定位精度

// 导入库 #import <CoreLocation/CoreLocation.h> // 注意 : // 需要在 info.plist 中导入前两个字段 //NSLocationAlwaysUsageDescription //NSLocationWhenInUseUsageDescription @interface ViewController ()< CLLocationManagerDelegate > @property ( nonatomic , strong ) CLLocationManager *locationManager; @end @implementation ViewController - ( void )viewDidLoad { [ super viewDidLoad ]; // 初始化 locationManger 管理器对象 CLLocationManager *locationManager=[[ CLLocationManager alloc ] init ]; self . locationManager =locationManager; // 判断当前设备定位服务是否打开 if (![ CLLocationManager locationServicesEnabled ]) { NSLog ( @" 设备尚未打开定位服务 "

此部分是计算机视觉部分，主要侧重在底层特征提取，视频分析，跟踪，目标检测和识别方面等方面。对于自己不太熟悉的领域比如摄像机标定和立体视觉，仅仅列出上google上引用次数比较多的文献。有一些刚刚出版的文章，个人非常喜欢，也列出来了。 33. SIFT 关于SIFT，实在不需要介绍太多，一万多次的引用已经说明问题了。SURF和PCA-SIFT也是属于这个系列。后面列出了几篇跟SIFT有关的问题。 [1999 ICCV] Object recognition from local scale-invariant features [2000 IJCV] Evaluation of Interest Point Detectors [2006 CVIU] Speeded-Up Robust Features (SURF) [2004 CVPR] PCA-SIFT A More Distinctive Representation for Local Image Descriptors [2004 IJCV] Distinctive Image Features from Scale-Invariant Keypoints [2010 IJCV] Improving Bag-of-Features for Large Scale Image Search [2011 PAMI]

常用室内定位技术总结 目前，常用的定位方法，从原理上来说，主要分为：邻近探测法、质心法、极点法、多边定位法、指纹法和航位推算法。 主要室内定位方法对比如下： 各种原理各有优劣，在不同应用场景、不同预算要求下，也可将不同的原理组合使用。主流技术主要有：红外技术、超声波、WiFi、Zigbee、惯性、蓝牙、RFID、UWB，下面为大家分别介绍这几种技术。 红外技术 红外定位主要有两种具体实现方法，一种是将定位对象附上一个会发射红外线的电子标签，通过室内安放的多个红外传感器测量信号源的距离或角度，从而计算出对象所在的位置。 这种方法在空旷的室内容易实现较高精度，可实现对红外辐射源的被动定位，但红外会完全被障碍物遮挡，传输距离也不长，因此需要大量密集部署传感器，造成较高的硬件和施工成本。此外红外易受热源、灯光等干扰，造成定位精度和准确度下降。 该技术目前主要用于军事上对飞行器、坦克、导弹等红外辐射源的被动定位，此外也用于室内自走机器人的位置定位。 另一种红外定位的方法是红外织网，即通过多对发射器和接收器织成的红外线网覆盖待测空间，直接对运动目标进行定位。 这种方式的优势在于不需要定位对象携带任何终端或标签，隐蔽性强，常用于安防领域。劣势在于要实现精度较高的定位需要部署大量红外接收和发射器，成本非常高，因此只有高等级的安防才会采用此技术。 超声波技术 超声波定位主要采用反射式测距法

2003年09月23日 1移动定位技术的发展及应用 　　无线电定位技术的起源可以追溯到上世纪初，第二次世界大战的军事需求和80年代末开始推广的数字蜂窝移动通信系统分别推动了该项技术在军事和民用领域的发展。GPS和LORAN C系统是典型的定位系统，它们采用无线电定位方法满足不同的定位精度要求。随着CDMA等原属于军事应用的领域的先进技术快速民用化及蜂窝网络的迅猛发展，国外早已开始研究蜂窝移动通信系统定位技术。1996年，美国FCC制定的E911规范要求所有的移动运营商必须以67%的概率提供紧急救援服务，从而加速了该技术的进步及基于无线电定位技术的位置服务(LCS)在全球的发展。　　快速增长的中国移动通信市场为开展和普及移动定位系统在中国的建设奠定了坚实的基础。北京移动采用摩托罗拉公司的LCS解决方案，在移动网中为个人和企业用户提供各种位置服务，主要包括亲友位置查询、用户位置授权及城市信息查询。从2001年初开始，福建移动、山西和云南的移动运营商先后与诺基亚签订了移动定位商用合同。最近，联通国脉与日本著名的位置服务内容解决方案提供商Navitime签定合作协议，共同开发基于cdma2000 1x的位置服务。 2移动定位技术 　　采用适当的定位技术获得位置信息是实现位置服务的必要前提，根据不同的划分准则，蜂窝网络定位技术有以下几种分类方法： 　　(1)根据定位系统所处的空间位置不同

