一种基于位置的增强现实图像数据搜索方法及系统技术方案

本发明专利技术提供一种基于位置的增强现实图像数据搜索方法及系统，属于计算机应用技术领域。所述方法包括：确定移动终端设备镜头的视域；为城市空间POI集合O中的所有POI构建基于方向和位置感知的索引结构，根据确定的视域和构建的索引结构，定位能在移动终端设备屏幕上最佳显示的POI o；获取该城市空间对应的图像集，对图像集中的图像进行FOV提取，得到图像集对应的FOV集合F；构建POI

【技术实现步骤摘要】
一种基于位置的增强现实图像数据搜索方法及系统


[0001]本专利技术涉及计算机应用
，特别是指一种基于位置的增强现实图像数据搜索方法及系统。

技术介绍

[0002]随着如智能手机等移动终端设备的广泛普及，用户每天都会在互联网上上传大量的图像数据，而对这些图像数据的挖掘分析可以进一步提高用户基于位置服务的质量。但由于这些图像数据海量、非结构化的特点，使对图像数据的分析、查询和管理面临着一系列的挑战。

技术实现思路

[0003]本专利技术实施例提供了基于位置的增强现实图像数据搜索方法及系统，能够在实现非结构图像数据的高效管理和搜索的同时提高用户的观感体验。所述技术方案如下：一方面，提供了一种基于位置的增强现实图像数据搜索方法，包括：确定移动终端设备镜头的视域；为城市空间POI集合O中的所有POI构建基于方向和位置感知的索引结构，根据确定的视域和构建的索引结构，定位能在移动终端设备屏幕上最佳显示的POI o；其中，POI表示兴趣点；获取该城市空间对应的图像集，对图像集中的图像进行FOV提取，得到图像集对应的FOV集合F，其中，F中的FOV元素与图像集中的图像通过编号对应，FOV表示视域；构建POI
‑
FOV字典列表，该字典列表的键为POI的id，对应值为能覆盖这个POI的所有FOV的编号构成的集合；其中，id表示唯一编码；搜索POI
‑
FOV字典列表，定位能覆盖到最佳POI o的所有FOV的编号，并在图像集中根据编号定位这些FOV对应的图像，构成包含o的图像结果集S；在移动终端设备的屏幕上显示拍摄到的最佳POI o的名称、空间位置、文本描述以及S中的所有图像。
[0004]进一步地，所述确定移动终端设备镜头的视域包括：根据GPS定位技术获取移动终端设备所处的位置；根据罗盘信息获取移动终端设备镜头的朝向角度；根据移动终端设备镜头的光学参数获取镜头可视距离及可视角度，得到移动终端设备镜头的视域。
[0005]进一步地，集合O中的每个POI都具备一个id属性、名称属性name、空间位置属性location和文本描述属性text，其中，文本描述为此POI的简介。
[0006]进一步地，所述为城市空间POI集合O中的所有POI构建基于方向和位置感知的索引结构包括：A1、计算城市空间POI集合O覆盖的空间范围R = [X1, Y1, X2, Y2]，(X1, Y1)为R的
左下顶点坐标，(X2, Y2)为R的右上顶点坐标；A2、判断集合O是否为空，为空则跳转到步骤A5，否则跳转到步骤A3；A3、在空间R
‑
A内随机生成一个数据点point(x, y)，同时沿正X方向和正Y方向逐步扩展数据点point为逐步增大的矩形区域area，即每次扩展point的x和y值在前次扩展基础上分别增大和，直至area内POI数最大且不超过正整数k扩展结束，其中， R
‑
A表示未被叶子节点覆盖的空间区域；A4、将area构建为一个叶子节点leaf，将leaf存入集合A中并跳转到步骤A2；其中，集合A中存储的是目前已经确定的所有叶子节点，叶子节点属性包括：空间范围属性spacerange，它是area覆盖的空间范围，为一个矩形；孩子属性children，它为一个集合，包含位置位于spacerange内的所有POI，并将这些POI从集合O中移除；空间方向属性spacedirection，为矩形spacerange相对于R左下顶点的空间角度范围；空间距离属性distance，为矩形spacerange相对于R左下顶点的最小距离；A5、判断集合A中节点数是否大于k，大于k则跳转到步骤A6，否则跳转到步骤A9；A6、在空间R
‑
A
’
内随机生成数据点point
’
，聚集point
’
周围的至多k个节点，并把这些节点从集合A中移除，其中，A
’
中存储的是目前已经确定的相较于A中节点高一层的节点，R
‑
A
’
为未被当前最高层节点覆盖的空间区域；A7、将找到的至多k个节点构建为一个较高一层的节点node，将node存入集合A
’
中；其中，node节点属性包括：空间范围属性spacerange，为node覆盖的空间范围，为一个矩形；孩子属性children，它为一个集合，包含位置位于spacerange内的较node低一层的节点；空间方向属性spacedirection，为矩形spacerange相对于R左下顶点的空间角度范围；空间距离属性distance，为矩形spacerange相对于R左下顶点的最小距离；A8、令A代替A
’
，并清空A
’
，然后跳转到步骤A5；A9、构建一个根节点root，其孩子属性children为由A
’
中所有节点构成的集合，输出root。
