全球定位系统定位方法和计算机程序产品与流程

1.本发明涉及特别是供行人所使用的导航系统和方法。


背景技术：

2.随着智能手机的出现，全球定位系统(gps)已成为一种由行人和驾驶员所广泛使用的主要的导航方式。最重要的是，城市地区的行人使用智能手机gps，而不是传统的纸质地图。
3.然而，主要在城市地区中，由于移动手机gps系统的定位精确度较低，行人使用gps不方便、困难，有时甚至无法使用。此外，由于移动手机的磁强计的精确度较低，行人没有导航所需的方位数据。
4.在城市地区中，gps系统精确度低的主要原因是高层建筑阻碍了卫星的视线。此外，没有直接视线的卫星发出的信号会被高层建筑反射，而被行人的gps接收，并被错误地解读，导致定位读数出现较大误差。这种现象被称为“多径反射(multiple path reflection)”。
5.虽然多径反射影响机动车和行人，但在机动车中不太明显，因为它们不断地以比行人高得多的速度移动，各自的卫星可视性不断地且快速地改变，因此误差可以被平滑化。此外，由于汽车和其他道路车辆的位置仅限于道路，因此使用了诸如“捕捉到地图(snap to map)”和利用惯性测量单元(inertial measurement unit，imu)数据和其他信息等技术。此外，通过gps运动和速度(gps motion and velocity)可以高精确度地知道方向。
6.此缺陷已成为优步(uber)和来福车(lyft)等公司的一个主要问题，在这些公司，驾驶员能否成功接送乘客在很大程度上取决于乘客gps报告的位置准确性。驾驶员和客户可能会因为客户在街对面或交叉路口而错过对方。
7.人们试图解决这个问题，包括对周围建筑物进行3d建模，以忽略具有多反射的卫星、相位分析和统计方法。然而，据我们所知，还没有提出任何切实可行、成本效益高的解决方案。
8.有大量的现有技术涉及自动驾驶车辆的定位，以及基于驾驶环境(例如，自动驾驶车辆行驶的地理区域、一天中的时间、自动驾驶车辆的速度等)优化自动驾驶车辆所使用的定位策略。在传统系统中，地图数据库可用于将从导航卫星系统数据计算出的初始位置捕捉(snap)到实体地理物体，例如道路，以便导航装置显示最终的输出。例如，通过在us20110257885中公开的这种方式，gps卫星提供的粗略位置可以得到显著改善，足以引导自动驾驶或驱动的车辆。
9.us20170307761公开了一种协同确定基于卫星的导航系统的定位误差的方法。如果接收器数量足够多，则定位不太精确的接收器(如智能手机)可能有助于产生精确的大气误差校正(atmospheric error corrections)，这些接收器位于一个地理区域内，精确位置未知。
10.us20180124572涉及在移动物网络中使用局部校正信息以对基于gps的位置信息
进行校正。如果两个接收器共享同一组可见卫星(即，在处理来自同一组卫星的接收信号以得出定位解决方案)，则两个接收器应经历类似的定位错误。由于若干因素，通过在计算地理定位信息的全球导航卫星系统/全球定位系统(gnss/gps)接收器所使用的一组卫星是动态的且不断改变。
11.us20190147610，以优步科技有限公司的名义公开了用于基于从一个或多个传感器所接收的传感器数据检测和追踪对象的系统和方法，所述传感器数据被馈送到一个或多个机器学习模型，所述一个或多个机器学习模型包括被配置为基于至少部分的传感器数据对一个或多个对象进行检测的一个或多个第一神经网络以及配置为通过一序列的传感器数据对一个或多个对象进行追踪的一个或多个第二神经网络。
