用于定位电子设备的方法、设备、装置以及存储介质制造方法及图纸

公开了一种用于定位电子设备的方法、设备、装置以及存储介质。所述方法包括：接收来自电子设备的定位请求，其中所述定位请求包括电子设备检测到的用于定位的相关信息；基于检测到的用于定位的相关信息从多个地理网格中确定多个候选地理网格，以及针对多个候选地理网格中的每一个，将用于定位的相关信息与该候选地理网格的位置指纹的参数进行比对，以确定定位请求与该候选地理网格之间的匹配特征；利用深度神经网络对所述匹配特征进行变换，以生成变换后的匹配特征，其中变换后的匹配特征指示电子设备与该候选地理网格之间的地理距离；根据针对多个候选地理网格分别确定的多个变换后的匹配特征确定电子设备的地理位置。

Methods, equipment, devices and storage media for locating electronic devices

【技术实现步骤摘要】
用于定位电子设备的方法、设备、装置以及存储介质
本公开涉及地理定位领域，具体涉及一种用于定位电子设备的方法、设备、装置以及存储介质。
技术介绍
在地理定位领域常用的定位方法包括基于卫星信号的定位、基站信号的定位以及基于Wifi信号的定位。在基站信号定位精度较低，卫星信号可能暂时无法连接的情况下，基于Wifi信号的定位成为了目前地理定位领域的重要定位手段。
技术实现思路
本公开的目的是提供一种用于定位电子设备的方法、设备、装置以及存储介质。利用本公开提供的方法，可以通过利用大量已知的定位数据学习出合理的匹配特征以提高定位精度。根据本公开的一个方面，提供了一种用于在预设的地理范围内定位电子设备的方法，其中所述预设的地理范围被划分成多个地理网格，所述方法包括：接收来自电子设备的定位请求，其中所述定位请求包括所述电子设备检测到的用于定位的相关信息；基于检测到的用于定位的相关信息从所述多个地理网格中确定多个候选地理网格，以及针对所述多个候选地理网格中的每一个，将所述用于定位的相关信息与该候选地理网格的位置指纹的参数进行比对，以确定所述定位请求与该候选地理网格之间的匹配特征；利用深度神经网络对所述匹配特征进行变换，以生成变换后的匹配特征，其中所述变换后的匹配特征指示所述电子设备与该候选地理网格之间的地理距离；根据针对所述多个候选地理网格分别确定的多个变换后的匹配特征确定对应于所述定位请求的地理位置。在一些实施例中，根据针对所述多个候选地理网格分别确定的多个定位匹配特征确定对应于所述定位请求的地理位置包括：针对所述多个候选地理网格中的每一个，利用分类模型确定针对该候选地理网格确定的变换后的匹配特征指示的所述电子设备与该候选地理网格之间的地理距离属于第一类别的概率，其中第一类别指示该电子设备与该候选地理网格之间的地理距离小于预设的地理距离；根据针对所述多个候选地理网格分别确定的多个概率确定所述电子设备的当前地理位置。在一些实施例中，根据针对所述多个候选地理网格分别确定的多个概率确定所述电子设备的当前地理位置包括：对所述多个概率进行排序，并根据属于第一类别的概率最高的候选地理网格的地理位置确定所述电子设备的地理位置。在一些实施例中，根据针对所述多个候选地理网格分别确定的多个概率确定所述电子设备的当前地理位置包括：对所述多个概率进行排序，并根据属于第一类别的概率最高的多个候选地理网格的地理位置的平均值或加权平均值确定为所述电子设备的地理位置。在一些实施例中，其中所述地理网格的位置指纹是通过以下方式确定的：确定所述预设的地理范围内的多个样本定位点，其中每个样本定位点包括该样本定位点的地理位置以及在对应的地理位置检测到的用于定位的相关信息；确定所述多个地理网格的位置指纹，其中每个地理网格的位置指纹的参数是根据位于该地理网格内的样本定位点包括的用于定位的相关信息的统计量确定的。