定位方法、模型训练方法、装置和存储介质与流程

1.本发明实施例涉及定位技术领域，尤其涉及一种定位方法、模型训练方法、装置和存储介质。


背景技术：

2.在诸如电子地图的服务中，定位(positioning)是实现与位置相关的服务或业务的基础，其中，基于全球导航卫星系统(global navigation satellite system，gnss)的定位技术，使用最为普遍和广泛。
3.但在城市环境中，存在诸如多径传输、不可视卫星(non light-of-sight，nlos)等问题，因此，基于gnss定位技术，获得的待定位对象的定位位置与该待定位对象在现实世界中的实际位置，容易出现不一致的问题。
4.为解决上述问题，提高定位精度(定位精度越高，定位位置与实际位置的差距越小)，相关技术提出了通过阴影匹配辅助gnss定位的方法，该方法借助城市三维模型预测卫星可视性，然后，通过城市三维模型预测的卫星可视性和实际观测到的卫星可视性之间的一致性，对定位候选点进行打分，最终，基于定位候选点的打分结果进行加权定位。虽然该方法一定程度提高了gnss定位结果的定位精度，但该方法仍然存在可以优化和改进的空间。


技术实现要素：

5.有鉴于此，本发明实施例提供一种定位方法、模型训练方法、装置和存储介质，以解决或缓解上述问题。
6.根据本发明实施例的第一方面，提供了一种定位方法，包括：获取对应于同一个定位点的两个以上的定位候选点；确定每个定位候选点对应的卫星星空图，所述卫星星空图用于指示定位卫星对于定位候选点的可视性；确定每个定位候选点的建筑物遮挡图，所述建筑物遮挡图用于指示定位候选点周围的建筑物对定位卫星的遮挡程度；将所述定位候选点的卫星星空图和建筑物遮挡图输入到预先训练的定位权值预测模型中，由所述模型预测出所述定位候选点的定位准确度权值；基于所有定位候选点的定位准确度权值，得到所述定位点的定位位置。
7.根据本发明实施例的第二方面，提供了一种模型训练方法，包括：获取训练样本，所述训练样本包括训练定位点、所述训练定位点对应的多个定位候选点、以及真值定位点；针对每个定位候选点，生成卫星星空图和建筑物遮挡图，所述卫星星空图指示各个定位卫星对于相应的定位候选点的可视性，所述建筑物遮挡图指示相应的定位候选点的周围建筑物对于各个定位卫星的遮挡关系；以每个定位候选点的卫星星空图和建筑物遮挡图作为输入，并且以相应定位候选点的三维图像信息与所述真值定位点的三维图像信息之间的相似度作为输出，训练定位权值预测模型，其中，相应定位候选点的三维图像信息通过组合相应定位候选点的卫星星空图和建筑物遮挡图确定。
8.根据本发明实施例的第三方面，提供了一种定位装置，包括：获取模块，获取对应于同一个定位点的两个以上的定位候选点；第一确定模块，确定每个定位候选点对应的卫星星空图，所述卫星星空图用于指示定位卫星对于定位候选点的可视性；第二确定模块，确定每个定位候选点的建筑物遮挡图，所述建筑物遮挡图用于指示定位候选点周围的建筑物对定位卫星的遮挡程度；预测模块，将所述定位候选点的卫星星空图和建筑物遮挡图输入到预先训练的定位权值预测模型中，由所述模型预测出所述定位候选点的定位准确度权值；定位模块，基于所有定位候选点的定位准确度权值，得到所述定位点的定位位置。
9.根据本发明实施例的第四方面，提供了一种模型训练装置，包括：获取模块，获取训练样本，所述训练样本包括训练定位点、所述训练定位点对应的多个定位候选点、以及真值定位点；生成模块，针对每个定位候选点，生成卫星星空图和建筑物遮挡图，所述卫星星空图指示各个定位卫星对于相应的定位候选点的可视性，所述建筑物遮挡图指示相应的定位候选点的周围建筑物对于各个定位卫星的遮挡关系；训练模块，以每个定位候选点的卫星星空图和建筑物遮挡图作为输入，并且以相应定位候选点的三维图像信息与所述真值定位点的三维图像信息之间的相似度作为输出，训练定位权值预测模型，其中，相应定位候选点的三维图像信息通过组合相应定位候选点的卫星星空图和建筑物遮挡图确定。
10.根据本发明实施例的第五方面，提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面或第二方面所述的方法。