12.总之，现有技术教导用于校正卫星误差的技术，并认识到与服务于同一地理区域中的多个接收机的卫星相关联的误差校正将适用于该区域中的所有接收器。现有技术还公开了对来自穿越一个地理区域的大量车辆的数据进行校对(collate)，并使用从中接收到的数据来改进允许自动驾驶车辆在相同道路上安全导航的地图。现有技术还解决了无人驾驶出租车定位静止乘客的需求，并提供了移动行人的导航技术，认识到应用于车辆的传统校正方法并不总是适用于行人。现有技术讨论了使用深度学习和神经网络来改善地图数据。
13.但是，本领域似乎没有建议通过对多个时间样本应用深度学习/机器学习技术来处理大量gps定位误差，以创建多个已知位置的各自校正函数，作为各自gps坐标和卫星数据的函数。
14.也没有人建议使用与某一地理区域内的卫星相关的误差校正数据，对随身携带智能手机等移动装置的行人的gps导航系统进行相应或衍生的校正。


技术实现要素：

15.因此，本发明的目的是提供一种解决这种需要的方法。
16.该目的根据本发明通过两部分流程实现。第一部分是一种学习方法，其创建了一个误差校正函数，用于提高感兴趣区域(region of interest)内gps装置的精确度，而第二部分提供了一种方法，用于使用已经确定的误差校正函数以提高感兴趣区域内接收到的gps坐标的精确度。在说明书和所附权利要求的上下文中，术语“gps装置”用于指代具有内置gps模块的任何装置。gps装置通常是智能手机，但也可以是为gps定位配置的任何其他合适装置。
17.因此，在本发明的第一方面，本发明提供一种创建校正函数的方法，所述校正函数用于提高全球定位系统(gps)装置的精确度，所述方法包括：
18.在多个已知位置收集多个时间样本，其中每个时间样本由gps坐标以及与来自多个卫星的相关的卫星数据组成，其中所述卫星数据包括或是允许确定(i)一个相关卫星的卫星方位角和仰角，以及(ii)来自所述相关卫星的一接收信号的信噪比；
19.对于每个时间样本，计算所述已知位置和相应的所述gps坐标之间的各自的误差；以及
20.通过对所述多个时间样本应用深度学习/机器学习技术以创建作一误差校正函数，所述误差校正函数作为所述各自的gps坐标和所述卫星数据的一函数。
21.在本发明的第二方面，本发明提供一种用于提高在感兴趣区域(region of interest)内的gps坐标的精确度的方法，其中感兴趣区域的一误差校正函数已经获得，所述方法包括：
22.将所述gps坐标以及相关的卫星数据输入至所述校正函数，以获得具有改进过的精确度的位置。
23.这两个流程是相互独立的。具体地说，虽然第二流程在导出关于所需的感兴趣区域的误差校正函数之前无法实现，然而一旦存在误差校正函数，第二流程就可以以独立的方式实现。在这种情况下，这两个流程是按顺序执行的。但是，它们也可以同时执行，其中学习过程在执行第二方面的同时执行，或者针对不同的感兴趣区域，或者通过不断收集新数据并对不断扩展的数据集应用深度学习技术来细化误差校正函数。
24.在一些实施例中，所述多个时间样本是通过收集来自行驶在扩展市区中且具有车载gps装置(on-board gps device)和增强的精确度定位(enhanced accuracy positioning)的机动车来获得，每个所述时间样本由通过所述车载gps装置和增强的精确度定位所获得的所述gps坐标以及相关的卫星数据组成。
25.概念上来说，本发明的原理在于在所需地理区域内对多个位置随着时间的推移重复上述方法，以便获得每个位置的多个时间样本。gps坐标是通常通过在三个或更多卫星之间三角测量(triangulating)获得的gps装置的坐标，并代表粗略位置(coarse location)，本发明用于提高其精确度。gps数据由包括各个卫星传输信号的时间的多个卫星信号所确定。gps装置记录接收信号的时间，发送和接收时间之间的差异反映了卫星到gps装置之间的飞行时间，当乘以光速时，会产生卫星和接收器之间的伪距(pseudo-range)。