集成图像和基于网络的拓扑数据通过空间数据融合的室内定位服务

文摘

如今,空间信息的重要性和利用是公认的。特别是在城市地区,对室内空间信息的需求吸引注意力和通常需要高精度的三维数据。然而准确,大多数方法存在的问题在施工成本和易于更新。图片是便利和有用的表达室内空间,但像素数据不能直接用于提供室内服务。一个基于网络的拓扑数据给信息空间的空间关系描述的形象,以及使识别这些空间和中包含的对象。在本文中,我们提出一个图像数据之间的数据融合方法和基于网络的拓扑数据,无需数据转换,使用参考数据,或者一个单独的数据模型。使用空间的概念扩展点(9月),我们实现这个方法来建立一个全向图像和IndoorGML数据之间的通信提供一个室内空间服务。该算法利用位置信息由用户确定图像中定义一个3 d区域用于区分与IndoorGML和室内POI数据通信。我们实验corridor-type室内空间和构造一个室内导航平台。

1。介绍

大多数服务涉及空间数据可用于户外,室内(相比1),尽管是更重要的在城市地区,人们通常会花更多的时间在一个结构2)或在导航在疏散的情况下正在经历更多的延迟3]。这种担心收益的关注,各种方法表示已经尝试跨应用程序,尤其是当这取决于服务的领域和意图(4]。移动设备也已越来越受欢迎和结合人类的日常生活5]。

多个研究表明努力代表的室内环境,如光探测和测距(激光雷达)或通过建筑信息模型(BIM)数据(6),需要繁琐的数据收集或昂贵的设备。室内空间的动态特性,特别是在城市地区,需要不断更新的数据集,这些方法在成本和时间构成问题。全向360°的角度拍摄的图像(7]提供了一个选择,因为这提供了更便宜、更快的途径描述室内空间。然而,这些图像存在困难当用于提供服务超过可视化,如识别空间或物体在室内空间中,这是至关重要的应用,如导航和设施管理,因为他们只包含像素数据。例如,我们不能直接区分如果直接从走廊访问一个房间,或者相邻仅从图像到另一个房间。以同样的方式,我们可以直观地看到设施如灭火器或闭路电视摄像头。不过,他们的确切位置是无法辨认的由于缺乏几何信息。

室内网络拓扑数据可能会提供信息缺乏这些全向图像,如空间关系的空间之间的连接或容器空间内的对象。IndoorGML是标准建立的开放地理联盟(OGC)对于室内空间数据,齿轮传动主要为代表的空间导航应用程序(8]。利用拓扑数据,比如IndoorGML,使服务利用基于查询分析全向图像单独只给出可视化。,需要链接全向图像显示和室内的空间拓扑数据,代表说空间之间的关系,以及包含在对象。

不同类型的数据代表了室内空间的各个方面,而这利用各种可能的来源问题,因为兼容性问题(9]。数据融合是数据集来自各种来源或格式产生相同的输出信息的质量或增加理解底层的现象代表不同的这些数据集来解决这个问题。在这项研究中,我们的目标是提出一种图像的数据融合方法和基于网络的拓扑数据没有进行数据转换,使用一个单独的数据模型,或参考数据。我们将演示过程建立一个全向图像和IndoorGML数据之间的关系提供室内空间应用。

本文的结构如下。下一节将讨论研究在室内空间表达和数据融合的方法。第三部分介绍了提出了形象和拓扑数据融合方法。通过了解全向图像和IndoorGML数据之间的关系,我们把数据建立融合之前必须满足的需求。在下一节中,我们进行实验的实现该方法通过开发一个室内空间服务基于导航,以及室内POI显示。最后,最后一节结尾的影响,本研究的局限性和未来的研究。

2。相关研究

在本节中,我们审查如何拓扑数据和数据融合在室内空间中发挥作用的表示。我们探索各种研究关于表达室内空间的方法,以及数据融合方法的努力产生室内空间数据,旨在提供各种室内空间的服务。