11.在本发明实施例的方案中，定位候选点的卫星星空图反映了定位卫星对于定位候选点的可视性，定位候选点的建筑物遮挡图反映了定位候选点周围的建筑物对定位卫星的遮挡程度，因此，基于输入的卫星星空图和建筑物遮挡图，能够通过定位权值预测模型准确地预测出定位候选点的定位准确度权值，进而基于定位候选点的定位准确度权值，提高了定位稳定性。
附图说明
12.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
13.图1为本发明的一个实施例的定位方法的示意性流程图；
14.图2为本发明的另一实施例的定位权值预测模型算法的示意性流程图；
15.图3为本发明的另一实施例的模型训练方法的示意性流程图；
16.图4为本发明的另一实施例的定位装置的示意性框图；
17.图5为本发明的另一实施例的模型训练装置的示意性框图；以及
18.图6为本发明的另一实施例的电子设备的硬件结构。
具体实施方式
19.为了使本领域的人员更好地理解本发明实施例中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明实施例一部分实施例，而不是全部的实施例。基于本发明实施例中的实施
例，本领域普通技术人员所获得的所有其他实施例，都应当属于本发明实施例保护的范围。
20.下面结合本发明实施例附图进一步说明本发明实施例具体实现。
21.图1为本发明的一个实施例的定位方法的示意性流程图。本发明实施例的方案可以适用于任意适当的具有数据处理能力的电子设备，包括但不限于：诸如手机、车机等移动终端、桌面电脑、服务器等。例如，在模型训练(training)阶段，可以利用配置有cpu(处理单元的示例) gpu(加速单元的示例)架构的计算设备(例如，数据中心)基于训练样本对编码器解码器模型进行训练。诸如数据中心的计算设备可以部署在诸如专有云、私有云、或混合云的云服务器中。相应地，在推理(inference)阶段，也可以利用配置有cpu(处理单元的示例) gpu(加速单元的示例)架构的计算设备进行推理运算。
22.本实施例的定位方法包括：
23.s110：获取对应于同一个定位点的两个以上的定位候选点。
24.应理解，多个定位候选点可以基于定位点确定。定位点可以是实时定位中的定位点，也可以通过全球导航卫星系统(global navigation satellite system，gnss)卫星当前定位点。可以基于定位点采用随机确定多个定位候选点，也可以以非随机的方式确定多个定位候选点，例如，可以基于定位点为中心，以一定半径，确定多个定位候选点。
25.s120：确定每个定位候选点对应的卫星星空图，卫星星空图用于指示定位卫星对于定位候选点的可视性。
26.应理解，卫星星空图可以为基于多个全球定位系统(global positioning system，gps)卫星的星空图，也可以基于其他全球导航卫星系统(global navigation satellite system，gnss)卫星确定的星空图。定位候选点对应的卫星星空图中可以反映至少一个定位卫星的位置。
27.s130：确定每个定位候选点的建筑物遮挡图，建筑物遮挡图用于指示定位候选点周围的建筑物对定位卫星的遮挡程度。
28.应理解，建筑物遮挡图可以为基于二维城市模型确定的遮挡图、也可以为基于三维城市模型确定的遮挡图，本实施例对此不作限定。定位候选点的建筑物遮挡图反映了定位候选点周围的建筑物对定位卫星的遮挡程度，在一个示例中，遮挡程度越大，遮挡图中的定位卫星的数目越小或者定位卫星的位置的清晰度越低，反之，遮挡程度越小，遮挡图中的定位卫星的数目越多，或者，定位卫星的位置的清晰度越高。
29.s140：将定位候选点的卫星星空图和建筑物遮挡图输入到预先训练的定位权值预测模型中，由模型预测出定位候选点的定位准确度权值。
30.应理解，定位权值预测模型可以通过卷积神经网络(convolutional neural networks，cnn)训练得到，也可以通过长短期记忆网络(long short-term memory，lstm)训练得到。定位权值预测模型，基于卫星星空图和建筑物遮挡图，将定位候选点与定位点之间的匹配度建立的关联，换言之，定位候选点与定位点越接近，卫星星空图和建筑物遮挡图也越相似。