由于与卫星的高精度原子钟不同，gps装置的时钟不那么精确﹐因此这被称为“伪距”。因此，至少需要四颗卫星才能以已知方式解决gps装置的粗略定位问题。产生的数据存储在数据库中，并进行分析以得出每个粗略位置的函数，当应用于gps坐标并使用为粗略位置所获得的卫星数据时，所述函数会校正gps坐标并产生更精确的位置。精确度可以提高一个数量级，这样，如果粗略位置正确到30米以内，则通过本发明校正的位置将精确到3米以内。可以理解的是，实际上，可能无法绘制出空间中的每个坐标。但是，假设随着时间的推移，有足够数量的相互接近的点被映射，因此计算出的误差校正函数同样适用于空间中稍微偏离映射点的任何点的位置。
26.可以理解，每个时间样本可能由不同的gps坐标和不同的卫星数据组成。这意味着具有不同相关卫星数据的不同gps坐标可能与相同的校正位置相关。误差校正函数的导出使得无论应用哪一组gps坐标和相关的卫星数据，它都将给出相同的校正位置。
27.感兴趣区域内多个点的gps坐标和相关的卫星数据及定位误差存储在数据库中以供后续处理。在一些实施例中，所述数据库是基于由诸如waze
tm
的导航系统所收集的数据来进行编译。在任何情况下，此类系统都会从车辆gps装置收集粗略位置(coarse location)，即相关的gps坐标，并向车辆传输增强的位置数据。因此，唯一需要的附加信息是与每个卫星对应的卫星数据，每个粗略位置的信号都是从这些卫星获得的。当然，所述信息对车载gps来说是已知的，所述信息可从所述车载gps中收集并用于编译数据库和导出本发明的校正函数。在使用中，从gps装置接收到的粗略位置与卫星数据和增强的位置坐标接着一起被馈入到数据库。此数据库用于使用深度学习技术来导出校正函数。
28.即使智能手机使用waze
tm
等导航系统，携带具有内置gps装置的智能手机的行人最多也只能获得粗略的位置。如上所述，这是因为导航系统对车辆应用了更高的精确度，而车辆只能沿着规定的路径行驶，而不能应用于可以自由闲逛的行人。此外，如上所述，在城市地区中多径反射所造成的误差对行人装置的影响更大，行人装置静止或行进速度比机动车慢。然而，根据本发明，由于校正功能基于粗略位置并应用于粗略位置，因此其可同样应用于行人智能手机中的gps装置以导出更准确的位置。同样，通过先进驾驶员辅助系统(advanced driver assistance systems，adas)正在开发的radar、lidar和其他增强技术也可用于确定增强的定位精度。校正函数可以从与行人的gps装置进行通信的远程服务器下载到行人的智能手机；或者，如果有足够的存储器，它可以存储在行人的gps装置中。
29.误差校正函数接收作为输入的向量，所述向量由与gps坐标相对应的粗略位置和相关的卫星数据组成，其中gps坐标从相关的卫星数据所获得，并产生真实位置作为输出。
附图说明
30.为了理解本发明并了解如何在实践中实施本发明，实施例现在将仅通过非限制性示例与参考附图进行描述，其中：
31.图1是根据本发明的系统的图示；
32.图2示意性地示出了车辆在一段时间内为感兴趣区域随机收集和存储的多个时间样本，其可用于根据本发明实施例产生数据库；以及
33.图3是示出根据本发明实施例的用于改善乘客/驾驶员遭遇的方法所执行的主要操作的流程图。
具体实施方式
34.图1是根据本发明一个实施例的系统10的图示。系统10显示位于感兴趣区域(region of interest)中手持智能手机12的行人11，智能手机12具有内置gps模块，所述内置gps模块从至少三个卫星13、13’和13”接收gps数据并使用三角测量以已知方式计算粗略位置(coarse location)。在本说明书和所附权利要求书中，我们将粗略位置称为gps装置的gps坐标。随机驶过感兴趣区域的车辆14、14’同样会从卫星接收gps数据，并确定各个车辆的粗略位置。但是，这些车辆配备有waze