典型的表达方式室内空间包括使用二维(2 d)或三维(3 d)数据。2 d方法包括最少的信息,代表了室内空间(10),如平面图CAD图纸。然而,如果在3 d的室内空间,可以分析室内空间不同而在2 d时11]具体特征似乎更加明显。这些方法可以使用现有的三维CAD模型或高精度激光雷达测量可以准确反映室内空间,但需要高成本和大文件大小。这些方法可能是实际的军事应用,游戏,或在其他情况下,服务是可行的只有当室内空间是非常准确的4]。另一方面,可以支持各种功能,如属性搜索和查看数据是否支持室内空间的拓扑关系的表达(12]。在室内环境中导航和磅,基于网络的拓扑模型强调必要的(13),尤其是在上下文的可视化和分析竣工的内部组成结构(14]。文献[15)也证明了这些类型的拓扑数据更有效的执行空间查询。

表达拓扑空间之间的关系的一个典型的方法是组合数据模型(CDM)基于Node-Relation结构(NRS) [16]。评分将3 d对象转换为一个节点,和优势代表了各自的共同边界在房间中,基于庞加莱的二元性。因此,在拓扑模型中,节点代表的室内空间,边代表连接节点之间的拓扑关系。基于清洁发展机制,开放地理联盟(OGC),空间信息的国际标准化组织,建立IndoorGML框架代表室内空间拓扑关系和数据交换。同样的,室内空间被定义为节点(也称为状态),而边缘(或称为转换)表达拓扑关系(8]。

IndoorGML能够代表的室内空间,其主要利用是室内空间的使用情况的调查,如室内磅,或室内路线分析。体系结构组件,固定装置,或对象发现空间是超出了本标准的范围内。然而,成功提供室内空间服务,这些对象包含在这些空间中,室内导航的目标,还必须代表。室内的兴趣点(室内POI)表示几何点表示的对象,用于联系各自的属性信息。因为这IndoorGML并不直接对这些对象的规范,荣格和李4)利用多层空间模型(MLSM)同时表示室内拓扑信息通过IndoorGML NRS和室内功能通过室内POI在室内巡逻服务应用程序。同样,Claridades等人讨论这个概念整合IndoorGML和室内POI。在两个研究中,层构成MLSM将空间划分为不重叠的层,和那些节点独立存在于每一层。反过来,层间关系定义层之间的关系。这个定义强调面向实现拓扑关系的表达一个节点代表一个空间(例如,一个房间),节点代表对象在空间说,见图1(17]。

在许多情况下,可能存在多个数据集来表示相同的地理特征存在的现实世界(18]。这些可能代表他们代表不同方面的特性,或每个人都使用不同的数据表示模型,因此适合每个应用程序。这种模糊性可能带来问题的数据兼容性,重复和集成的过程。数据融合是指两个或两个以上的组合数据源提供更便宜,更相关,或更高质量的信息19]。通过这种方式,执行数据融合可以克服这种困境将来自不同源的数据,通过不同的方法收集,或观察各种标准。这种方法还可以解决歧义造成的选择一个适当的数据模型的应用程序中,因为一个可能在另一个更具体的实现一个特定的任务(20.]。

数据融合在GIS的时候特别有用,因为即使地理数据集是可存取的跨应用程序,它协助的结合特性,每一个自己合适的方面,为地理空间分析(21,22]。在空间数据集的情况下通过web访问空间数据基础设施(SDI)的私人和政府组织、数据融合是可能通过关联数据的概念,使用独特的标识符和标准化web格式解决冲突的数据(23,24]。这一技术旨在帮助空间数据的生成和更新25),以及位置感知系统的建设提供服务记录人体运动并提供视觉反馈(26]。

Stankute和并定义他们的方法通过提取出最佳几何数据,从数据集和最合适的语义数据通过协调匹配21),而其他方法使用属性映射实现功能通信(27]。地球观测数据,28)数据融合应用于结合多源数据为环境状况评估使用语言量词。

IndoorGML主要提出了拓扑信息,架构数据融合方法是最合适的。这种方法主要目的是丰富的数据集,因为它只包含基本最低要求,使室内空间建模。在室内路由,其主要应用程序的目的之一IndoorGML的支持者建议常见的应用领域的扩展应用到提高利用率(29日]。增加两个标准的局限性在代表室内空间30.),一个室内空间数据模型(ISDM)指CityGML特性模型和IndoorGML拓扑模型,提出了通过定义附加特性类。另一方面,拓扑关系模型(TRM) [20.)本质上建立数据之间的联系通过几何匹配从各自的模型生成的数据。因为并不是所有的数据集可能的来源的几何信息,找到问题的拓扑性数据融合模型从表面,生成拓扑数据网络,基于卷的数据建立匹配(18]。通常,这些方法确定特征之间的对应数据作为数据融合方法。然而,不可能在所有的数据集之间的匹配特性,如在图像。

