來自運動和環(huán)境光分類器的裝置位置估計的制作方法
【專利摘要】使用來自例如加速度計、磁力計和/或陀螺儀等運動傳感器的數(shù)據(jù)和來自例如環(huán)境光傳感器、接近度傳感器和/或相機強度傳感器等光傳感器的數(shù)據(jù)來產(chǎn)生移動裝置的位置估計。通過分析來自所述運動傳感器的信息而產(chǎn)生具有相關(guān)聯(lián)的可能性的多個所提出的位置，且基于來自所述光傳感器的信息而產(chǎn)生候選位置列表。使用所述候選位置列表來消除所述多個所提出的位置中的至少一者，且基于剩余的所提出的位置和相關(guān)聯(lián)的可能性而確定所述移動裝置的位置估計?？赏ㄟ^從來自所述運動傳感器的所述信息提取特征且使用模型產(chǎn)生所述所提出的位置的可能性來產(chǎn)生所述所提出的位置。所述可能性可隨時間而被過濾。另外，可產(chǎn)生所估計位置的置信度度量。
【專利說明】來自運動和環(huán)境光分類器的裝置位置估計
[0001]對待決臨時申請案的交叉參考
[0002]本申請案主張2012年I月11日申請且題為“由運動和環(huán)境光分類器進行的裝置位置估計(Device Position Estimates From Motion And Ambient Light Classifiers) ”的第13/348，497號美國申請案的優(yōu)先權(quán)，所述美國申請案又依據(jù)35USC119主張2011年4月15日申請且題為“由運動和環(huán)境光分類器進行的融合裝置位置估計(Fusing DevicePosition Estimates From Motion And Ambient Light Classifiers)，，的第 61/476，159號美國臨時申請案的優(yōu)先權(quán)，所述兩個申請案轉(zhuǎn)讓給本案受讓人，且以引用的方式并入本文中。
【技術(shù)領(lǐng)域】
[0003]本文中所描述的標的物的實施例大體上涉及確定移動裝置的位置估計，且更確切地說，涉及使用來自兩組不同的傳感器的信息來確定位置估計。
【背景技術(shù)】
[0004]大多數(shù)智能手機裝置含有運動傳感器和光傳感器兩者，所述傳感器可用以推斷裝置相對于用戶的位置，例如裝置在用戶手中，在褲子口袋中，在襯衫口袋中，在背包中，在錢包中，擱置于桌子上等等。例如加速度計、磁力計和陀螺儀等運動傳感器能夠記錄裝置的移動和定向。例如環(huán)境光傳感器、接近度傳感器和相機等傳感器關(guān)于裝置周圍的環(huán)境進行報告。確切地說，環(huán)境光傳感器(ALS)報告撞擊在裝置的正面上的光的強度(例如，單位是勒克斯)，而接近度傳感器報告反射離開靠近裝置的前部的物體的所發(fā)射的紅外光的強度。相機能夠記錄含有數(shù)百萬彩色像素的詳細圖像，但還可用作背面光傳感器，僅捕獲撞擊于裝置的背面上的紅、綠和藍光的平均強度。
[0005]遺憾的是，典型移動裝置上的例如ALS等光傳感器、接近度傳感器和相機具有缺陷。ALS輸出經(jīng)常在低層軟件中被大量量化，使得高層處的可用輸出采用僅少數(shù)強度值中的一者(例如，在一些當前智能手機中，其采用四個值10、325、7650和21525勒克斯中的僅一者)。在高層處的接近度傳感器輸出通常為O或1，籠統(tǒng)地表示物體是否靠近于裝置的正面。相機強度通常在低層軟件處經(jīng)受自動增益控制(AGC)，其使得難以將輸出直接映射到勒克斯值。