31.s150：基于所有定位候选点的定位准确度权值，得到定位点的定位位置。
32.应理解，可以基于定位准确度权值，对所有定位候选点的位置进行加权处理，得到定位点的定位位置。
33.在本发明实施例的方案中，定位候选点的卫星星空图反映了定位卫星对于定位候
选点的可视性，定位候选点的建筑物遮挡图反映了定位候选点周围的建筑物对定位卫星的遮挡程度，因此，基于输入的卫星星空图和建筑物遮挡图，能够通过定位权值预测模型准确地预测出定位候选点的定位准确度权值，进而基于定位候选点的定位准确度权值，提高了定位稳定性。
34.图2为本发明的另一实施例的定位权值预测模型算法的示意性流程图。如图2所示，本方案通过准三维(也可以被称为2.5维)城市模型和卫星的观测数据，生成每个候选点的星空图和建筑物遮挡图，使用cnn网络对其打分，最终加权定位得到最终的结果。算法的主要流程如下：
35.在训练阶段中，对于每个训练点，可以周围随机生成一组多个随机定位候选点(例如，20个随机定位候选点)。对于每个随机定位候选点，可以得到三个通道的模型输入数据，分别为第一通道、第二通道和第三通道。具体地，第一通道用于输入候选点的建筑物遮挡图。第二通道用于输入候选点卫星星空图，候选点卫星星空图中的每个点代表卫星，可以采用颜色代表信噪比，也可以采用灰度值等表示信噪比。第三通道用于输入候选点卫星星空图，候选点卫星星空图中的每个点代表卫星，颜色代表伪距残差的星间单差，也可以采用灰度值等表示星间单差。
36.在另一示例中，还可以包括第四通道的模型输入数据，例如，卫星的高度角的通道。
37.此外，定位候选点得分的真值由候选点的算法输入和真实点的算法输入两者间的矩阵相似度计算得到，计算公式见下式：
[0038][0039]
其中c表示样本点的建筑物遮挡图和卫星星空图，t代表真值点。
[0040]
应理解，对于每个随机定位候选点，可以计算当前定位候选点得到的三维图片和真值点的三维图片之间的相似性，作为模型训练的真值。
[0041]
此外，可以搭建诸如cnn等的网络模型，进行模型的训练。考虑到每个样本点的得分与卫星的信号质量有关，而与卫星的位置无关，本发明实施例可以使用多层卷积神经网络对样本输入进行学习，回归得到每个样本点的得分，其中，模型层数可以模块化的进行调整。
[0042]
在测试阶段中，可以使用线上训练的cnn模型，对每个定位候选点生成的三维图片进行预测，得到每个候选点的得分，从而进行加权定位。
[0043]
此外，基于端到端的设计，算法可以将根据输入的建筑物边缘和星空图信息，直接输出每个候选点的得分。
[0044]
在另一些示例中，确定每个定位候选点的建筑物遮挡图，包括：基于每个定位候选点的周围建筑物的层数信息和预设层高信息，确定周围建筑物的高度；基于周围建筑物的位置信息，确定每个定位候选点与周围建筑物之间的距离；基于周围建筑物的高度和距离，确定周围建筑物的高度角信息，高度角信息指示周围建筑物与定位卫星的遮挡程度；基于周围建筑物的高度角信息，确定每个定位候选点的建筑物遮挡图。
[0045]
周围建筑物层数信息和预设层高信息在准确反映建筑物的高度的同时，有利于快速估计建筑物的高度，提高了算法的效率和普适性，换言之，采用这样的算法，可以高效地
且快速地配置算法，避免了对基于三维城市建筑物数据的算法的依赖程度，这是因为，周围建筑物层数信息和预设层高信息一定程度上模糊了建筑物的边界信息，在准确反映建筑物的高度的同时，降低了对建筑物的高度准确度要求，提高了数据处理效率。
[0046]
进一步地，在本实施例的定位方法中，还可以获取预先制作的城市建筑模型数据，城市建筑模型数据包括各个建筑物的位置信息和层数信息。然后，基于定位候选点的位置信息，从城市建筑模型数据中，确定定位候选点的周围建筑物的层数信息和位置信息。
[0047]
具体而言，可以建立城区的2.5d模型进行建筑物遮挡图的计算。在每一个定位候选点，对于每一个角度，计算候选点到建筑物的距离l，使用层数*层高近似得到的建筑物的高度h，最终计算arctan(l，h)。即可得到在当前位置下，该角度的建筑物边缘高度角。