在一些实施例中，所述深度神经网络是通过以下步骤训练的：将所述多个样本定位点中的一个确定为基准定位点，并根据所述基准定位点的地理位置在所述多个样本定位点中确定一个第一类定位点和一个第二类定位点，其中，所述第一类定位点是与所述基准定位点之间的地理距离小于预设的地理距离阈值的样本定位点，所述第二类定位点是与所述基准定位点之间的地理距离大于预设的地理距离阈值的样本定位点；根据地理位置确定所述基准定位点、所述第一类定位点以及所述非第二定位点所在的地理网格；对于所述基准定位点、所述第一类定位点以及所述非第二定位点中的每一个，将该定位点的用于定位的相关信息与该定位点所在的地理网格的位置指纹的参数进行比对，以确定该定位点与该定位点所在的地理网格之间的匹配特征；利用深度神经网络对该匹配特征进行变换，以生成变换后的匹配特征；根据所述基准定位点、所述第一类定位点以及所述第二类定位点的变换后的匹配特征，确定所述基准定位点与所述第一类定位点之间的第一距离，以及所述基准定位点与所述第二类定位点之间的第二距离；调整深度神经网络的参数使得所述第一距离小于预设的第一距离阈值，所述第二距离大于预设的第二距离阈值。在一些实施例中，所述第一距离是用于所述基准定位点的变换后的匹配特征和用于所述第一类定位点的变换后的匹配特征的欧氏距离；所述第二距离是用于所述基准定位点的变换后的匹配特征和用于所述第二类定位点的变换后的匹配特征的欧氏距离。在一些实施例中，用于所述基准定位点的匹配特征与所述第一类定位点的匹配特征之间的距离和用于所述基准定位点的匹配特征与所述第二类定位点的匹配特征之间的距离的差别小于预设的阈值。在一些实施例中，所述电子设备检测到的用于定位的相关信息是所述电子设备检测到的Wifi相关的信息。根据本公开的另一方面，还提供了一种用于定位电子设备的设备，包括：定位请求接收单元，配置成接收来自电子设备的定位请求，其中所述定位请求包括所述电子设备检测到的用于定位的相关信息；候选地理网格确定单元，配置成基于检测到的用于定位的相关信息从所述多个地理网格中确定多个候选地理网格，以及匹配特征确定单元，配置成针对所述多个候选地理网格中的每一个，将所述用于定位的相关信息与该候选地理网格的位置指纹的参数进行比对，以确定所述定位请求与该候选地理网格之间的匹配特征；利用深度神经网络对所述匹配特征进行变换，以生成变换后的匹配特征，其中所述变换后的匹配特征指示所述电子设备与该候选地理网格之间的地理距离；地理位置确定单元，配置成根据针对所述多个候选地理网格分别确定的多个变换后的匹配特征确定对应于所述定位请求的地理位置。在一些实施例中，所述地理位置确定单元还配置成：针对所述多个候选地理网格中的每一个，利用分类模型确定针对该候选地理网格确定的变换后的匹配特征指示的所述电子设备与该候选地理网格之间的地理距离属于第一类别的概率，其中第一类别指示该电子设备与该候选地理网格之间的地理距离小于预设的地理距离；根据针对所述多个候选地理网格分别确定的多个概率确定所述电子设备的当前地理位置。在一些实施例中，根据针对所述多个候选地理网格分别确定的多个概率确定所述电子设备的当前地理位置包括：对所述多个概率进行排序，并根据属于第一类别的概率最高的候选地理网格的地理位置确定所述电子设备的地理位置。在一些实施例中，根据针对所述多个候选地理网格分别确定的多个概率确定所述电子设备的当前地理位置包括：对所述多个概率进行排序，并根据属于第一类别的概率最高的多个候选地理网格的地理位置的平均值或加权平均值确定为所述电子设备的地理位置。在一些实施例中，所述地理网格的位置指纹是通过以下方式确定的：确定所述预设的地理范围内的多个样本定位点，其中每个样本定位点包括该样本定位点的地理位置以及在对应的地理位置检测到的用于定位的相关信息；确定所述多个地理网格的位置指纹，其中每个地理网格的位置指纹的参数是根据位于该地理网格内的样本定位点包括的用于定位的相关信息的统计量确定的。在一些实施例中，所述深度神经网络是通过以下步骤训练的：将所述多个样本定位点中的一个确定为基准定位点，并根据所述基准定位点的地理位置在所述多个样本定位点中确定一个第一类定位点和一个第二类定位点，其中，所述第一类定位点是与所述基准定位点之间的地理距离小于预设的地理距离阈值的样本定位点，所述第二类定位点是本文档来自技高网...

