用于地理空间对象/特性检测的贝叶斯方法技术

公开了用于地理空间对象/特性检测的贝叶斯方法。使用观察和非观察来确定感兴趣对象(205)的位置。多个图像(341‑345)与图像捕获信息(包括图像捕获位置(221‑225))相关联地存储在数据库中。图像识别用于确定图像中的哪些图像包括感兴趣对象(205)以及图像中的哪些图像不包括感兴趣对象。对于捕获图像的区域内的多个候选位置(455)中的每一个，使用确定为包括感兴趣对象的图像的图像捕获信息，并且使用确定为不包括感兴趣对象的图像的图像捕获信息来计算在候选位置处存在感兴趣对象的可能性值。使用多个候选位置的可能性值来确定该对象的位置。

Bayesian Method for Geospatial Object/Characteristics Detection

A Bayesian method for geospatial object/feature detection is disclosed. Use observation and non-observation to locate the object of interest (205). Multiple images (341 345) are stored in a database in association with image capture information, including image capture location (221 225). Image recognition is used to determine which images in an image include objects of interest (205) and which images in an image do not include objects of interest. For each of the multiple candidate locations (455) in the captured image area, the image capture information determined to include the object of interest is used, and the image capture information determined to exclude the object of interest is used to calculate the possibility value of the existence of the object of interest at the candidate location. Possibility values for multiple candidate locations are used to determine the location of the object.