有几个方法利用全向图像创建一个使用全向图像娱乐房间的布局,比如RoomNet [31日]和LayoutNet [32),提取预测空间布局从单个单元的内部,所以说亚基之间的拓扑关系和其他子单元是没有区别的。荣格和李[4]研究了利用全向图像和拓扑信息的情况下在室内巡逻的应用程序。在线网络地图服务,如谷歌街景(33)和Kakao Storeview [34)使用这些图片展示室内空间的快照的时候图像捕获。同时,沿着corridor-type集合空间的方法被确定射击点或地点这些图像可能会收集有效(35]。在应用程序建立室内巡逻,IndoorGML CellSpace类都有一个关联关系全向图像表示,每个图像代表一个空间位于每一个拍摄点,进而IndoorGML NRG中的一个节点。IndoorGML关系的定义是通过定义一个扩展在对象中包含的空间关系。然而,这里形象之间的联系和拓扑数据是实现通过使用一个参考数据。在多边形算法进行空间查询,从一个像素位置坐标计算图像中识别包含空间和属性信息。除此之外,因为像素图像中只存在视觉对象而不是离散矢量数据,以这种方式使用确切的位置来定义拓扑关系可能是困难的4]。语义图像分离成不同的对象被认为是一个鸡和蛋的问题对象的类型和形状是至关重要的,以确定是否一个像素属于对象,但这个对象必须首先是孤立的理解存在哪些对象在一个图像36]。此外,使用连接关系,图像加载在实现空间离散空间导航。实际上,这给人的印象不连续在室内空间中,尤其是在走廊。

空间扩展拓扑的概念,基于9-intersection模型(37),旨在定义移动物体的拓扑属性提供礼宾服务应用程序(38)通过定义区域的点反映了各自的势力范围。这个概念描述物体的位置,影响范围的一定范围内描述一个概念领域的潜在交互对象表示。是概念,而不是一个物理区域,如天线的传输占用或广播范围的无线路由器。这种可能性定义一个范围的距离提供了关于一个对象的各种空间推理的机会。

3所示。方法

在本节中,我们描述了框架执行图像和拓扑数据融合。然后,我们描述必要的算法执行匹配位置识别图像中的节点代表的空间拓扑数据。这些方法是必要的执行功能演示图像数据和拓扑数据的链接可以使室内空间的空间分析。

3.1。形象和拓扑数据融合的框架

我们利用数据融合的概念空间数据代表相同的室内空间,产生更多的信息比当他们是分开的。通过直接从拓扑结合信息数据和图像数据,这种方法的目的是在室内空间提供更多的相关信息,这是特别有用的在室内环境中导航和可视化。

由于视觉含量高,易于更新和相对较小的文件大小,图像数据是一个合适的室内环境的代表。然而,在室内空间提供磅,它还必须辅之以一个基于网络的拓扑数据,空间和各自表示直接通过节点和边的关系,分别。通过每个像素图像只提供信息,不包含足够的空间信息,可能会进一步帮助磅。在这个数据融合方法中,我们的目标是建立一个图像像素数据和关系数据集的节点拓扑。在伦敦商学院,用户可以想象空间(或对象)在图像像素。这个像素的位置的关键是执行一个查询来寻找相应的节点拓扑数据。这个节点代表的空间包含像素所代表的位置或一个对象包含在那个空间。我们说明了这种方法在图的框架2。

3.2。建立图像之间的关系和拓扑数据

代表室内空间和对象的方法在这些空间,很难建立一个直接匹配的拓扑数据。只包含图像像素和没有几何,很难获得的属性特性或识别自己直觉的特性。与三维坐标,可以建立一个1:1匹配的节点拓扑数据。不过,一个单独的方法有必要认识到空间或物体即使他们直观地显示。