[0048]
例如，可以重复以上过程360次(即，以1度作为角度步长)，将得到的360度范围内每一个角度的建筑物边缘高度角绘制在极坐标图中，得到最终的建筑物遮挡图。
[0049]
在另一些示例中，确定每个定位候选点的卫星星空图，包括：基于每个定位候选点，确定各个定位卫星的可视性信息和位置信息；基于可视性信息和卫星位置信息，确定每个定位候选点的卫星星空图。由于可视性信息和位置信息能够准确地反映定位候选点的位置特征，因此基于可视性信息和卫星位置信息，确定该定位候选点的卫星星空图，有利于提高卫星星空图的可靠性。
[0050]
在一个示例中，基于每个定位候选点，确定各个定位卫星的可视性信息，包括：通过位于每个定位候选点的定位设备，接收各个定位卫星的定位信号，获取各个定位卫星的信噪比信息；基于各个定位卫星的信噪比信息，确定各个定位卫星的可视性信息。
[0051]
由于不同定位设备接收定位卫星传输的信号往往具有不同的信噪比分布，因此将一组定位卫星中的各个定位卫星的信噪比信息确定为一组定位卫星的可视性信息，避免了诸如模型拟合特定具体的信噪比值，也避免了阈值的设置，从而使得算法具有更高的泛化能力。换言之，提高了算法的稳定性和鲁棒性，使得训练后的预测模型在不同的定位卫星分布的场景中，仍然能进行准确的推理。
[0052]
在另一示例中，基于每个定位候选点，确定各个定位卫星的可视性信息，包括：基于每个定位候选点，确定各个定位卫星的伪距残差，伪距残差指示定位卫星的卫星伪距和卫地距之间的差异；确定各个定位卫星的伪距残差的星间单差；基于各个定位卫星对应的星间单差，确定各个定位卫星的可视性信息。
[0053]
具体而言，卫星的信噪比和伪距残差的星间单差可以采用极坐标的形式绘制在卫星星空图上，例如，可以基于卫星的高度角和方位角确定卫星在卫星星空图中的位置，并且可以采用颜色或灰度等方式表示卫星的信号值，绘制得到的卫星星空图。
[0054]
例如，两颗卫星的信号往往经由大气延迟影响后又几乎相同到达接收机，因此，电离层和对流层延迟影响被削弱，因此星间单差能够可以消除接收机钟差，从而基于各个定位卫星对应的星间单差，确定各个定位卫星的可视性信息，使得可视性信息能够更准确地指示位置特征。
[0055]
更具体地，定位卫星的伪距残差由观测到的定位卫星伪距和定位点测得的卫地距相减得到，其计算公式下式：
[0056]
δρ＝ρ
cal-ρ
signal
＝r dtr-dts i t-ρ
signal
[0057]
其中，signal表示信号测得的伪距，r代表当前定位候选点计算得到的卫地距，dtr
和dts分别代表接收机和定位卫星钟差引起的伪距误差，i和t表示电离层和对流层延迟。
[0058]
更具体地，确定各个定位卫星的伪距残差的星间单差，包括：基于各个定位卫星的高度角信息和信噪比信息，确定各个定位卫星中的参考卫星；基于各个定位卫星的伪距残差与参考卫星的伪距残差之间的差异，确定各个定位卫星的星间单差。
[0059]
由于基于各个定位卫星各自的高度角信息和信噪比信息，确定各个定位卫星中的参考卫星，提高了参考卫星的位置精度，因此基于各个定位卫星各自的伪距残差与参考卫星的伪距残差之间的差异，确定各个定位卫星各自的星间单差，提高了星间单差的精度。
[0060]
在另一些示例中，确定每个定位候选点对应的卫星星空图，包括：获取各个定位卫星的位置与信噪比信息之间的第一对应关系、以及各个定位卫星的位置与星间单差信息之间的第二对应关系；分别基于第一对应关系和第二对应关系，确定第一卫星星空图和第二卫星星空图。
[0061]
进一步地，将定位候选点的卫星星空图和建筑物遮挡图输入到预先训练的定位权值预测模型中，包括：基于定位候选点的坐标系，将指示第一卫星星空图的矩阵、指示第二卫星星空图的矩阵、以及指示建筑物遮挡图的矩阵进行组合，得到组合矩阵；将组合矩阵输入到预先训练的定位权值预测模型中。将组合矩阵输入到预先训练的定位权值预测模型中进行预测，有利于提高预测处理中的数据处理效率。
[0062]