[0006]運動和光傳感器兩者各自能夠提供關(guān)于裝置相對于用戶的位置的信息。然而，組合所述信息存在問題，這是因為所得位置估計有時將不相符。另外，由光傳感器進行的位置估計可為不可靠的，這是因為其可被大量量化且固有地關(guān)聯(lián)于周圍環(huán)境中的光的量。舉例來說，當前移動裝置可在真光強度大概在O與167.5勒克斯之間時輸出10勒克斯的ALS讀數(shù)。因此，可能難以在正面被阻擋的情況與裝置處于中度亮的起居室的情況之間進行區(qū)別。不可靠的另一實例為接近度傳感器，其在許多裝置中當在淺色牛仔褲的褲子口袋內(nèi)時報告正讀數(shù)，但當在深色牛仔褲的褲子口袋內(nèi)時報告負讀數(shù)。
【發(fā)明內(nèi)容】

[0007]使用來自例如加速度計、磁力計和/或陀螺儀等運動傳感器的數(shù)據(jù)和來自例如環(huán)境光傳感器、接近度傳感器和/或相機強度傳感器等光傳感器的數(shù)據(jù)產(chǎn)生移動裝置的位置估計。通過分析來自運動傳感器的信息而產(chǎn)生具有相關(guān)聯(lián)的可能性的多個所提出的位置，且基于來自光傳感器的信息而產(chǎn)生候選位置列表。使用候選位置列表來消除多個所提出的位置中的至少一者，且基于剩余的所提出的位置和相關(guān)聯(lián)的可能性而確定移動裝置的位置估計?？赏ㄟ^從來自運動傳感器的信息提取特征且使用模型以產(chǎn)生所提出的位置的可能性來產(chǎn)生所提出的位置。所述可能性可隨時間而被過濾。另外，可產(chǎn)生所估計位置的置信度度量。
[0008]在實施例中，一種確定移動裝置的位置估計的方法包含:通過分析來自所述移動裝置中的一個或一個以上運動傳感器的信息來產(chǎn)生具有相關(guān)聯(lián)的可能性的多個所提出的位置；處理來自所述移動裝置中的一個或一個以上光傳感器的信息，以產(chǎn)生候選位置列表；使用所述候選位置列表來消除所述多個所提出的位置中的至少一者；及基于剩余的所提出的位置和相關(guān)聯(lián)的可能性來確定所述移動裝置的位置估計。
[0009]在另一實施例中，移動裝置包含:運動傳感器；多個光傳感器；存儲器；及處理器，其耦合到所述存儲器，且經(jīng)耦合以從所述運動傳感器接收數(shù)據(jù)，且經(jīng)耦合以從所述多個光傳感器接收數(shù)據(jù)，所述處理器經(jīng)配置以基于來自一個或一個以上運動傳感器的數(shù)據(jù)而產(chǎn)生具有相關(guān)聯(lián)的可能性的多個所提出的位置；基于來自所述多個光傳感器的所述數(shù)據(jù)而產(chǎn)生候選位置列表；使用所述候選位置列表來消除所述多個所提出的位置中的至少一者；基于剩余的所提出的位置和相關(guān)聯(lián)的可能性而確定所述移動裝置的位置估計；及將所述位置估計存儲于所述存儲器中。
[0010]在另一實施例中，一種移動裝置包含:用于通過分析來自所述移動裝置中的一個或一個以上運動傳感器的信息來產(chǎn)生具有相關(guān)聯(lián)的可能性的多個所提出的位置的裝置；用于處理來自所述移動裝置中的一個或一個以上光傳感器的信息以產(chǎn)生候選位置列表的裝置；用于使用所述候選位置列表來消除所述多個所提出的位置中的至少一者的裝置；及用于基于剩余的所提出的位置和相關(guān)聯(lián)的可能性來確定所述移動裝置的位置估計的裝置。
[0011]在又一實施例中，一種非暫時性計算機可讀媒體包含存儲于其上的程序代碼，所述非暫時性計算機可讀媒體包含:用以通過分析來自所述移動裝置中的一個或一個以上運動傳感器的信息來產(chǎn)生具有相關(guān)聯(lián)的可能性的多個所提出的位置的程序代碼；用以處理來自所述移動裝置中的一個或一個以上光傳感器的信息以產(chǎn)生候選位置列表的程序代碼；用以使用所述候選位置列表來消除所述多個所提出的位置中的至少一者的程序代碼；及用以基于剩余的所提出的位置和相關(guān)聯(lián)的可能性來確定所述移動裝置的位置估計的程序代碼
【專利附圖】

【附圖說明】
[0012]圖1A和圖1B分別說明移動裝置的正面和背面，所述移動裝置能夠使用來自運動傳感器和光傳感器的信息來得出位置估計。