图3说明了建立关系数据的一般方法。因为用户可以直观地看到一个物体,空间或物体识别的过程始于用户选择在图像中的位置。用户只选择一个图像中像素在这一点上,这个计算位置定义与拓扑数据的关系。我们使用图像标题(北等于零),图像半径,和水平的角度选择的像素,以及竖直角来计算和坐标和图像捕获的高度坐标。前进,因为用户选择的像素坐标匹配存在,节点的坐标代表室内空间或室内对象派生的类似。节点的功能,无论是作为一个室内空间或一个物体在空间中,也指出,由于这个区分的拓扑关系,说从太空中连通性(点击)空间(节点)或包含空间(点击)POI(节点)。

磅,像素的位置定义的链接拓扑数据通过了解哪些节点是在这个位置的附近。周围,一个3 d空间节点的位置可以描述,燕国,调查,其中包含了像素。根据空间的类型或对象的节点代表,区域的大小可能会有所不同。表1列举了对象之间的分化和空间。

上述过程计算用户点击的位置最近的节点,点击。相应的关系是决定使用空间扩展点(9月)方法计算坐标的基础上,采用从李[38]。在这项研究中,我们定义9月作为周边地区的每一个节点代表该地区的潜在影响或行为节点的点的位置。使用9月,我们判断用户选择的是外观,内部,或本地区的边界,宽松的限制缺乏几何拓扑信息在图像和数据集。这个定义可以看出,9月的内部定义了节点在该地区的影响力。9月的外观没有影响了,和量化的边界影响的极限noninfluencing区域的开始。图4说明了这个过程。

描述的一个地区和一个点之间的相互作用图4在3 d、扩展点和区域,代表这些实体拓扑关系在3 d空间定量为一个矩阵,矩阵称为9月,见方程(1)。这个矩阵可以接受的值1(满意)或0(不满意)为每个元素,根据不同的条件。这个矩阵简化了计算两个实体的拓扑关系。广义表达式定义为每个观察每个投影三维空间的三个笛卡尔的飞机。 在哪里所选的位置在图像;在边界沿飞机;在边界沿飞机;在边界沿飞机;位于边界上飞机;位于边界上飞机;位于边界上飞机;超出了边界沿飞机;超出了边界沿飞机;和超出了边界沿飞机。

9月的结果计算节点之间的距离和图像中用户选择的位置。这些坐标计算沿三个正交平面在3 d空间中,建立矩阵中的值由方程(1)。在这个过程中,有一个较小的阈值,如果节点代表一个室内POI相比,当它代表一个空间。第一,距离用户的身份地位沿着三个正交平面图像计算,以确定是否存在一个IndoorGML节点允许的范围内,点及其类型,如果这附近的节点存在。如果点击点有一个较小的距离,即。,closer to an IndoorGML node representing a space, the SEP matrix comes from a more significant threshold value. Depending on the type of space of the identified nearby node, the SEP matrix is populated with appropriate values to denote the topological relationship of the user-identified point and the corresponding IndoorGML node.

此外,该地区的大小定义9月是一个因素时要考虑链接图片描述室内空间和对象IndoorGML数据。基于表的各种定义的这个区域1定义允许的范围内使用9月在确定拓扑关系。这必须调整相应的容许值,根据IndoorGML节点所代表的含义。例如,节点代表室内空间必须有一个更广泛的范围,而节点代表对象(如门。伪代码1显示了简化的伪代码。

4所示。实验实现

在本节中,我们证明了提出的方法形象和使用全向图像和IndoorGML拓扑数据融合,分别通过建立可视化平台和实现的算法和流程。

4.1。数据集来实现图像和拓扑数据融合

在这个实现中,全向图像表示和可视化的室内空间,这些空间中包含的对象。同时,IndoorGML用于描述拓扑空间之间的关系。图5显示原理图生成数据融合前这些数据集。首先,如果全向图像代表的室内空间,确切地说是拍摄点,360°视图的一个地方。这种方式拍摄细分一个连续空间的子空间(35]。图片标题(或图像的方向是数值设置为零,称为)不同图像图像由于捕获的前后不一致。不规则的图像捕获可能会导致不一致在计算位置的空间图像,这必须纠正。