在一个示例中，每个定位候选点的得分依据为建筑物遮挡图和实际接收到信号的合理程度，具体表现在有建筑物遮挡的地方，gnss的信噪比相对较小，卫星的伪距残差也会相应增大。
[0063]
建筑物遮挡图、卫星信噪比图和星间单差图的通道数可以为任意的，作为一个示例，输入的特征图的组合矩阵的通道数为114*114*3，分别对应于114*114的建筑物遮挡图、114*114的卫星信噪比图以及114*114的卫星伪距残差的星间单差图。
[0064]
三个通道分别对应的建筑物遮挡图、卫星信噪比图和星间单差图输入到预先训练的定位权值预测模型中进行预测，得到定位候选点的定位准确度权值。
[0065]
进一步地，定位候选点的定位准确度权值可以指示定位候选点的定位位置的置信度。对多个定位候选点的位置进行加权处理，可以得到定位点的定位位置。所得到的定位位置的准确度是极可靠地，这是因为，定位权值预测模型在训练过程中执行了监督训练，监督训练的标签是作为训练样本的真实定位点与候选定位点之间的相似度，这里的相似度同样反映了候选定位点表征真实定位点的置信度。
[0066]
下面结合图3的流程图对定位权值预测模型的训练方法进行了详细说明。
[0067]
图3为本发明的另一实施例的模型训练方法的示意性流程图。本实施例的方案可以适用于任意适当的具有数据处理能力的电子设备，包括但不限于：服务器、移动终端(如手机、pad等)和pc机等。例如，在模型训练(training)阶段，可以利用配置有cpu(处理单元的示例) gpu(加速单元的示例)架构的计算设备(例如，数据中心)基于训练样本对编码器解码器模型进行训练。诸如数据中心的计算设备可以部署在诸如专有云、私有云、或混合云的云服务器中。图3的模型训练方法包括：
[0068]
s310：获取训练样本，训练样本包括训练定位点、训练定位点对应的多个定位候选点、以及真值定位点；
[0069]
s320：针对每个定位候选点，生成卫星星空图和建筑物遮挡图，卫星星空图指示各
个定位卫星对于相应的定位候选点的可视性，建筑物遮挡图指示相应的定位候选点的周围建筑物对于各个定位卫星的遮挡关系；
[0070]
s330：以每个定位候选点的卫星星空图和建筑物遮挡图作为输入，并且以相应定位候选点的三维图像信息与真值定位点的三维图像信息之间的相似度作为输出，训练定位权值预测模型，其中，相应定位候选点的三维图像信息通过组合相应定位候选点的卫星星空图和建筑物遮挡图确定。
[0071]
在本发明实施例的方案中，定位候选点的卫星星空图反映了定位卫星对于定位候选点的可视性，定位候选点的建筑物遮挡图反映了定位候选点周围的建筑物对定位卫星的遮挡程度，因此，基于输入的卫星星空图和建筑物遮挡图，能够通过定位权值预测模型准确地预测出定位候选点的定位准确度权值，进而基于定位候选点的定位准确度权值，提高了定位稳定性。
[0072]
图4为本发明的另一实施例的定位装置的示意性框图。图4的定位装置与图1的定位方法对应，包括：
[0073]
获取模块410，获取对应于同一个定位点的两个以上的定位候选点。
[0074]
第一确定模块420，确定每个定位候选点对应的卫星星空图，所述卫星星空图用于指示定位卫星对于定位候选点的可视性。
[0075]
第二确定模块430，确定每个定位候选点的建筑物遮挡图，所述建筑物遮挡图用于指示定位候选点周围的建筑物对定位卫星的遮挡程度。
[0076]
预测模块440，将所述定位候选点的卫星星空图和建筑物遮挡图输入到预先训练的定位权值预测模型中，由所述模型预测出所述定位候选点的定位准确度权值。
[0077]
定位模块450，基于所有定位候选点的定位准确度权值，得到所述定位点的定位位置。
[0078]
在本发明实施例的方案中，定位候选点的卫星星空图反映了定位卫星对于定位候选点的可视性，定位候选点的建筑物遮挡图反映了定位候选点周围的建筑物对定位卫星的遮挡程度，因此，基于输入的卫星星空图和建筑物遮挡图，能够通过定位权值预测模型准确地预测出定位候选点的定位准确度权值，进而基于定位候选点的定位准确度权值，提高了定位稳定性。
[0079]
此外，定位权值预测模型能够基于卫星星空图和建筑物遮挡图来预测定位候选点的位置与定位点之间的相似度，避免了卫星星空图或建筑物遮挡图不准确而导致的定位不准确，提高了定位的稳定性。