[0013]圖2說明供移動裝置使用的分類器系統(tǒng)的實例。
[0014]圖3說明分類器系統(tǒng)中的基于運動傳感器的位置檢測器的實施例。
[0015]圖4說明具有經(jīng)識別的俯仰和橫滾的移動裝置。[0016]圖5是說明基于來自移動裝置中的運動傳感器和光傳感器的信息來確定移動裝置的位置估計的方法的流程圖。
[0017]圖6是能夠基于來自運動傳感器和光傳感器的信息確定位置估計的移動裝置的框圖。
【具體實施方式】
[0018]圖1A和圖1B分別說明移動裝置100的正面IOOf和背面100b，所述移動裝置能夠使用來自運動傳感器和光傳感器的信息來得出位置估計。移動裝置100經(jīng)說明為包含外殼101、可能為觸摸屏顯示器的顯示器102以及揚聲器104和麥克風106。移動裝置100包含環(huán)境光傳感器(ALS) 103，ALS103報告撞擊在裝置的正面上的光的強度(例如，單位是勒克斯)。移動裝置100可進一步包含接近度傳感器105，接近度傳感器105報告反射離開接近裝置的前部的物體的所發(fā)射的紅外光的強度。移動裝置100進一步包含相機110，相機110用以將環(huán)境成像且可被用作背面光強度傳感器。在一個實施方案中，ALS103可為相機，或者移動裝置100的正面IOOf上的單獨前置相機可與后置相機110類似地使用。ALS103、接近度傳感器105和相機110可被統(tǒng)稱為光傳感器111。另外，移動裝置100中包含板載運動傳感器112。運動傳感器112可包含例如三軸磁力計和/或線性加速度計和/或陀螺儀，且在本文中被稱作運動傳感器，但一些傳感器(例如，磁力計)測量定向，因為移動裝置100的運動可從定向的改變得出。
[0019]光傳感器111和運動傳感器112各自能夠提供關(guān)于移動裝置100相對于用戶的位置的信息。通常從運動傳感器提取的位置信息為移動裝置100的定向(例如，移動裝置垂直地或水平地定向)和/或伴隨周期性移動的移動裝置100的運動模式。舉例來說，移動裝置100的運動模式可在用戶在移動裝置100在褲子口袋中的情況下行走或在移動裝置100在背包中的情況下行走時不同。通常從光傳感器111提取的位置信息為移動裝置100的正面或背面是否被遮擋。從運動傳感器和光傳感器111獲得的信息很大程度上是獨立的，且因此是互補的。舉例來說，基于裝置的定向，運動傳感器112可能夠確定移動裝置100在坐著的用戶的褲子口袋中或在桌子上(因為移動裝置100水平地定向)，但不在襯衫口袋中(因為此情形將對應于垂直定向)。另一方面，光傳感器111可能夠確定移動裝置100在褲子口袋或襯衫口袋中(因為正面IOOf和背面IOOb兩者皆被遮擋)，但不在桌子上(因為此情形將導致移動裝置100的僅一個面被遮擋)。如圖1A中所說明，移動裝置100包含分類器系統(tǒng)120，分類器系統(tǒng)120在消除過程中使用來自光傳感器111和運動傳感器112的信息，從而以較高的準確度確定移動裝置100的位置。
[0020]當融合來自光傳感器111和運動傳感器112的位置信息時的問題為確定指派給來自每一組傳感器的估計的置信度。舉例來說，來自光傳感器111和運動傳感器112的位置估計有時可能不相符。不同組的傳感器之間的不相符使確定移動裝置100的位置變得困難。
[0021]移動裝置100的分類器系統(tǒng)120使用基于置信度水平的消除方法來融合來自光傳感器111和運動傳感器112的位置估計。舉例來說，運動傳感器112可產(chǎn)生移動裝置100的每一可能位置的置信度水平，其在本文中有時被稱作可能性。
[0022]在簡單實例中，移動裝置100的位置可基于來自運動傳感器112的數(shù)據(jù)從最有可能到最不可能進行排序。另外，基于來自光傳感器111的數(shù)據(jù)產(chǎn)生一組候選位置。候選位置為移動裝置100的可行的位置。由光傳感器111產(chǎn)生的具有如由運動傳感器112確定的最高可能性的候選位置經(jīng)選擇為移動裝置100的位置。換句話說，來自光傳感器111的數(shù)據(jù)用以不考慮由運動傳感器112確定的某些位置。