在这项研究中,我们通过IndoorGML表达空间关系与荣格和李[4]。评分的基础是邻接拓扑关系的表达和连接在室内空间中,和对象的关系表示为POI表达同样通过内部关系。自连接关系的空间允许使用一个基于图像的拓扑编辑工具产生一个XML文件结构、索引图像到一个场景是可能的(4,35]。我们构建IndoorGML数据作为XML数据库集成到映像XML文件。XML数据的每一个场景都代表一个图像,IndoorGML拓扑关系等连接和相邻空间甚至POI包含在特定的空间。

4.2。研究区和实验环境

本研究的目标区域是21世纪大厦6楼,首尔大学。图像捕获在这个位置进行使用DLSR相机和理光θ年代,配有旋转转子。我们捕获的图像匹配使用PTGui 10.0.12生成全向图像。表2总结了这些工具。

根据IndoorGML数据,这些图像是连接使用PanoTour Pro 2.5,一个基于图像的拓扑编辑工具,建立每个图像的连接关系和构建HTML和XML文件中使用的服务。PanoTour索引图像数据以XML格式和链接每一个场景,Krpano场景调用脚本显示图像。因此,基于IndoorGML拓扑数据构造成一个XML数据库和XML文件集成到图像。

Bitnami这样被用来构建服务器来处理图像和基于网络的拓扑数据。我们使用网络语言如HTML、XML和JavaScript来实现算法在前一节中讨论。函数用于伪代码描述的伪代码1被Krpano协助JavaScript函数,特别是使用getCoordinate获取图像的坐标。输出是一个web browser-operated平台,用户可以平移,缩放,并使用滚动一个点定义全向图像捕获位置,对应于一个IndoorGML节点。下一节讨论了算法的实现在这个平台展示全向图像和IndoorGML之间的数据融合。

4.3。应用数据融合全向图像和IndoorGML数据

图像的集成和拓扑数据使用前一节中描述的算法定义了理解之间的关系的节点IndoorGML数据和全向图像。在本节中,我们建立一个界面操作利用这些算法通过用户发起的行动,如双击和long-pressing。

首先,当用户双击一个全向图像,9月之前计算矩阵的选择像素的位置是用来确定一个图像或一个对象。在这两种情况下,双击将链接图像的当前图像或对象的信息,如果它是一个图像,它最终将它加载到显示。图6说明了这个过程。

进一步证明IndoorGML数据之间的关系和全向图像,长点击一个像素表示的属性对象。类似的图像中识别事物的过程,该算法检查9月如果它包含门和对象,和属性数据只显示如果对象存在于或9月的边界。该算法提出了一种方法来显示关于房间和设施信息,使用IndoorGML节点的属性。换句话说,用户可以看到这些物品的属性,可见作为像素,而是通过长按离散图像中的对象,9月的触发计算矩阵表示的拓扑关系确定位置和室内空间中的每个节点的位置。图7说明了这个过程。

上面的操作得到的信息特性和空间使用现有的属性出现在IndoorGML数据,与全向图像提供了可视化界面给用户。进一步说明描述通过全向图像空间信息的能力,我们实现一个基于图像的室内导航。然后用户输入出发地和目的地位置的名字,这些名字是位于所有全向图像的名称的列表。该算法识别输入的路径从开始位置到目的地使用IndoorGML数据。特定的图像,它通过识别与图像的路径属性,代表的连续图像路径,重复,直到目的地。序列图像与适当的延迟加载和转换可视化平稳和现实的可视化浏览所表示的空间图像。图8说明了这个过程。

4.4。结果全向图像和IndoorGML数据融合的平台

实施的过程识别对象和空间使用9月的全向图像矩阵,定义了关系的室内空间中的对象和室内的节点拓扑数据,如图9。当用户双击图像时,该算法确定9月包含点击位置的节点,该节点和相应的链接图片是显示。这与图像存在于由该节点的位置。这个双击动作的实现从一个位置到另一个地方,连续显示可视化的全向图像,并表明拓扑信息,连接关系,例如,可以直接从图像。

同样,通过建立关系的全向图像和IndoorGML数据,用户可以使用长点击显示属性的对象。如图109月,长按标识的节点包含点击位置,和信息节点只显示如果节点代表一个对象或设施坐落在室内,而不是一个室内空间。类似于前面演示功能,这表明拓扑信息可直接从图像获取,在这种情况下,IndoorGML节点的属性。

