)、商铺类(Shop)、连通空间类(Func)及家具类(Furn)地标；类别信息是地标非常重要的语义信息，通过对行人认知习惯的学习，可以了解到行人更偏好于哪类地标；每个类别均是一个布尔型变量；所述建筑类地标是指广义的人工建筑而成的所有东西，包括房屋和构筑物；作为地标的房屋在形状上具备特殊性和独一性，通常，可以作为地标的房屋通常在形状上均具备一定的特殊性和独一性；所述构筑物是指没有可供人们使用的内部空间的不可移动的实体，具备观赏性或功能性；在室内商场中，建筑类的地标既包括具有特殊形状的房屋或特殊的空间实体，也包括雕塑、喷泉等具备观赏性或功能性的实体；所述信息类地标指那些能提供指示信息，将用户指引到某一地点的实体，包括文字和图片等内容的实体；这些内容不是实体所在位置发生的事情，但能将你引导到事情发生的位置。在室内商场中最常见的信息类地标可以分为两类，第一类是广告类，泛指一切传递广告信息的实体；第二类是标识类，标识，同“标志”，即立标指示位置，标识可以提供空间信息，帮助人与空间建立更加丰富、深层的关系的媒介；所述商铺类地标指具备商铺或店铺等商业实体的Logo等实体；与信息类地标不同的是，商铺类地标是发生在本地的，通俗的说，即地标在哪，商铺就在哪。商铺类地标的属性会受其所依附的主体影响，在部分文献中，商铺类地标就是指商铺或店铺实体本身；在室内商场中，最常见的商铺类地标是服装店、饮品店、餐厅等Logo，但并不局限于此；所述连通空间类地标指将用户从一个空间转移到另外一个空间的空间实体；所述连通空间类地标包括电梯、扶梯、楼梯、桥和通道；行人通过连通空间可以从一个地方到达另一个地方。在室内商场中连通空间具备非常重要的作用，它不仅能连通两块不同的区域或商业体，还能连通上下两本文档来自技高网...

【技术保护点】
1.一种室内导航地标提取方法，其特征在于：包括以下步骤：/nS1：从室内场景图片中采集地标的显著性属性数据，得到地标显著性属性测量值；并利用最大最小归一化函数对所述地标显著性属性测量值进行标准化处理，得到最终的地标显著性属性数据；所述地标显著性属性包括视觉显著性属性和语义显著性属性；进行所述标准化处理的过程如下：/n

【技术特征摘要】
1.一种室内导航地标提取方法，其特征在于：包括以下步骤：
S1：从室内场景图片中采集地标的显著性属性数据，得到地标显著性属性测量值；并利用最大最小归一化函数对所述地标显著性属性测量值进行标准化处理，得到最终的地标显著性属性数据；所述地标显著性属性包括视觉显著性属性和语义显著性属性；进行所述标准化处理的过程如下：



其中，X表示地标显著性属性测量值，X'表示最终的地标显著性属性数据，Xmax为地标显著性属性测量值的最大值，Xmin为地标显著性属性测量值的最小值；
S2：通过问卷调查的方式获取用户对地标的认知习惯，调查问卷中每一题为一个导航情景，让用户选择最适合用于导航的地标，把选择各个候选地标的比例作为显著性值，获得各个场景中的地标显著性值；
S3：由所述最终的地标显著性属性数据和地标显著性值，通过五折交叉验证方法，得到训练集和验证集；
S4：采用遗传规划算法，利用所述训练集，得到一组地标显著性属性与地标显著性值之间的函数关系，该函数关系即为地标显著性模型；当达到最大种群代数后，利用所述验证集，选出该组地标显著性模型中一个最优的地标显著性模型；该最优的地标显著性模型即为最终的地标显著性模型；所述最终的地标显著性模型的输入为地标显著性属性数据，输出为对应地标的地标显著性值；
S5：将实际得到的最终的地标显著性属性数据输入到所述最终的地标显著性模型，得到地标显著性值，进而得到显著性值最高的地标，以便行人进行识别位置。


2.如权利要求1所述的一种室内导航地标提取方法，其特征在于：步骤S1中，所述视觉显著性属性包括表面面积、所依附主体的表面面积、形状偏差、形状比例和颜色显著性；
所述表面面积指人眼所见地标的表面积大小，利用像素表达地标的表面面积，地标在图像中的像素与整幅图的像素的数量比即为地标的表面面积，表面面积计算公式为：AL＝Pix(L)/Pix(P)，其中L代表地标，P代表整幅图，函数Pix(o)表示实体o的像素的个数；
所述所依附主体的表面面积指地标所依附主体的表面积，所依附主体的表面积的计算公式为：ALSubject＝Pix(LSubject)/Pix(P)，其中LSubject代表地标所依附的主体；
所述形状偏差指最小包围矩阵面积与地标本身之间的差值；所述形状偏差越大，则说明地标越不规则，所述形状偏差为零时，说明地标是正规的矩形；所述地标形状偏差的计算公式为：DL＝(Pix(Lrectangle)-Pix(L))/Pix(Lrectangle)，其中DL代表地标的形状偏差值，Lrectangle代表地标L的最小包围矩阵；
所述形状比例指地标最小包围矩阵的长宽比；所述形状比例计算公式为：RL＝Length(Lrectangle)/Width(Lrectangle)，其中，RL代表地标L的形状比例，函数Length(o)代表实体o的长，函数Width(o)代表实体o...

【专利技术属性】
技术研发人员：尚建嘎，胡旭科，丁磊，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：湖北;42