[0080]
在本发明的另一实现方式中，第二确定模块具体用于：基于每个定位候选点的周围建筑物的层数信息和预设层高信息，确定所述周围建筑物的高度；基于所述周围建筑物的位置信息，确定每个定位候选点与所述周围建筑物之间的距离；基于所述周围建筑物的高度和距离，确定所述周围建筑物的高度角信息，所述高度角信息指示所述周围建筑物与所述定位卫星的遮挡程度；基于所述周围建筑物的高度角信息，确定每个定位候选点的建筑物遮挡图。
[0081]
在本发明的另一实现方式中，定位装置还包括第三确定模块。第三确定模块用于：获取预先制作的城市建筑模型数据，所述城市建筑模型数据包括各个建筑物的位置信息和层数信息，并且基于定位候选点的位置信息，从城市建筑模型数据中，确定所述定位候选点
的周围建筑物的层数信息和位置信息。
[0082]
在本发明的另一实现方式中，第一确定模块具体用于：基于每个定位候选点，确定各个定位卫星的可视性信息和位置信息；基于所述可视性信息和所述卫星位置信息，确定每个定位候选点的卫星星空图。
[0083]
在本发明的另一实现方式中，第一确定模块具体用于：通过位于每个定位候选点的定位设备，接收各个定位卫星的定位信号，获取各个定位卫星的信噪比信息；基于各个定位卫星的信噪比信息，确定各个定位卫星的可视性信息。
[0084]
在本发明的另一实现方式中，第一确定模块具体用于：基于每个定位候选点，确定各个定位卫星的伪距残差，所述伪距残差指示定位卫星的卫星伪距和卫地距之间的差异；确定各个定位卫星的伪距残差的星间单差；基于各个定位卫星对应的星间单差，确定各个定位卫星的可视性信息。
[0085]
在本发明的另一实现方式中，第一确定模块具体用于：基于各个定位卫星的高度角信息和信噪比信息，确定各个定位卫星中的参考卫星；基于各个定位卫星的伪距残差与所述参考卫星的伪距残差之间的差异，确定各个定位卫星的星间单差。
[0086]
在本发明的另一实现方式中，获取模块具体用于：基于各个定位卫星，确定定位点；基于所述定位点，随机确定两个以上的定位候选点。
[0087]
在本发明的另一实现方式中，第一确定模块具体用于：获取各个定位卫星的位置与信噪比信息之间的第一对应关系、以及各个定位卫星的位置与星间单差信息之间的第二对应关系；分别基于所述第一对应关系和所述第二对应关系，确定第一卫星星空图和第二卫星星空图。
[0088]
在本发明的另一实现方式中，第一确定模块具体用于：基于所述定位候选点的坐标系，将指示所述第一卫星星空图的矩阵、指示所述第二卫星星空图的矩阵、以及指示所述建筑物遮挡图的矩阵进行组合，得到组合矩阵；将所述组合矩阵输入到预先训练的定位权值预测模型中。
[0089]
本实施例的装置用于实现前述多个方法实施例中相应的方法，并具有相应的方法实施例的有益效果，在此不再赘述。此外，本实施例的装置中的各个模块的功能实现均可参照前述方法实施例中的相应部分的描述，在此亦不再赘述。
[0090]
图5为本发明的另一实施例的模型训练装置的示意性框图。图5的模型训练装置与图3的模型训练方法对应，包括：
[0091]
获取模块510，获取训练样本，所述训练样本包括训练定位点、所述训练定位点对应的多个定位候选点、以及真值定位点。
[0092]
生成模块520，针对每个定位候选点，生成卫星星空图和建筑物遮挡图，所述卫星星空图指示各个定位卫星对于相应的定位候选点的可视性，所述建筑物遮挡图指示相应的定位候选点的周围建筑物对于各个定位卫星的遮挡关系。
[0093]
训练模块530，以每个定位候选点的卫星星空图和建筑物遮挡图作为输入，并且以相应定位候选点的三维图像信息与所述真值定位点的三维图像信息之间的相似度作为输出，训练定位权值预测模型，其中，相应定位候选点的三维图像信息通过组合相应定位候选点的卫星星空图和建筑物遮挡图确定。
[0094]
在本发明实施例的方案中，定位候选点的卫星星空图反映了定位卫星对于定位候
选点的可视性，定位候选点的建筑物遮挡图反映了定位候选点周围的建筑物对定位卫星的遮挡程度，因此，基于输入的卫星星空图和建筑物遮挡图，能够通过定位权值预测模型准确地预测出定位候选点的定位准确度权值，进而基于定位候选点的定位准确度权值，提高了定位稳定性。