在这个应用程序中,图像之间的联系和拓扑数据可视化导航使用的也是从开始位置到目标位置,即使起始位置不是当前加载的场景。用户是由输入所需的启动和端点的名字,这些名字搜索图像数据的属性,建立之后,这些点之间的路径使用拓扑数据。每个沿着建立全向图像路径安排从开始到结束,和每一个加载适当的方向,实现平滑过渡,和延迟的可视化导航。这个过程的结果如图11。

图11演示了一个示例的结果的可视化导航从一个房间到另一个,包括空间的路径运动。提示用户输入房间的名称,在这种情况下,从一个起点,605房间到目的地607房间。的可视化导航开始加载的图像显示605房间,然后旋转向离目的地最近的门的方向,加载下一个图像显示走廊,过渡到下一个图像附近607房间的门,然后过渡到图像显示的内部目标。连续路径的可视化从一个位置到另一个演示了室内空间的连续性,尽管代表与子空间节点离散拓扑数据,在每个单独的全向图像图像捕获位置。

5。结论和未来的研究

室内空间已经以各种方式表示在先前的研究中,与每一个不同的方法收集和生成方法,强调空间的方面,和应用程序。几何数据集,如激光雷达提供现实的和精确的可视化,但是全向图像提供可比的结果在这方面尽管它是更容易和更便宜的收集、过程,和更新。此外,虽然是很重要的可视化室内空间在三维空间中,研究表明拓扑数据集提供的空间分析能力是必要的在提供室内空间在LBS-an等服务方面,缺乏全向图像。,本研究提出了一种图像数据之间的数据融合方法和拓扑数据,实现全向图像和IndoorGML。

室内空间使用拓扑数据由IndoorGML表示,国际标准建立了OGC,他们通过一个抽象域节点,和各自的空间关系表示为一维边缘。目前,IndoorGML明确不支持对象或设施的表示在这些空间,所以兴趣点的概念(POI)是实现扩大IndoorGML之间拓扑关系的定义,从定义的空间,这些空间中包含的对象。

本研究中使用的图像和拓扑数据一起识别图像中对象和空间通过SEP的概念,在用户的身份像素相关的节点IndoorGML数据。为每个节点9月代表一个地区的影响,它使一个简化的解决方案来表示图像中的位置和节点之间的拓扑关系表示空间。在我们的实验的实现中,我们收集了全向图像内部的建筑,和实现各种功能在此基础上建立了关系,从一个image-to-image运动可视化的可视化连续室内导航。同时,使用扩展概念化IndoorGML拓扑关系的室内空间中的对象描绘成室内芋泥,也表示为节点。这些室内POI不仅仅是通过图像可视化,但通过9月数据融合方法也使空间分析等显示设备的属性。

在我们的论文中,室内拓扑数据和图像代表走廊类型的室内空间。正因为如此,可能会有不同的方式生成IndoorGML数据为其他室内环境。此外,可能会有差异在可接受的范围如何使用9月将被应用。考虑到这些因素,但是,它仍然可以预期,室内拓扑数据可以与全向图像达到类似的结果。还没有正式成立室内POI数据模型如何表示,如果这样的创建,这可能有助于形式化表示对象和设施是如何在空间中。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