【技术保护点】
1.一种用于在预设的地理范围内定位电子设备的方法，其中所述预设的地理范围被划分成多个地理网格，所述方法包括：接收来自电子设备的定位请求，其中所述定位请求包括所述电子设备检测到的用于定位的相关信息；基于检测到的用于定位的相关信息从所述多个地理网格中确定多个候选地理网格，以及针对所述多个候选地理网格中的每一个，将所述用于定位的相关信息与该候选地理网格的位置指纹的参数进行比对，以确定所述定位请求与该候选地理网格之间的匹配特征；利用深度神经网络对所述匹配特征进行变换，以生成变换后的匹配特征，其中所述变换后的匹配特征指示所述电子设备与该候选地理网格之间的地理距离；根据针对所述多个候选地理网格分别确定的多个变换后的匹配特征确定对应于所述定位请求的地理位置。

【技术特征摘要】
1.一种用于在预设的地理范围内定位电子设备的方法，其中所述预设的地理范围被划分成多个地理网格，所述方法包括：接收来自电子设备的定位请求，其中所述定位请求包括所述电子设备检测到的用于定位的相关信息；基于检测到的用于定位的相关信息从所述多个地理网格中确定多个候选地理网格，以及针对所述多个候选地理网格中的每一个，将所述用于定位的相关信息与该候选地理网格的位置指纹的参数进行比对，以确定所述定位请求与该候选地理网格之间的匹配特征；利用深度神经网络对所述匹配特征进行变换，以生成变换后的匹配特征，其中所述变换后的匹配特征指示所述电子设备与该候选地理网格之间的地理距离；根据针对所述多个候选地理网格分别确定的多个变换后的匹配特征确定对应于所述定位请求的地理位置。2.如权利要求1所述的方法，其中，根据针对所述多个候选地理网格分别确定的多个定位匹配特征确定对应于所述定位请求的地理位置包括：针对所述多个候选地理网格中的每一个，利用分类模型确定针对该候选地理网格确定的变换后的匹配特征指示的所述电子设备与该候选地理网格之间的地理距离属于第一类别的概率，其中第一类别指示该电子设备与该候选地理网格之间的地理距离小于预设的地理距离；根据针对所述多个候选地理网格分别确定的多个概率确定所述电子设备的当前地理位置。3.如权利要求2所述的方法，其中，根据针对所述多个候选地理网格分别确定的多个概率确定所述电子设备的当前地理位置包括：对所述多个概率进行排序，并根据属于第一类别的概率最高的候选地理网格的地理位置确定所述电子设备的地理位置。4.如权利要求2所述的方法，其中，根据针对所述多个候选地理网格分别确定的多个概率确定所述电子设备的当前地理位置包括：对所述多个概率进行排序，并根据属于第一类别的概率最高的多个候选地理网格的地理位置的平均值或加权平均值确定为所述电子设备的地理位置。5.如权利要求1至4任一项所述的方法，其中所述地理网格的位置指纹是通过以下方式确定的：确定所述预设的地理范围内的多个样本定位点，其中每个样本定位点包括该样本定位点的地理位置以及在对应的地理位置检测到的用于定位的相关信息；确定所述多个地理网格的位置指纹，其中每个地理网格的位置指纹的参数是根据位于该地理网格内的样本定位点包括的用于定位的相关信息的统计量确定的。6.如权利要求5所述的方法，其中所述深度神经网络是通过以下步骤训练的：将所述多个样本定位点中的一个确定为基准定位点，并根据所述基准定位点的地理位置在所述多个样本定位点中确定一个第一类定位点和一个第二类定位点，其中，所述第一类定位点是与所述基准定位点之间的地理距离小于预设的地理距离阈值的样本定位点，所述第二类定位点是与所述基准定位点之间的地理距离大于预设的地理距离阈值的样本定位点；根据地理位置确定所述基准定位点、所述第一类定位点以及所述非第二定位点所在的地理网格；对于所述基准定位点、所述第一类定位点以及所述非第二定位点中的每一个，将该定位点的用于定位的相关信息与该定位点所在的地理网格的位置指纹的参数进行比对，以确定该定位点与该定位点所在的地理网格之间的匹配特征；利用深度神经网络对该匹配特征进行变换，以生成变换后的匹配特征；根据所述基准定位点、所述第一类定位点以及所述第二类定位点的变换后的匹配特征，确定所述基准定位点与所述第一类定位点之间的第一距离，以及所述基准定位点与所述第二类定位点之间的第二距离；调整深度神经网络的参数使得所述第一距离小于预设的第一距离阈值，所述第二距离大于预设的第二距离阈值。7.如权利要求6所述的方法，其中，所述第一距离是用于所述基准定位点的变换后的匹配特征和用于所述第一类定位点的变换后的匹配特征的欧氏距离；所述第二距离是用于所述基准定位点的变换后的匹配特征和用于所述第二类定位点的变换后的...

【专利技术属性】
技术研发人员：倪嘉志，李欣，
申请(专利权)人：腾讯大地通途北京科技有限公司，腾讯科技深圳有限公司，
类型：发明
国别省市：北京,11