[0095]
本实施例的装置用于实现前述多个方法实施例中相应的方法，并具有相应的方法实施例的有益效果，在此不再赘述。此外，本实施例的装置中的各个模块的功能实现均可参照前述方法实施例中的相应部分的描述，在此亦不再赘述。
[0096]
图6为本发明的另一实施例的电子设备的硬件结构；如图6所示，该电子设备的硬件结构可以包括：处理器601，通信接口602，存储介质603和通信总线604；
[0097]
其中处理器601、通信接口602、存储介质603通过通信总线604完成相互间的通信；
[0098]
可选地，通信接口602可以为通信模块的接口；
[0099]
其中，处理器601具体可以配置为：获取对应于同一个定位点的两个以上的定位候选点；确定每个定位候选点对应的卫星星空图，所述卫星星空图用于指示定位卫星对于定位候选点的可视性；确定每个定位候选点的建筑物遮挡图，所述建筑物遮挡图用于指示定位候选点周围的建筑物对定位卫星的遮挡程度；将所述定位候选点的卫星星空图和建筑物遮挡图输入到预先训练的定位权值预测模型中，由所述模型预测出所述定位候选点的定位准确度权值；基于所有定位候选点的定位准确度权值，得到所述定位点的定位位置。
[0100]
或者，处理器601具体可以配置为：获取训练样本，所述训练样本包括训练定位点、所述训练定位点对应的多个定位候选点、以及真值定位点；针对每个定位候选点，生成卫星星空图和建筑物遮挡图，所述卫星星空图指示各个定位卫星对于相应的定位候选点的可视性，所述建筑物遮挡图指示相应的定位候选点的周围建筑物对于各个定位卫星的遮挡关系；以每个定位候选点的卫星星空图和建筑物遮挡图作为输入，并且以相应定位候选点的三维图像信息与所述真值定位点的三维图像信息之间的相似度作为输出，训练定位权值预测模型，其中，相应定位候选点的三维图像信息通过组合相应定位候选点的卫星星空图和建筑物遮挡图确定。
[0101]
上述的处理器可以是通用处理器，包括处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0102]
上述的存储介质可以是，但不限于，随机存取存储介质(random access memory，ram)，只读存储介质(read only memory，rom)，可编程只读存储介质(programmable read-only memory，prom)，可擦除只读存储介质(erasable programmable read-only memory，eprom)，电可擦除只读存储介质(electric erasable programmable read-only memory，eeprom)等。
[0103]
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在存储介质上的计算机程序，该计算机程序包含配置为执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。
在该计算机程序被处理单元(cpu)执行时，执行本发明的方法中限定的上述功能。需要说明的是，本发明所述的存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。存储介质例如可以但不限于是电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储介质(ram)、只读存储介质(rom)、可擦式可编程只读存储介质(eprom或闪存)、光纤、便携式紧凑磁盘只读存储介质(cd-rom)、光存储介质件、磁存储介质件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何存储介质，该存储介质可以发送、传播或者传输配置为由指令执行系统、装置或者器件使用或者与其结合使用的程序。存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0104]