[0023]更詳細地，移動裝置100的可能位置可由{Pl，...，pM}表示。舉例來說，P1可表示移動裝置100在襯衫口袋中，P2表示在褲子口袋中，P3表示在手中等等。通過#來表示總位置估計。通過IL1,..., LmI來表示由運動傳感器112產(chǎn)生的每一位置的可能性。通過Ic1,..., CnI表不由光傳感器111產(chǎn)生的候選位置，其中N < M。于是總位置決策是:
[0024]P = argt,v| Li <,等式 I
[0025]即，如果N=M，那么實際上忽略光傳感器111的輸出。相反地，如果N=l，那么實際上忽略運動傳感器112的輸出。應清楚，并不需要實際可能性值Li本身以便作出總位置決策，僅需要其從最有可能到最不可能的排序。
[0026]圖2說明與移動裝置100 —起使用的分類器系統(tǒng)120的實例。分類器系統(tǒng)120包含基于定向的位置檢測器122，位置檢測器122從運動傳感器112(例如，加速度計、磁力計、陀螺儀等)接收數(shù)據(jù)，且基于那些位置的可能性產(chǎn)生位置的排序。分類器系統(tǒng)120進一步包含基于光傳感器的位置檢測器124，位置檢測器124從光傳感器111 (例如，ALS103、接近度傳感器105和相機110)接收輸入數(shù)據(jù)，且產(chǎn)生候選位置。來自基于定向的位置檢測器122的位置和來自基于光傳感器的位置檢測器124的候選位置被位置估計器126接收，位置估計器126消除不可行的位置且產(chǎn)生總位置估計和運動狀態(tài)。
[0027]基于定向的位置檢測器122可為貝葉斯分類器。常規(guī)的貝葉斯最大可能性(ML)分類器選擇具有最高可能性的類別。然而，基于定向的位置檢測器122可用以對移動裝置100的運動狀態(tài)和位置兩者進行分類。類別可被視為元組(運動狀態(tài)、裝置位置)，其中元組元素被稱作子類別?；诙ㄏ虻奈恢脵z測器122可對運動狀態(tài)進行分類，邊緣化移動裝置的位置以獲得每一運 動狀態(tài)的可能性，且單獨地邊緣化運動狀態(tài)以獲得移動裝置的每一位置的可能性?；蛘撸蛇x擇具有最高可能性的運動狀態(tài)和裝置位置組合，然而，此方法為次優(yōu)的，這是因為其假定運動狀態(tài)和裝置位置是獨立的，一般來說并非如此。因此，基于定向的位置檢測器122可輸出具有最高邊緣化可能性的移動裝置100的位置以及具有最高邊緣化可能性的運動狀態(tài)兩者。
[0028]基于定向的位置檢測器122可計算置信度度量，所述置信度度量可基于兩個最有可能子類別的對數(shù)可能性之間的間隔。置信度度量用以指示最可能子類別的邊緣化可能性值何時僅極小地大于第二最可能子類別的邊緣化可能性值，在所述情況下，數(shù)據(jù)同等地暗示兩個不同的子類別。這常常為如下情況:用戶轉(zhuǎn)變活動，比方說從奔跑到行走，或?qū)⒁苿友b置100從褲子口袋中取出；在某一時間點，運動狀態(tài)或裝置位置不屬于這兩個子類別。如果置信度度量降到某一閾值以下，那么不輸出決策?？舍槍\動狀態(tài)和位置估計兩者執(zhí)行置信度測試。因此，基于定向的位置檢測器122可提供針對一個子類別的估計，但不提供針對另一子類別的估計。