tm
、satnav
tm
等类似的导航系统，以及提高gps坐标精确度的类似装置，以便知道车辆的正确或真实位置。为清楚起见，“真实”或“正确”并不意味着校正后的位置是绝对地精确，而是比仅基于坐标的粗略位置还要来得精确得多。任何使用过waze
tm
等导航系统的人清楚地知道，他们被提前指示在下一个路口左转，且当他们在路口前方时，被指示“左转”。正是这种精确度水平使导航系统变得如此可靠和友好。
35.车辆中的导航系统仅基于卫星数据，使用辅助数据提高粗略位置的精确度，例如，基于预编译的精确地图，并允许使用诸如捕捉到地图(snap to map)的已知技术对车辆的位置进行校正。
36.同样地，通过先进驾驶员辅助系统(advanced driver assistance systems，adas)正在开发的radar、lidar和其他增强技术也可用于确定增强的定位精度。
37.虽然图中只显示了两辆车，但可以理解的是，实际上，有数千辆车沿着图表上的路线随着时间推移行驶着，所述路线例如为高速公路、公路、街道、甚至是越野道路，这些位置
residual learning for image recognition”arxiv:1512.03385(he等人)如下述来进行。网络输入是gps系统产生的参数向量(gps数据)，包括卫星位置、信号强度、测量时间和其他可能的参数。对于每个给定的位置，都会多次收集此类数据。dnn输出是估计偏差，例如，表示为一组偏差的概率分布。训练是使用损失函数进行，损失函数为例如已知偏差和dnn产生的估计偏差之间的交叉熵(cross entropy)。用于所述任务的一个可能的最新技术水平(state-of-the-art)架构可以是具有足够深度的resnet dnn(如he等人所述)，其使用标准训练程序，例如将数据拆分为训练集和测试集，搜索良好的训练率，使用批量标准化(batch normalization)等等。为了获得足够的数据量来训练网络，训练过程可以多次使用来自多个不同位置的数据。值得注意的是，尽管he等人所描述的方法是应用于图像，但它同样是可适用于本发明的一般架构。
45.校正：
46.校正模型被用来校正任意点的gps误差，其被作为卫星数据的函数(如上所定义)。因此，在使用上，诸如在感兴趣区域内的智能手机之类的gps装置中的导航系统或应用程序接收粗略的gps位置和相关的卫星数据，并获取校正函数且将校正函数应用于粗略的gps坐标，以便导出校正的位置。
47.应用
48.使用手持式数字地图装置导出人的方位
49.虽然数字地图大大简化了行人用导航，但行人需要正确定位地图仍然是一个常见的缺点。在传统的打印地图中，用户识别他或她在地图上的位置，识别路标(如街道)，然后将地图上的路标与真实场景中的路标对齐，以便地图与真实场景正确对齐。智能手机试图使用惯性磁单元(inertial magnetic unit，imu)来实现这一点，imu试图将用作指南针的内部磁强计与正北对齐，以便站在已知位置的用户知道是左转还是右转，或是向前还是向后移动。
50.实际上，正如试图导航到陌生地方的游客所熟知的那样，这并不可靠，对用户来说，在步行一段时间并遇到地标(如地图显示的街道)位于相反方向后才意识到自己走错了方向是常见的。这也适用于提供语音指令的导航软件。
51.在一个应用中，本发明使用具有集成相机(integral camera)的智能手机对具有可识别地标的场景进行成像，并将智能手机的相机指向地标。当正确对齐时，智能手机中的应用程序将由用户手动启动，以在街景(street view)的图像中找到地标。这使得智能手机应用程序能够确定地标的位置，并且由于用户的位置与智能手机的位置相对应，因此应用程序能够确定地标相对于用户位置的方位角。
