使用全球定位来改善导航

lixia01

使用 Google 地图导航时，一个始终存在的挑战是确定正确的行驶方向：当然，应用程序会告诉您向北行驶 - 但很多时候您都会疑惑，“我到底在哪里， 哪个方向是北？”多年来，我们一直尝试使用 GPS 和指南针等工具来提高蓝点的准确性，但发现两者都存在物理限制，使得解决这一挑战变得困难，尤其是在城市环境中。我们正在尝试使用一种称为全球定位的
技术来解决这个问题，该技术结合了视觉定位服务(VPS)、街景和机器学习，可以更准确地识别位置和方向。使用智能手机摄像头作为传感器，这项技术能够以更强大、更直观的方式帮助人们快速确定要走的路。
在本文中，我们将讨论城市环境中导航的一些限制以及全球定位如何帮助克服这些限制。
GPS 的不足之处
识别设备相对于某个参考点的位置和方向的过程称为定位。各种技术以不同的方式实现定位。GPS依靠测量来自多个专用卫星的无线电信号的延迟来确定精确的位置。然而，在纽约或旧金山等人口密集的城市环境中，由于天空能见度低和信号从建筑物反射，确定地理位置可能非常困难。这可能导致地图上的位置非常不准确，这意味着您的位置可能出现在街道的错误一侧，甚至是几个街区之外。
GPS 还有一个技术缺陷：它只能确定设备的位置，而不能确定方位。有时，移动设备中的传感器可以测量地球的磁场和重力场以及设备的相对运动，从而粗略估计您的方位，从而解决这一问题。但这些传感器很容易受到磁性物体（如汽车、管道、建筑物，甚至手机内的电线）的影响，导致误差高达 180 度。 定位
的新方法
要提高地图上蓝点的精确位置和方向，需要一种新的补充技术。走在街上时，您可以通过比较所见和期望看到的内容来确定方位。全球定位使用多种技术，使移动设备上的摄像头能够像您一样自行定位。VPS
根据图像而不是 GPS 信号确定设备的位置。 VPS 首先通过拍摄一系列已知位置的图像来创建地图，然后分析这些图像中的关键视觉特征（例如建筑物或桥梁的轮廓），从而创建这些视觉特征的大规模、可快速搜索的索引。为了定位设备，VPS 将手机图像中的特征与 VPS 索引中的特征进行比较。然而，通过 VPS 进行定位的准确性在很大程度上受到图像质量和与其相关位置的影响。这又引出了另一个问题——在哪里可以找到大量高质量的全球图像？
进入街景视图
10 多年前，我们在 Google 地图中推出了街景视图，以帮助人们更深入地探索世界。在此期间，街景视图不断扩大其对世界的覆盖范围，使人们不仅可以预览他们的路线，还可以走进著名的地标和博物馆，无论他们身在何处。为了使用 VPS 实现全球定位，我们将其与街景视图数据连接起来，利用从全球 93 多个国家/地区收集和测试的信息。这个丰富的数据集提供了数万亿个强大的参考点来应用三角测量，帮助更准确地确定设备的位置并引导人们到达目的地。
虽然这种方法在理论上行之有效，但要让它在实践中发挥作用却是一个挑战。问题在于，定位时手机拍摄的图像可能与街景图像收集时的场景不同，也许是几个月前。例如，树木有很多丰富的细节，但会随着季节变化甚至风吹而变化。为了获得良好的匹配，我们需要过滤掉场景的临时部分，并专注于不会随时间变化的永久结构。这就是为什么这种新方法的核心要素是应用机器学习来自动决定要关注哪些特征，优先考虑可能成为场景永久部分的特征，忽略树木、动态光运动和可能短暂的建筑等。这只是我们使用机器学习来提高准确性的众多方法之一。将
全球定位与增强现实相结合
全球定位是用户在最需要准确性时可以启用的附加选项。而且，这种精度的提高使得许多新体验成为可能。我们正在测试的最新功能之一是使用ARCore（Google 的增强现实体验构建平台）在用户处于步行导航模式时将路线叠加在 Google 地图上。借助此功能，只需快速看一眼手机，即可准确了解您需要前往的方向。
尽管早期结果令人鼓舞，但仍有大量工作要做。一个突出的挑战是让这项技术在任何地方、所有条件下都能发挥作用——比如深夜、暴风雪或倾盆大雨。为了确保我们打造的产品真正有用，我们开始与部分本地向导测试此功能。本地向导是一小群来自世界各地的 Google 地图爱好者，我们知道他们会为我们提供反馈，告诉我们这种方法如何最有帮助。与Google Lens
（使用相机让您搜索所见内容） 等其他 AI 驱动的相机体验一样，我们相信将路线叠加在现实世界环境上的能力提供了一种令人兴奋且实用的方式来使用您口袋中已有的技术。我们期待继续开发这项技术，以及智能手机相机增加新类型宝贵体验的潜力。