【技术实现步骤摘要】
用于地理空间对象/特性检测的贝叶斯方法
技术介绍
随着时间的推移，越来越多的地理空间影像(imagery)变得可用。通过这样的影像执行语义搜索随着数量的增加变得更具挑战性。语义搜索是通过名称而不是精确的像素模式寻找特定的对象或环境属性，诸如灯柱或公园土地。传统的语义搜索方法需要手动查看，并且新兴的方法需要精心训练和特定于调整目的的图像识别模型。例如，手动三角测量非常劳动密集、速度慢且成本高，而自动三角测量需要复杂和费力地创建特定于本地化的图像识别模型或非常高分辨率的影像，并且仍可提供不精确的位置。虽然通用图像分类模型可用于照片存储或网页搜索，但这些非特定模型缺乏精确性来充分定位对象。
技术实现思路
本公开的一个方面提供了一种确定感兴趣对象的位置的方法。该方法包括从图像的数据库中识别与感兴趣区域有关的多个图像的集合，多个图像中的每一个图像具有与其相关联的图像捕获信息，所述图像捕获信息至少包括图像捕获位置。该方法进一步包括：将图像识别工具应用于多个图像的集合中的每一个图像；以及基于图像识别工具的应用，确定所述多个图像中的哪些图像包括感兴趣对象以及所述多个图像中的哪些图像不包括感兴趣对象。对于感兴趣区域中的多个候选位置中的每一个候选位置，使用所述多个图像的集合中被确定为包括感兴趣对象的图像的图像捕获信息，并且使用所述多个图像的集合中被确定为不包括感兴趣对象的图像的图像捕获信息，计算在相应候选位置处存在所述感兴趣对象的可能性值。使用多个候选位置的可能性值来确定所述感兴趣对象的位置。根据一些示例，用于所述多个图像中的至少一些图像的图像捕获信息包括图像捕获位置和图像捕获定向，并且其中计算在给定位置处存在所述感兴趣对象的所述可能性值包括使用图像捕获定向。在前述任一实施例中，确定所述多个图像中的哪些图像包括感兴趣对象以及所述多个图像中的哪些图像不包括感兴趣对象包括确定图像包括或不包括感兴趣对象的置信度因子，以及其中计算在位置处存在所述感兴趣对象的所述可能性值包括使用所确定的置信度因子。在任何前述实施例中，计算在候选位置处存在的感兴趣对象的所述可能性值包括：对多个图像的集合中被确定为包括感兴趣对象的图像应用具有第一符号的因子，对多个图像的集合中被确定为不包括感兴趣对象的图像应用具有第二符号的因子，第二符号与第一符号相反。在任何前述实施例中，感兴趣区域中的多个候选位置可以包括多个位置的网格。在任何前述实施例中，多个候选位置可以包括包含在多个图像的集合中的每一个图像的视场中的位置。在任何前述实施例中，图像识别工具可以被配置为检测离散对象。在任何前述实施例中，图像识别工具可以被配置为检测具有特定特性的对象。在任何前述实施例中，图像识别工具可以是从图像识别工具的库中选择的。本公开的另一方面提供了一种系统，该系统包括存储与位置信息相关联的多个图像的存储器以及与存储器通信的一个或多个处理器。一个或多个处理器被编程为从多个图像中识别与感兴趣区域有关的图像的集合，使用图像识别来确定所述图像中的哪些图像包括感兴趣对象，并且使用图像识别来确定所述图像中的哪些图像不包括感兴趣对象。对于感兴趣区域中的多个候选位置中的每一个候选位置，使用所述图像的集合中被确定为包括感兴趣对象的图像的位置信息，并且使用所述图像的集合中被确定为不包括感兴趣对象的图像的位置信息，计算在相应候选位置处存在所述感兴趣对象的可能性值。一个或多个处理器被进一步编程为使用多个候选位置的可能性值来确定所述感兴趣对象的位置。在一些示例中，该系统还可以包括用于识别图像中的对象或属性的图像识别工具。此外，一个或多个处理器还可以被配置为提供所确定的位置信息以供输出到显示器。本专利技术的另一个方面提供一种存储指令的计算机可读介质，指令可由处理器执行以执行确定感兴趣对象的位置的方法。这样的指令提供用于从图像的数据库中识别与感兴趣区域有关的多个图像的集合，图像中的每一个图像具有与其相关联的图像捕获信息，图像捕获信息至少包括图像捕获位置，将图像识别工具应用于所述多个图像的集合中的每一个图像；基于图像识别工具的应用，确定所述多个图像中的哪些图像包括感兴趣对象以及所述多个图像中的哪些图像不包括感兴趣对象。指令还提供对于感兴趣区域中的多个候选位置中的每一个候选位置，使用所述多个图像的集合中被确定为包括感兴趣对象的图像的图像捕获信息，并且使用所述多个图像的集合中被确定为不包括感兴趣对象的图像的图像捕获信息，计算在相应候选位置处存在所述感兴趣对象的可能性值，并且使用多个候选位置的可能性值来确定所述感兴趣对象的位置。附图说明图1是根据本公开的方面的示例系统的框图。图2是根据本公开的方面的示例观察和非观察的俯视图图示。图3示出了与图2的观察和非观察的俯视图图示相关联的街道级别影像。图4是根据本公开的方面的与多个小区有关的观察和非观察的俯视图图示。图5是根据本公开的方面的观察和非观察的另一个示例的俯视图图示。图6是根据本公开的方面的观察和非观察的另一个示例的俯视图图示。图7是根据本公开的方面的使用边界框的示例聚焦观察的俯视图图示。图8是根据本公开的方面的示例障碍的俯视图图示。图9是根据本公开的方面的影响观察的障碍的示例概率的俯视图图示。图10图示出了根据本公开的方面的使用观察和非观察的语义搜索的示例输出。图11是图示出根据本公开的方面的使用观测和非观测来确定对象位置的示例方法的流程图。具体实施方式概述本技术一般涉及图像识别和地图。更具体地，从观察和非观察二者导出的信息被用于定位特定对象或特征。例如，为了在目标地理区域内定位所有消防栓，可以对该区域的图像执行图像识别，其中包括消防栓的图像以及不包括消防栓的图像被用于更精确地计算每一个消防栓的位置。观察附近的非观察显著缩小了对象可以处于的位置范围。通过使用图像识别工具并计算多个位置的可能性，即使图像不是高分辨率和/或与低分辨率或不可靠的图像捕获信息相关联，也可以相对容易地并以相对高的置信度确定对象的位置。例如，这可以允许使用例如来自智能电话的非专业内容执行对象位置识别。通过使用未被确定为包括感兴趣对象的图像的信息，可以改善对象位置识别。此外，这可以以没有或相对较少的计算成本实现。对于特定对象或特征的候选位置集合确定初始化值。例如，可以将每一个候选位置的初始化值设置为零，或者在更复杂的版本中，在图像识别分析之前将其设置为先前可能性值，表示对象或特征存在于该位置的可能性。例如，对于每一个位置，在应用图像识别工具之前，基于目标区域中的消防栓的数量和目标区域的尺寸，该位置包含消防栓的可能性可以是x％。候选位置可以均由例如站点的离散列表(例如，仅街道拐角)、目标区域的网格或网格分割、目标区域的栅格化地图(例如，栅格的每一个像素是单元)、或连续的向量和渐变定义的区域集合来限定。对于多个图像中的每一个图像，将图像识别工具应用于图像以获得特定对象或特征在图像中可见的分值或置信度评级。可以将该分值或置信度评级转换为指示在图像识别之后对象位于图像中所描绘的区域中的可能性增加的量的归一化值。例如，在图像包含消防栓的先前可能性(在图像识别分析之前)为x％的情况下，在图像识别之后，取决于图像中是否识别到消防栓可能性可以从x％增加到(x+n)％或从(x％)减小到(x-m)％。并且在处理连续的本文档来自技高网...