信息披露

本文是基于第一作者的硕士论文。

的利益冲突

作者宣称他们没有利益冲突有关的出版。

确认

这项研究受到了资助(20 nsip-b135746-04)从国家空间信息研究项目(NSIP)由国土,韩国政府的基础设施和运输。

引用

1. k金和k·李,”处理的兴趣点(POIs)在移动互联网地图服务与室内地理空间对象:一个案例研究中,“ISPRS国际信息杂志》上,7卷,不。6,216年,页2018。视图:出版商的网站|谷歌学术搜索
2. n . e . Klepeis w·c·纳尔逊·w·r·奥特et al .,”美国国家人类活动模式调查(NHAPS):资源评估暴露于环境污染物,”接触分析和环境流行病学杂志》上,11卷,不。3、231 - 252年,2001页。视图:出版商的网站|谷歌学术搜索
3. m . p .关颖珊和j·李,“应急响应后9/11:潜在的实时3 d GIS快速应急反应在micro-spatial环境中,“电脑、环境和城市系统卷,29号2、93 - 113年,2005页。视图:出版商的网站|谷歌学术搜索
4. h·荣格和j·李,“发展的Omnidirectional-Image-Based数据模型通过扩展IndoorGML室内巡逻服务概念,“杂志上的传感器ID 5379106条,卷。2017年,14页,2017。视图:出版商的网站|谷歌学术搜索
5. z郑、陈y s . Chen l .太阳和d·陈,“位置感知POI推荐室内空间利用无线网络日志,“移动信息系统卷,2017篇文章ID 9601404, 16页,2017年。视图:出版商的网站|谷歌学术搜索
6. m . Gunduz美国Isikdag, m . Basaraner”回顾最近的研究在室内造型和映射,”ISPRS -国际档案的摄影测量、遥感和空间信息科学XLI-B4卷,第294 - 289页,2016年。视图:出版商的网站|谷歌学术搜索
7. S.-J。哦,I.-P。李”,运用室内全向图像旋转相机,收购”《韩国社会的测量、大地测量学、摄影测量和制图,30卷,不。2、211 - 221年,2012页。视图:出版商的网站|谷歌学术搜索
8. [(开放地理空间联盟),“IndoorGML诉1.0.3,”2018年,http://docs.opengeospatial.org/is/14 - 005 r4/14 - 005 r4.html。视图:谷歌学术搜索
9. d·安j .公园和j·李,“定义基于拓扑关系的地理空间数据融合方法,”ISPRS -国际档案的摄影测量、遥感和空间信息科学XLII-4 / W9卷,第319 - 317页,2018年。视图:出版商的网站|谷歌学术搜索
10. h . y .康和j·李”,研究LOD(详细)模型,应用基于室内空间数据,”《韩国社会的测量、大地测量学、摄影测量和制图,32卷,不。2、143 - 151年,2014页。视图:出版商的网站|谷歌学术搜索
11. a . Koninger和美国Bartel 3维gis城市的目的,”GeoInformatica,卷2,不。1,第103 - 79页,1998。视图:出版商的网站|谷歌学术搜索
12. S.-J。李和J.-Y。李,“寻找孤立区通过连接关系分析在室内空间中,“《韩国社会的测量、大地测量学、摄影测量和制图,30卷,不。3、229 - 240年,2012页。视图:出版商的网站|谷歌学术搜索
13. n . a . Giudice l·a·沃尔顿,m . Worboys”室内和室外空间的信息:一个研究议程,”第二届ACM SIGSPATIAL国际研讨会在室内空间意识——ISA 10,页47-53,纽约,纽约,美国,2010年。视图:出版商的网站|谷歌学术搜索
14. j·李和m . p .关颖珊”组合代表拓扑关系数据模型在三维地理特征微观量的空间环境中,“国际地理信息科学杂志》上,19卷,不。10日,1039 - 1056年,2005页。视图:出版商的网站|谷歌学术搜索
15. 李和j·李”,验证有效的拓扑数据模型三维空间查询,”朝鲜日报》社会空间信息,19卷,不。1,第105 - 93页,2011。视图:谷歌学术搜索
16. j·李,“空间面向存取实现城市三维GIS拓扑数据模型的实体,”GeoInformatica,8卷,不。3、237 - 264年,2004页。视图:出版商的网站|谷歌学术搜索
17. a . r . Claridades公园,和j·李,“集成IndoorGML和室内POI数据导航应用在室内空间中,“《韩国社会的测量、大地测量学、摄影测量和制图,37卷,不。5,359 - 366年,2019页。视图:出版商的网站|谷歌学术搜索
18. j .公园、d·安和j·李,“发展基于拓扑关系的数据融合方法使用IndoorGML核心模块,“杂志上的传感器ID 4094235条,卷。2018年,14页,2018。视图:出版商的网站|谷歌学术搜索
19. f . Castanedo“回顾数据融合技术,”科学世界日报文章ID 704504卷,2013年,19页,2013。视图:出版商的网站|谷歌学术搜索