[0029]基于定向的位置檢測器122可例如通過隨著時間過濾對數(shù)可能性來組合分類器輸出。隨著時間組合分類器輸出可用以產(chǎn)生具有較長觀察窗的較準確決策，此情形例如在特定應用具有較長等待時間目標的情況下可能為適當?shù)?。舉例來說，具有Is的等待時間目標的應用將在15s延遲內(nèi)過濾每一類別的過去15個對數(shù)可能性。此不僅是計算上及概念上簡單的操作，而且其還是ML意義上最優(yōu)的，假定用戶狀態(tài)在過濾周期內(nèi)是恒定的。過濾的使用避免了在多個應用具有不同等待時間目標時并行地運行多個活動辨識任務的需要。 [0030]基于光傳感器的位置檢測器124可使用硬譯碼規(guī)則來確定是裝置的一個面被遮擋，是兩個面皆被遮擋，還是兩個面皆未被遮擋。遮擋信息接著用以建構(gòu)移動裝置100的可行位置的列表。舉例來說，如果移動裝置100的兩個面均被遮擋，那么裝置基本上不可能被抓在手中(因為傳感器的位置使得需要不自然的握法來遮擋兩個面)，且同樣裝置基本上不可能擱置于桌子上。或者，如果移動裝置100的一側(cè)被遮擋但另一側(cè)未遮擋，那么移動裝置100極有可能是在桌子上?？尚形恢玫牧斜碛靡韵豢尚械难b置位置，而分類器的基于定向的位置檢測器122已計算出不可行的裝置位置的對數(shù)可能性(即，對應的對數(shù)可能性值下降到-①)。
[0031]與基于定向的位置檢測器122中所采取的基于機器學習/特征的方法相反，在基于光傳感器的位置檢測器124中使用硬譯碼規(guī)則的原因是雙重的。第一，可用的光傳感器的輸出易變，其中ALS和接近度輸出被大量量化，且相機輸出由難以停用的AGC機制控制。第二，訓練基于照明條件的統(tǒng)計模型是有問題的嘗試。結(jié)果將很大地取決于在訓練期間的照明條件與在系統(tǒng)操作期間存在的照明條件之間的對準。
[0032]圖3說明基于定向的位置檢測器122的實施例，其經(jīng)說明為包含特征提取器132、可能性產(chǎn)生器134，可能性產(chǎn)生器134接收特征提取器132的輸出且使用來自數(shù)據(jù)庫136的模型以產(chǎn)生類別的可能性值，所述可能性值由過濾器138過濾以產(chǎn)生位置估計和運動狀態(tài)估計。特征提取器132計算例如來自運動傳感器112的每一秒的原始數(shù)據(jù)的特征向量。此向量中的每一特征元素對應于幫助在所要類別之間進行區(qū)分的信號的性質(zhì)。舉例來說，最簡單特征描述I秒窗內(nèi)的加速度計輸出的標準偏差。當用戶靜止時，此特征將為小的，當用戶行走時，將存在更多變化，且對應特征將較大。當用戶奔跑時，仍將存在更多變化，且此特征仍將為大的。簡單特征的另一實例為移動裝置100的定向。當用戶坐著且把裝置在褲子口袋中時，移動裝置100通常將平躺著，而當用戶站起來時，移動裝置100將為垂直的。
[0033]從原始運動傳感器數(shù)據(jù)提取若干特征?？梢?0Hz或其它所要速率取樣原始數(shù)據(jù)。舉例來說，在每一時刻，特征提取器132將對應于來自運動傳感器112的60個3維向量樣本(x、y和z軸)的一秒的數(shù)據(jù)用作輸入，出于簡單起見而將運動傳感器112描述為3軸加速度計。因此，一秒時刻中的凈輸入大小為180個樣本。可從數(shù)據(jù)計算出特征的數(shù)目(例如，18個特征)。可在需要時使用更多或更少的特征。
[0034]將加速度計樣本表示為a(n) = [ax(n)ay(n)az(n)]。使N=60表示在其上計算特征的窗中的向量樣本的數(shù)目?？赡艿奶卣靼缦绿卣?，但應理解可在需要時使用不同特征。
[0035]加速度計范數(shù)的標準偏差(sa)_在給定每一 3D加速度計向量的情況下，計算范數(shù)，且估計標準偏差。加速度計范數(shù)的標準偏差(sa)用于在坐著/站著、行走和奔跑運動狀態(tài)之間進行區(qū)分，這是因為所述運動狀態(tài)可由加速度計變化的變化程度來區(qū)分。
[0036]平均俯仰(ap)_使用加速度計，有可能知道裝置的表面相對于重力的定向。此定向的特征在于被稱作俯仰和橫滾的兩個角度。俯仰為圍繞X軸且范圍為(-π，JI]的旋轉(zhuǎn)，如圖4中所說明。平均俯仰可通過對加速度計向量求平均且接著如下計算俯仰來計算:
[0037]
【權(quán)利要求】
1.一種確定移動裝置的位置估計的方法，其包括: 通過分析來自所述移動裝置中的一個或一個以上運動傳感器的信息來產(chǎn)生具有相關(guān)聯(lián)的可能性的多個所提出的位置； 處理來自所述移動裝置中的一個或一個以上光傳感器的信息，以產(chǎn)生候選位置列表； 使用所述候選位置列表來消除所述多個所提出的位置中的至少一者；及 基于剩余的所提出的位置和相關(guān)聯(lián)的可能性來確定所述移動裝置的位置估計。
2.根據(jù)權(quán)利要求1所述的方法，其中使用所述候選位置列表來消除所述多個所提出的位置中的至少一者包括消除所述候選位置列表中不包含的任何所提出的位置。
3.根據(jù)權(quán)利要求1所述的方法，其中所述一個或一個以上運動傳感器包括加速度計、磁力計和陀螺儀中的至少一者。
4.根據(jù)權(quán)利要求1所述的方法，其中所述一個或一個以上光傳感器包括環(huán)境光傳感器、接近度傳感器和相機強度傳感器中的至少一者。
5.根據(jù)權(quán)利要求1所述的方法，其中通過分析來自所述移動裝置中的所述一個或一個以上運動傳感器的所述信息來產(chǎn)生具有相關(guān)聯(lián)的可能性的所述多個所提出的位置包括: 從來自所述一個或一個以上運動傳感器的所述信息提取特征； 存取特征模型；及 使用所述特征和所述特征模型產(chǎn)生所述多個所提出的位置中的每一者的可能性。
6.根據(jù)權(quán)利要求5所述的方法，其進一步包括隨時間過濾具有相關(guān)聯(lián)的可能性的所述多個所提出的位置。
7.根據(jù)權(quán)利要求1所述的方法，其進一步包括產(chǎn)生與所述位置估計相關(guān)聯(lián)的置信度度量。
8.根據(jù)權(quán)利要求7所述的方法，其中在使用至少一個候選位置消除所述多個所提出的位置中的所述至少一者之后，基于兩個最有可能的所提出的位置的可能性的差來產(chǎn)生所述直?目度度星。
9.根據(jù)權(quán)利要求1所述的方法，其進一步包括產(chǎn)生與所述候選位置列表中的候選位置相關(guān)聯(lián)的可能性，其中使用所述候選位置列表來消除所述多個所提出的位置中的至少一者包括:將與所述多個所提出的位置中的每一者相關(guān)聯(lián)的所述可能性與和所述候選位置相關(guān)聯(lián)的所述可能性相乘，以確定被用作所述位置估計的具有最高組合可能性水平的所提出的位置。
10.根據(jù)權(quán)利要求1所述的方法，其中在產(chǎn)生具有相關(guān)聯(lián)的可能性的所述多個所提出的位置之前執(zhí)行處理來自所述一個或一個以上光傳感器的所述信息以產(chǎn)生所述候選位置列表。
11.一種移動裝置，其包括: 運動傳感器； 多個光傳感器； 存儲器；及 處理器，其耦合到所述存儲器，且經(jīng)耦合以從所述運動傳感器接收數(shù)據(jù)，且經(jīng)耦合以從所述多個光傳感器接收數(shù)據(jù)，所述處理器經(jīng)配置以:基于來自一個或一個以上運動傳感器的數(shù)據(jù)而產(chǎn)生具有相關(guān)聯(lián)的可能性的多個所提出的位置；基于來自所述多個光傳感器的所述數(shù)據(jù)而產(chǎn)生候選位置列表；使用所述候選位置列表來消除所述多個所提出的位置中的至少一者；基于剩余的所提出的位置和相關(guān)聯(lián)的可能性來確定所述移動裝置的位置估計；及將所述位置估計存儲于所述存儲器中。
12.根據(jù)權(quán)利要求11所述的移動裝置，其中所述處理器經(jīng)配置以通過經(jīng)配置以消除所述候選位置列表中不包含的任何所提出的位置而使用所述候選位置列表來消除所述多個所提出的位置中的至少一者。