可以以一种或多种程序设计语言或其组合来编写配置为执行本发明的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如”c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络：包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0105]
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个配置为实现规定的逻辑功能的可执行指令。上述具体实施例中有特定先后关系，但这些先后关系只是示例性的，在具体实现的时候，这些步骤可能会更少、更多或执行顺序有调整。即在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0106]
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。这些模块的名称在某种情况下并不构成对该模块本身的限定。
[0107]
作为另一方面，本发明还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例所描述的方法。
[0108]
作为另一方面，本发明还提供了一种存储介质，该存储介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述存储介质承载有一
个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取多个定位候选点；确定所述多个定位候选点各自的卫星星空图，并且确定所述多个定位候选点各自的建筑物遮挡图，所述卫星星空图指示一组定位卫星对于相应的定位候选点的可视性，所述建筑物遮挡图指示基于相应的定位候选点的周围建筑物之间的遮挡关系；将所述多个定位候选点各自的卫星星空图和建筑物遮挡图输入到预先训练的定位权值预测模型中，得到所述多个定位候选点各自的定位权值，其中，每个定位权值指示相应的定位候选点的位置与定位位置的相似度；基于所述多个定位候选点各自的定位权值，对所述多个定位候选点各自的位置进行加权处理，得到定位位置；
[0109]
或者，获取训练样本，所述训练样本包括训练定位点、所述训练定位点对应的多个随机定位候选点、以及真值定位点；生成每个随机定位候选点的卫星星空图和建筑物遮挡图，其中，所述卫星星空图指示一组定位卫星对于相应的随机定位候选点的可视性，所述建筑物遮挡图指示基于相应的随机定位候选点的周围建筑物之间的遮挡关系；以每个随机定位候选点的卫星星空图和建筑物遮挡图作为输入，并且以所述该随机定位候选点的三维图像信息与所述真值定位点的三维图像信息之间的相似度作为输出，训练定位权值预测模型，其中，该随机定位候选点的三维图像信息通过组合该随机定位候选点的卫星星空图和建筑物遮挡图确定。
[0110]
在本公开的各种实施方式中所使用的表述“第一”、“第二”、“所述第一”或“所述第二”可修饰各种部件而与顺序和/或重要性无关，但是这些表述不限制相应部件。以上表述仅配置为将元件与其它元件区分开的目的。例如，第一用户设备和第二用户设备表示不同的用户设备，虽然两者均是用户设备。例如，在不背离本公开的范围的前提下，第一元件可称作第二元件，类似地，第二元件可称作第一元件。
[0111]
当一个元件(例如，第一元件)称为与另一元件(例如，第二元件)“(可操作地或可通信地)联接”或“(可操作地或可通信地)联接至”另一元件(例如，第二元件)或“连接至”另一元件(例如，第二元件)时，应理解为该一个元件直接连接至该另一元件或者该一个元件经由又一个元件(例如，第三元件)间接连接至该另一个元件。相反，可理解，当元件(例如，第一元件)称为“直接连接”或“直接联接”至另一元件(第二元件)时，则没有元件(例如，第三元件)插入在这两者之间。
[0112]
以上描述仅为本发明的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本发明中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。