52.因此，在用户装置是具有内置gps装置的智能手机的情况下，可存储在智能手机的软件应用程序通过以下流程确定方向：
53.i.使用所述gps装置确定智能手机的位置；
54.ii.将具有imu的视线单元指向在真实场景中的一个确切物体；
55.iii.在智能手机的屏幕上显示的街景(street view)的图像上识别所述物体的一个图像；
56.iv.从街景(street view)的数据库中提取所述物体的位置；
57.v.计算所述物体相对于智能手机的位置的方位角，以允许手持所述智能手机的一
个用户在空间中相对于所述物体定位自己。
58.需注意的是，“街景(street view)”是谷歌公司(google,inc)的专有程序的名称。由于谷歌公司在街景的开发上投入了大量资金，且易于获得，本发明偏好使用谷歌的街景。然而，任何数字地图数据库
59.将地标解析为街道级别的任何数字地图数据库都是可用的，因此在所附权利要求的全文中，术语“街景”并不旨在将权利要求的范围限制在谷歌的街景地图上，而是限制在具有类似功能的任何数字地图数据库上。
60.改善驾驶员/乘客的遭遇
61.在一个实施例中，本发明可用于允许在街角或其他位置等候的乘客将准确位置传达给配备有导航系统的出租车驾驶员，所述导航系统可实现增强的定位，以便出租车驾驶员确切知道在哪里迎接乘客。通常，乘客使用自己的移动装置获取自己的位置，然后将其传送给出租车驾驶员。但由于前面阐述的原因，乘客的移动装置获取的位置容易出错。因此，即使出租车到达的位置离乘客很近，出租车驾驶员也可能无法识别乘客。实际上，这通常是通过驾驶员给乘客打电话或反之亦然，并提供合适的方向来解决的。但这既不方便又耗时，而且在出租车是自动驾驶车辆时也不可行。
62.本发明提供了一种补救措施，因为当出租车到达乘客的上车距离内时，可以假设与出租车位置相对应的gps定位误差也适用于乘客，并因此可用于校正乘客的gps定位。因此，出租车驾驶员从乘客那里接收到粗略的gps位置和他的卫星数据，当从乘客那里接收到的卫星数据与出租车的卫星数据匹配时，应用校正，使他能够在不需要口头指示的情况下定位乘客的准确位置。
63.更一般地，本发明的这一方面提供了一种通过第二实体定位第一实体的方法，所述第一实体和第二实体分别携带第一和第二gps装置，所述第二实体具有导航系统，所述导航系统基于所述第二gps装置的gps坐标提供所述第二实体的增强的精确度定位。图3是示出由第二实体执行的这种方法中的主要操作的流程图：
64.i.接收第一gps装置的相应gps坐标和相关的卫星数据，其中所述卫星数据包括或允许确定(i)一个相关卫星的卫星方位角和仰角，(ii)来自所述相关卫星的接收信号的信噪比，以及(iii)可选地，其他数据，例如伪距；
65.ii.当第二gps装置接近第一gps装置时，比较两个gps装置各自的卫星数据；
66.iii.当两个gps装置各自的卫星数据实质上匹配时，确定第二gps装置的gps坐标与第二实体的增强的精确度定位之间的偏移(offest)；
67.以及
68.iv.将所述偏移应用于第一gps装置的gps坐标，以更好地估计第一gps装置的正确位置。
69.特别地，应当注意，参考一个或多个实施例描述的特征是通过示例而不是通过限制这些实施例来进行描述的。因此，除非另有说明或除非特定组合明显不允许的，否则仅参考一些实施例描述的可选特征被假定同样适用于所有其他实施例。
70.亦应理解，根据本发明的系统可为适当编程化的计算机。同样，本发明涵盖可由计算机读取以用于执行本发明的方法的计算机程序。本发明进一步涵盖确实能实施可由机器执行以用于执行本发明的方法的指令的程序的机器可读存储器。虽然计算机通常是移动电
话中的处理单元，但不限于此。它可以是任何其他手持或头戴式装置。手持式是指在正常使用模式下手持的装置。