[0007]进一步地，所述根据确定的视域和构建的索引结构，定位能在移动终端设备屏幕上最佳显示的POI o包括：B1、创建集合nodeSet，将根节点root存入集合nodeSet中；B2、从集合nodeSet中移除存入的节点；B3、判断从集合nodeSet中移除的节点的类型，若为叶子节点跳转到步骤B4，否则跳转到步骤B5；B4、移除的节点为一个叶子节点，用leaf表示此移除节点，遍历此叶子节点leaf的孩子集合leaf.children，将位于视域f内且距离最近的POI存入集合poiSet中；其中，表示移动终端设备所处的位置；B5、移除的节点为一个非叶子节点，用node表示此移除节点，遍历此非叶子节点
node的孩子集合node.children，对任意孩子child将空间方向属性child.spacedirection和空间距离属性child.distance分别以为参考进行映射得到child.spacedirection
’
和child.distance
’
，若child.spacedirection
’
与存在交集且child.distance
’
小于，则将child存入nodeSet；其中，、分别表示移动终端设备镜头可视距离及可视角度；B6、判断nodeSet是否为空，为空则跳转到步骤B7，否则跳转到步骤B2；B7、将集合poiSet中最靠近方向的POI作为最佳显示POI o，输出o；其中，表示移动终端设备镜头的朝向角度。
[0008]进一步地，所述获取该城市空间对应的图像集，对图像集中的图像进行FOV提取，得到图像集对应的FOV集合F包括：获取该城市空间对应的图像集，并对图像集中的图像进行增强、复原、编码处理；对处理后的图像进行FOV提取，得到图像集对应的FOV集合F。
[0009]一方面，提供了一种基于位置的增强现实图像数据搜索系统，包括：视域确定模块，用于确定移动终端设备镜头的视域；第一定位模块，用于为城市空间POI集本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于位置的增强现实图像数据搜索方法，其特征在于，包括：确定移动终端设备镜头的视域；为城市空间POI集合O中的所有POI构建基于方向和位置感知的索引结构，根据确定的视域和构建的索引结构，定位能在移动终端设备屏幕上最佳显示的POI o；其中，POI表示兴趣点；获取该城市空间对应的图像集，对图像集中的图像进行FOV提取，得到图像集对应的FOV集合F，其中，F中的FOV元素与图像集中的图像通过编号对应，FOV表示视域；构建POI
‑
FOV字典列表，该字典列表的键为POI的id，对应值为能覆盖这个POI的所有FOV的编号构成的集合；其中，id表示唯一编码；搜索POI
‑
FOV字典列表，定位能覆盖到最佳POI o的所有FOV的编号，并在图像集中根据编号定位这些FOV对应的图像，构成包含o的图像结果集S；在移动终端设备的屏幕上显示拍摄到的最佳POI o的名称、空间位置、文本描述以及S中的所有图像。2.根据权利要求1所述的基于位置的增强现实图像数据搜索方法，其特征在于，所述确定移动终端设备镜头的视域包括：根据GPS定位技术获取移动终端设备所处的位置；根据罗盘信息获取移动终端设备镜头的朝向角度；根据移动终端设备镜头的光学参数获取镜头可视距离及可视角度，得到移动终端设备镜头的视域。3.根据权利要求1所述的基于位置的增强现实图像数据搜索方法，其特征在于，集合O中的每个POI都具备一个id属性、名称属性name、空间位置属性location和文本描述属性text，其中，文本描述为此POI的简介。4.根据权利要求1所述的基于位置的增强现实图像数据搜索方法，其特征在于，所述为城市空间POI集合O中的所有POI构建基于方向和位置感知的索引结构包括：A1、计算城市空间POI集合O覆盖的空间范围R = [X1, Y1, X2, Y2]，(X1, Y1)为R的左下顶点坐标，(X2, Y2)为R的右上顶点坐标；A2、判断集合O是否为空，为空则跳转到步骤A5，否则跳转到步骤A3；A3、在空间R
‑
A内随机生成一个数据点point(x, y)，同时沿正X方向和正Y方向逐步扩展数据点point为逐步增大的矩形区域area，即每次扩展point的x和y值在前次扩展基础上分别增大
∆
x和
∆
y，直至area内POI数最大且不超过正整数k扩展结束，其中， R
‑
A表示未被叶子节点覆盖的空间区域；A4、将area构建为一个叶子节点leaf，将leaf存入集合A中并跳转到步骤A2；其中，集合A中存储的是目前已经确定的所有叶子节点，叶子节点属性包括：空间范围属性spacerange，它是area覆盖的空间范围，为一个矩形；孩子属性children，它为一个集合，包含位置位于spacerange内的所有POI，并将这些POI从集合O中移除；空间方向属性spacedirection，为矩形spacerange相对于R左下顶点的空间角度范围；空间距离属性distance，为矩形spacerange相对于R左下顶点的最小距离；
A5、判断集合A中节点数是否大于k，大于k则跳转到步骤A6，否则跳转到步骤A9；A6、在空间R
‑
A
’
内随机生成数据点point
’
，聚集point
’
周围的至多k个节点，并把这些节点从集合A中移除，其中，A
’
中存储的是目前已经确定的相较于A中节点高一层的节点，R
‑
A
’
为未被当前最高层节点覆盖的空间区域；A7、将找到的至多k个节点构建为一个较高一层的节点node，将node存入集合A
’
中；其...

【专利技术属性】
技术研发人员：张波，张超，万亚东，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：