20. j·李,h . y .康和y . j .金”为室内空间建模开发数据融合方法基于IndoorGML核心模块,“朝鲜日报》社会空间信息,22卷,不。2,31-44,2014页。视图:出版商的网站|谷歌学术搜索
21. Stankute和h .并“地理空间数据融合的综合疗法,”计算科学及其应用- ICCSA 2009,第504 - 490页,2009年。视图:谷歌学术搜索
22. g . Hammann a马,k . Navulur“数据融合赋予地理空间分析,”地球成像杂志,2013,https://eijournal.com/print/articles/data-fusion-empowers-geospatial-analysis(2020年4月13日通过)。视图:谷歌学术搜索
23. s . Wiemann数据融合的空间数据基础设施德累斯顿理工大学,2017。
24. Wiemann和l·伯纳德“空间数据融合空间数据基础设施使用关联数据,”国际地理信息科学杂志》上,30卷,不。4、613 - 636年,2015页。视图:出版商的网站|谷歌学术搜索
25. h·陈,问:太阳、l .徐和z,“应用数据融合空间数据生产和更新的,”ISPRS -国际档案的摄影测量、遥感和空间信息科学卷,XL-7 / W1 -, 2013页。视图:谷歌学术搜索
26. n·施密特,c . sa和s . Barnett-Cormack“空间与视觉反馈数据融合,”《英国人机交互可视化和交互研讨会2008年,页3 - 8,伦敦,英国,http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.100.1982&rep=rep1&type=pdf。视图:谷歌学术搜索
27. j . Ok, w .庆熙,y Kiyun“数字地图匹配方法和POI地理空间Web平台,“韩国社会对地理空间信息系统杂志》上,17卷,不。4,23-29,2009页。视图:谷歌学术搜索
28. p .卡拉拉,g . Bordogna m . Boschetti p . A . Brivio A·尼尔森和d . Stroppiana“灵活的多源服务融合系统环境状态评估在大陆规模,”国际地理信息科学杂志》上,22卷,不。7,781 - 799年,2008页。视图:出版商的网站|谷歌学术搜索
29. h·k·康和k·j·李”,一个标准的室内空间数据Model-OGC IndoorGML和实现方法,”ISPRS国际信息杂志》上》第六卷,没有。4 p。116年,2017年。视图:出版商的网站|谷歌学术搜索
30. h . y . y . j . Kim Kang和j·李,“室内空间数据模型的开发使用CityGML正面,“ISPRS -国际档案的摄影测量、遥感和空间信息科学,XL-2卷/ W2, 41 - 45页,2013年。视图:出版商的网站|谷歌学术搜索
31. c . y .李诉Badrinarayanan, t . Malisiewicz和a·拉比诺维奇“RoomNet:端到端房间布局估计,”2017年IEEE计算机视觉国际会议(ICCV),第4884 - 4875页,威尼斯,意大利,2017年。视图:出版商的网站|谷歌学术搜索
32. c .邹a·伯恩,问:山,d . Hoiem”LayoutNet:重建3 d空间布局从一个RGB图像,”《IEEE计算机学会学报计算机视觉与模式识别会议,页2051 - 2059,犹他州,盐湖城美国,2018年。视图:出版商的网站|谷歌学术搜索
33. L谷歌,“谷歌街景”,2019年10月https://www.google.com/streetview/understand/。视图:谷歌学术搜索
34. 2019年10月Kakao,“Kakao地图”https://map.kakao.com/。视图:谷歌学术搜索
35. a . r . Claridades j·李,a·布兰科”使用全向图像半自动生成IndoorGML数据地。”《韩国社会的测量、大地测量学、摄影测量和制图,36卷,不。5,319 - 333年,2018页。视图:出版商的网站|谷歌学术搜索
36. y . k . k . Chen Lai和s . m .胡锦涛,“3 d室内场景建模从RGB-D数据:一项调查,“计算视觉媒体,1卷,不。4、267 - 278年,2015页。视图:出版商的网站|谷歌学术搜索
37. e . Clementini j·沙玛,m . Egenhofer”造型拓扑空间关系:查询处理策略,”电脑和图形,18卷,不。6,815 - 822年,1994页。视图:出版商的网站|谷歌学术搜索
38. b·李,“基于位置的礼宾服务对移动物体空间扩展拓扑,”空间信息的研究,17卷,不。4、445 - 454年,2009页。视图:谷歌学术搜索

版权

版权©2020 Dasol安等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。