移动定位之技术选择 移动定位业务若想获得成功，定位服务必须能够为用户提供出色价值和令其满意的卓越性能，同时还需要满足运营商对于部署和成本的要求。 目前，业界对于技术划分方式及其选择有着不同的取向，在这里列举两种主流观点。 混合定位是趋势，gpsOne更胜一筹 ■ 刘新华 目前各种关于实现移动定位技术的方案按性能和技术演进可以划分为四大类：基于移动终端GPS的技术方案、基于移动网络的技术方案、无线辅助型GPS解决方案和混合型解决方案。 基于移动终端GPS的定位是借助于每12小时环绕地球一次的24颗GPS（全球定位系统）卫星体系来实现的。但是单纯的GPS解决方案在诸如室内或市区主要楼群间等卫星信号接收不好的地区其性能和可用性都表现出急剧的下降；其定位速度也相对较慢，在实施部署上也较昂贵。尽管最近在GPS技术上取得了改进，但是这些问题仍然影响着GPS解决方案的成本、可用性等。 基于移动网络的解决方案依赖于从移动台（MS）到多个基站（BS）的信号转发，其中主要的标准化技术包括小区ID、E－OTD和TOA或TDOA(OTDOA)等定位技术。 小区ID技术是根据移动台所处的小区ID号来确定用户的位置。其好处是无需对手机和网络进行修改，可以适用于任何空中接口的网络中；而且响应速度很快，通常首次定位只需一秒钟；缺点是定位较粗。 E－OTD，即增强观测时差技术，是通过放置位置接收器或参考点实现定位的

MaxMind GeoIP2 服务能识别互联网用户的地点位置与其他特征，应用广泛，包括个性化定制内容、诈欺检测、广告定向、网站流量分析、执行规定、地理目标定位、地理围栏定位 (geo-fencing)以及数字版权管理。目前使用 GeoIP 更多是配合Nginx或Apache服务器进行日志分析获取网站访问量地域分布状况。 GeoIP 分为商业版和免费版，免费版比商业版精度差了许多，经测试对于城市定位确实有差距，能否接受看你的精度要求！(老板说免费的可以了，哈哈) 下载GeoIP2的库，这个库是经常更新的，如果数据要求很高的，需要经常更新(我们不高，预计一年一次) 官网下载地址https://dev.maxmind.com/geoip/geoip2/geolite2/ 但是好像网站不太稳定，我这边3个都下载好了，可【点击下载】 关于Java如何使用 不用担心，已经有开源库，maven下载一个 <dependency> <groupId>com.maxmind.geoip2</groupId> <artifactId>geoip2</artifactId> <version>2.12.0</version> </dependency> 没有maven，怎么办？不怕，我上传了，可【点击下载】 使用用到的工具类 import com.maxmind.geoip2.DatabaseReader

MaxMind GeoIP2 服务能识别互联网用户的地点位置与其他特征，应用广泛，包括个性化定制内容、诈欺检测、广告定向、网站流量分析、执行规定、地理目标定位、地理围栏定位 (geo-fencing)以及数字版权管理。目前使用 GeoIP 更多是配合Nginx或Apache服务器进行日志分析获取网站访问量地域分布状况。 GeoIP 分为商业版和免费版，免费版比商业版精度差了许多，经测试对于城市定位确实有差距，能否接受看你的精度要求！(老板说免费的可以了，哈哈) 下载GeoIP2的库，这个库是经常更新的，如果数据要求很高的，需要经常更新(我们不高，预计一年一次) 但是好像网站不太稳定，我这边3个都下载好了，可【点击下载】 关于Java如何使用 不用担心，已经有开源库，maven下载一个 <dependency> <groupId>com.maxmind.geoip2</groupId> <artifactId>geoip2</artifactId> <version>2.12.0</version> </dependency> 没有maven，怎么办？不怕，我上传了，可【点击下载】 使用用到的工具类 import com.maxmind.geoip2.DatabaseReader; import com.maxmind.geoip2.model.AsnResponse; import

2019杭州云栖大会上，高德地图技术团队向与会者分享了包括视觉与机器智能、路线规划、场景化/精细化定位时空数据应用、亿级流量架构演进等多个出行技术领域的热门话题。现场火爆，听众反响强烈。我们把其中的优秀演讲内容整理成文并陆续发布出来，本文为其中一篇。 阿里巴巴高级地图技术专家方兴在高德技术专场做了题为 《向场景化、精细化演进的定位技术》 的演讲，主要分享了高德在提升定位精度方面的探索和实践，本文根据现场内容整理而成（在不影响原意的情况下对文字略作编辑），更多定位技术的实现细节请关注后续系列文章。 以下为方兴演讲内容的简版实录： 今天要分享的主题是关于定位的场景化、精细化。高德定位，并不只是服务于高德地图本身，而是面向所有的应用开发者和手机设备厂商提供定位服务。目前已有30万以上的APP在使用高德的定位服务。 用户每天会大量使用定位服务，比如看新闻、打车、订外卖，甚至是购物，首先都是要获得位置信息，有了更精准的位置信息，才可能获得更好的服务体验。 高德地图有超过1亿的日活用户，但是使用定位的有好几个亿，每天的定位请求数量有一千亿次。如此大的数据量，高德定位服务可以保持毫秒级的响应速度，我们在这里面做了很多工作。此外，我们还提供全场景的定位能力，不管为手机、车机还是任何厂家，都能提供位置服务。 我今天从四个方面介绍，分别是： 定位面临的挑战 高德地图全场景定位 分场景提升定位精度