13.根據(jù)權(quán)利要求11所述的移動裝置，其中所述運動傳感器包括加速度計、磁力計和陀螺儀中的至少一者。
14.根據(jù)權(quán)利要求11所述的移動裝置，其中所述多個光傳感器包括環(huán)境光傳感器、接近度傳感器和相機強度傳感器中的至少一者。
15.根據(jù)權(quán)利要求11所述的移動裝置，其中所述處理器經(jīng)配置以通過經(jīng)配置以進行以下操作來基于來自所述運動傳感器的所述數(shù)據(jù)而產(chǎn)生具有相關(guān)聯(lián)的可能性的所述多個所提出的位置: 從來自所述運動傳感器的所述數(shù)據(jù)提取特征； 存取特征模型；及 使用所述特征和所述特征模型產(chǎn)生所述多個所提出的位置中的每一者的可能性。
16.根據(jù)權(quán)利要求15所述的移動裝置，其中所述處理器進一步經(jīng)配置以隨時間過濾具有相關(guān)聯(lián)的可能性的所述多個所提出的位置。
17.根據(jù)權(quán)利要求1 1所述的移動裝置，其中所述處理器進一步經(jīng)配置以產(chǎn)生與所述位置估計相關(guān)聯(lián)的置信度度量。
18.根據(jù)權(quán)利要求17所述的移動裝置，其中所述處理器經(jīng)配置以在使用至少一個候選位置消除所述多個所提出的位置中的所述至少一者之后，基于兩個最有可能的所提出的位置的可能性的差來產(chǎn)生所述置信度度量。
19.根據(jù)權(quán)利要求11所述的移動裝置，其中所述處理器進一步經(jīng)配置以產(chǎn)生與所述候選位置列表中的候選位置相關(guān)聯(lián)的可能性，其中所述處理器經(jīng)配置以通過經(jīng)配置以將與所述多個所提出的位置中的每一者相關(guān)聯(lián)的所述可能性與和所述候選位置相關(guān)聯(lián)的所述可能性相乘以確定被用作所述位置估計的具有最高組合可能性水平的所提出的位置而使用所述候選位置列表來消除所述多個所提出的位置中的至少一者。
20.根據(jù)權(quán)利要求11所述的移動裝置，其中所述處理器經(jīng)配置以在產(chǎn)生具有相關(guān)聯(lián)的可能性的所述多個所提出的位置之前產(chǎn)生所述候選位置列表。
21.—種移動裝置，其包括: 用于通過分析來自所述移動裝置中的一個或一個以上運動傳感器的信息來產(chǎn)生具有相關(guān)聯(lián)的可能性的多個所提出的位置的裝置； 用于處理來自所述移動裝置中的一個或一個以上光傳感器的信息以產(chǎn)生候選位置列表的裝置； 用于使用所述候選位置列表來消除所述多個所提出的位置中的至少一者的裝置；及 用于基于剩余的所提出的位置和相關(guān)聯(lián)的可能性來確定所述移動裝置的位置估計的>j-U ρ?α裝直。
22.根據(jù)權(quán)利要求21所述的移動裝置，其中所述用于使用所述候選位置列表來消除所述多個所提出的位置中的至少一者的裝置包括用于消除所述候選位置列表中不包含的任何所提出的位置的裝置。
23.根據(jù)權(quán)利要求21所述的移動裝置，其中所述一個或一個以上運動傳感器包括加速度計、磁力計和陀螺儀中的至少一者。
24.根據(jù)權(quán)利要求21所述的移動裝置，其中所述一個或一個以上光傳感器包括環(huán)境光傳感器、接近度傳感器和相機強度傳感器中的至少一者。
25.根據(jù)權(quán)利要求21所述的移動裝置，其中所述用于通過分析來自所述移動裝置中的所述一個或一個以上運動傳感器的所述信息來產(chǎn)生具有相關(guān)聯(lián)的可能性的所述多個所提出的位置的裝置包括: 用于從來自所述一個或一個以上運動傳感器的所述信息提取特征的裝置； 用于存取特征模型的裝置；及 用于使用所述特征和所述特征模型產(chǎn)生所述多個所提出的位置中的每一者的可能性的裝置。