【技术保护点】
1.一种确定感兴趣对象的位置的方法，所述方法包括：从图像的数据库中识别与感兴趣区域有关的多个图像的集合，所述多个图像中的每一个图像具有与其相关联的图像捕获信息，所述图像捕获信息至少包括图像捕获位置；将图像识别工具应用于所述多个图像的集合中的每一个图像；基于所述图像识别工具的应用，确定所述多个图像中的哪些图像包括所述感兴趣对象以及所述多个图像中的哪些图像不包括所述感兴趣对象；对于所述感兴趣区域中的多个候选位置中的每一个候选位置，使用所述多个图像的集合中被确定为包括所述感兴趣对象的图像的图像捕获信息，并且使用所述多个图像的集合中被确定为不包括所述感兴趣对象的图像的图像捕获信息，计算在相应候选位置处存在所述感兴趣对象的可能性值；以及使用针对所述多个候选位置的可能性值来确定所述感兴趣对象的位置。

【技术特征摘要】
2017.05.24 US PCT/US2017/0342081.一种确定感兴趣对象的位置的方法，所述方法包括：从图像的数据库中识别与感兴趣区域有关的多个图像的集合，所述多个图像中的每一个图像具有与其相关联的图像捕获信息，所述图像捕获信息至少包括图像捕获位置；将图像识别工具应用于所述多个图像的集合中的每一个图像；基于所述图像识别工具的应用，确定所述多个图像中的哪些图像包括所述感兴趣对象以及所述多个图像中的哪些图像不包括所述感兴趣对象；对于所述感兴趣区域中的多个候选位置中的每一个候选位置，使用所述多个图像的集合中被确定为包括所述感兴趣对象的图像的图像捕获信息，并且使用所述多个图像的集合中被确定为不包括所述感兴趣对象的图像的图像捕获信息，计算在相应候选位置处存在所述感兴趣对象的可能性值；以及使用针对所述多个候选位置的可能性值来确定所述感兴趣对象的位置。2.根据权利要求1所述的方法，其中用于所述多个图像中的至少一些图像的所述图像捕获信息包括图像捕获位置和图像捕获定向，并且其中计算在给定位置处存在所述感兴趣对象的所述可能性值包括使用所述图像捕获定向。3.根据权利要求1所述的方法，其中确定所述多个图像中的哪些图像包括感兴趣对象以及所述多个图像中的哪些图像不包括所述感兴趣对象包括确定所述多个图像包括或不包括所述感兴趣对象的置信度因子，以及其中计算在所述位置处存在所述感兴趣对象的所述可能性值包括使用所确定的置信度因子。4.根据权利要求1所述的方法，其中，计算在所述候选位置处存在所述感兴趣对象的所述可能性值包括：对所述多个图像的集合中被确定为包括所述感兴趣对象的图像应用具有第一符号的因子，以及对所述多个图像的集合中被确定为不包括所述感兴趣对象的图像应用具有第二符号的因子，所述第二符号与所述第一符号相反。5.根据权利要求1所述的方法，其中，所述感兴趣区域中的所述多个候选位置包括多个位置的网格。6.根据权利要求1所述的方法，其中，所述多个候选位置包括包含在所述多个图像的集合中的每一个图像的视场中的位置。7.根据权利要求1所述的方法，其中，所述图像识别工具被配置为检测离散对象。8.根据权利要求1所述的方法，其中，所述图像识别工具被配置为检测具有特定特性的对象。9.根据权利要求1所述的方法，其中，所述图像识别工具是从图像识别工具的库中选择的。10.一种系统，包括：存储与位置信息相关联的多个图像的存储器；以及与所述存储器通信的一个或多个处理器，所述一个或多个处理器被编程为：从所述多个图像中识别与感兴趣区域有关的图像的集合；使用图像识别来确定所述图像中的哪些图像包括所述感兴趣对象；使用图像识别来确定所述图像中的哪些图像不包括所述感兴趣对象；对于所述感...

【专利技术属性】
技术研发人员：迈克尔·格林，
申请(专利权)人：谷歌有限责任公司，
类型：发明
国别省市：美国,US