26.根據(jù)權(quán)利要求25所述的移動裝置，其進一步包括用于隨時間過濾具有相關(guān)聯(lián)的可能性的所述多個所提出的位置的裝置。
27.根據(jù)權(quán)利要求21所述的移動裝置，其進一步包括用于在使用至少一個候選位置消除所述多個所提出的位置中的所述至少一者之后基于兩個最有可能的所提出的位置的可能性的差來產(chǎn)生與所述位置估計相關(guān)聯(lián)的置信度度量的裝置。
28.根據(jù)權(quán)利要求21所述的移動裝置，其進一步包括用于產(chǎn)生與所述候選位置列表中的候選位置相關(guān)聯(lián)的可能性的裝置，其中所述用于使用所述候選位置列表來消除所述多個所提出的位置中的至少一者的裝置包括將與所述多個所提出的位置中的每一者相關(guān)聯(lián)的所述可能性與和所述候選位置相關(guān)聯(lián)的所述可能性相乘，以確定被用作所述位置估計的具有最高組合可能性水平的所提出的位置
29.一種非暫時性計算機可讀媒體，其包含存儲于其上的程序代碼，所述非暫時性計算機可讀媒體包括: 用以通過分析來自移動裝置中的一個或一個以上運動傳感器的信息來產(chǎn)生具有相關(guān)聯(lián)的可能性的多個所提出的位置的程序代碼； 用以處理來自所述移動裝置中的一個或一個以上光傳感器的信息以產(chǎn)生候選位置列表的程序代碼； 用以使用所述候選位置列表來消除所述多個所提出的位置中的至少一者的程序代碼；及 用以基于剩余的所提出的位置和相關(guān)聯(lián)的可能性來確定所述移動裝置的位置估計的程序代碼
30.根據(jù)權(quán)利要求29所述的非暫時性計算機可讀媒體，其中所述用以使用所述候選位置列表來消除所述多個所提出的位置中的至少一者的程序代碼包括用以消除所述候選位置列表中不包含的任何所提出的位置的程序代碼。
31.根據(jù)權(quán)利要求29所述的非暫時性計算機可讀媒體，其中所述用以通過分析來自所述移動裝置中的所述一個或一個以上運動傳感器的所述信息來產(chǎn)生具有相關(guān)聯(lián)的可能性的所述多個所提出的位置的程序代碼包括:用以從來自所述一個或一個以上運動傳感器的所述信息提取特征的程序代碼； 用以存取特征模型的程序代碼；及 用以使用所述特征和所述特征模型產(chǎn)生所述多個所提出的位置中的每一者的可能性的程序代碼 '及 用以隨時間過濾具有相關(guān)聯(lián)的可能性的所述多個所提出的位置的程序代碼。
32.根據(jù)權(quán)利要求29所述的非暫時性計算機可讀媒體，其進一步包括用以產(chǎn)生與所述位置估計相關(guān)聯(lián)的置信度度量的程序代碼，所述置信度度量是基于在使用至少一個候選位置消除所述多個所提出的位置中的所述至少一者之后的兩個最有可能的所提出的位置的可能性的差。
33.根據(jù)權(quán)利要求29所述的非暫時性計算機可讀媒體，其進一步包括用以產(chǎn)生與所述候選位置列表中的候選位置相關(guān)聯(lián)的可能性的程序代碼，其中所述用以使用所述候選位置列表來消除所述多個所提出的位置中的至少一者的程序代碼包括用以將與所述多個所提出的位置中的每一者相關(guān)聯(lián)的所述可能性與和所述候選位置相關(guān)聯(lián)的所述可能性相乘以確定被用作所述位置估計的 具有最高組合可能性水平的所提出的位置的程序代碼
【文檔編號】G01S5/16GK103477241SQ201280018584
【公開日】2013年12月25日 申請日期:2012年2月29日 優(yōu)先權(quán)日:2011年4月15日
【發(fā)明者】里昂納德·亨利·葛羅科普, 維迪亞·納拉亞南 申請人:高通股份有限公司