[1] 徐舒婷, 郑先伟, 谢潇, 等. 面向虚实融合的单体建筑物实时识别与定位[J] ●●●●。武汉大学学报 (信息科学版), 2023, 48(4): 542-549. 徐世通,郑克武,谢X,等。矢量地图与真实场景融合的实时建筑实例识别[J]。武汉大学地理信息科学,2023,48(4):542-549。 [2] ROH D,LEE J.使用基于深度学习的行人和个人移动用户识别增强了基于现实的导航——驾驶辅助的对比评估[J]。IEEE接入,2023,11:62200-62211。 [3] 王忠.一种基于元素识别的AR图虚拟现实融合方法[J]。ISPRS国际地理信息杂志,2023,12:126。 [4] 陈锐志, 王磊, 李德仁, 等. 导航与遥感技术融合综述[J] ●●●●。测绘学报, 2019, 48(12): 1507-1522. 陈瑞珍,王磊,李德瑞,等.导航与遥感技术融合研究综述[J]。《地质与制图学报》,2019,48(12):1507-1522。 [5] 陈锐志, 钱隆, 牛晓光, 等. 基于数据与模型双驱动的音频/惯性传感器耦合定位方法[J] ●●●●。测绘学报, 2022, 51(7): 1160-1171. 陈瑞泽,钱力,NIU X G,等.利用数据和模型双重驱动方法融合声程和惯性传感器[J]。《地理学报与制图》,2022,51(7):1160-1171。 [6] 高翔, 安辉, 陈为, 等. 移动增强现实可视化综述 [J] ●●●●。计算机辅助设计与图形学学报, 2018, 30(1): 1-8. 高X,安H,陈伟,等.移动增强现实可视化研究综述[J]。计算机辅助设计与计算机图形学杂志,2018,30(1):1-8。 [7] 陈丽英,李世斌,白清,等.基于卷积神经网络的图像分类算法综述[J]。遥感,2021,13(22):4712。 [8] 徐永生,张海忠.深度卷积神经网络的收敛性[J]。神经网络,2022,153:553-563。 [9] BOLYA D,ZHOU C,XIAO F,等.YOLACT++:更好的实时实例分割[J]。IEEE模式分析和机器智能汇刊,2022,44(2):1108-1121。 [10] WU J,YARRAM S,LIANG H,等.基于tracklet查询和建议的高效视频实例分割[C]//2022年IEEE/CVF计算机视觉与模式识别会议论文集,2022:949-958。 [11] LI D,LI R,WANG L,et al.您仅推断一次:用于参考视频对象分割的跨模式元传输[C]//AAAI人工智能会议论文集,2022:1297-1305。 [12] KINI J,SHAH M.基于标签的注意力引导自下而上视频实例分割方法[C]//2022年第26届模式识别国际会议论文集,2022:3536-3542。 [13] 朱峰,杨忠,于欣,等.实例作为身份:视频实例分割的通用在线范式[J]。arXiv:2208.030792022。 [14] GANESH P,CHEN Y,YANG Y,等.YOLO-ReT:在边缘GPU上实现高精度实时目标检测[C]//2022 IEEE/CVF计算机视觉应用冬季会议论文集,2021:1311-1321。 [15] 沈A,ISHII M,NARIHIRA T.语言与视觉交叉模式任务的Transformer架构透视与展望[J]。国际计算机视觉杂志,2022,130(2):435-454。 [16] YAO H Y,WAN W G,LI X.利用Transformer网络进行端到端行人轨迹预测[J]。ISPRS国际地理信息杂志,2022,11(1):44。 [17] 田永林, 王雨桐, 王建功, 等. 视觉变压器研究的关键问题: 现状及展望[J] ●●●●。自动化学报, 2022, 48(4): 957-979. 田义利,王义堂,王继光,等。视觉变形金刚的关键问题与进展:现状与展望[J]。自动化学报,2022,48(4):957-979。 [18] VASWANI A,SHAZEER N,PARMAR N,et al.Attention is all you need[C]//第31届神经信息处理系统国际会议论文集,美国加利福尼亚州长滩,2017:6000-6010。 [19] 王毅,徐Z,王X,等.基于变形金刚的端到端视频实例分割[C]//2021 IEEE/CVF计算机视觉与模式识别会议论文集,2020:8737-8746。 [20] 周德,于泽,谢娥,等。理解视觉变形金刚中的鲁棒性[J]。arXiv:2204.124512022。 [21]WU J,JIANG Y,SUN P,et al.作为参考视频对象分割的查询的语言[C]//2022年IEEE/CFF计算机视觉和模式识别会议(CVPR)论文集,2022:4964-4974。 [22]金普,MOU L,夏国胜,等.基于变压器的航空视频异常检测[J]。IEEE地球科学与遥感汇刊,2022年,60:1-13。 [23]LI N,TU W,AI H。使用Transformer实现大视角室内视觉定位的稀疏特征匹配模型[J]。无线通信和移动计算,2022:1243041。 [24]MEHTA S,RASTEGARI M.MobileViT:轻型、通用、移动友好型视觉变压器[J]。arXiv:2110.021782021。 [25]HEO B,YUN S,HAN D,et al.重新思考视觉变形金刚的空间维度[C]//2021 IEEE/CVF国际计算机视觉会议论文集,2021:11916-11925。 [26]PAN J,BULAT A,TAN F,et al.EdgeViTs:在移动设备上与视觉变形金刚竞争轻量级CNN[C]//《欧洲计算机视觉会议论文集》,2022年。 [27]CHEN Y,DAI X,CHEN D,et al.Mobile-former:桥接MobileNet和Transformer[C]//2022 IEEE/CVF计算机视觉和模式识别会议论文集,2022:5260-5269。 [28]YANG C,QIAO S,YU Q,et al.MOAT:交替的移动卷积和注意力带来强大的视觉模型[C]//《国际学习表征大会论文集》,2023。 [29]TAN M,CHEN B,PANG R,et al.MnasNet:移动平台软件神经架构搜索[C]//2019 IEEE/CVF计算机视觉与模式识别会议论文集,2018:2815-2823。 [30]MEHTA S,RASTEGARI M,CASPI A,et al.ESPNet:用于语义分割的扩张卷积的高效空间金字塔[C]//《欧洲计算机视觉会议论文集》(ECCV 2018),Cham,2018:561-580。 [31]MEHTA S,RASTEGARI M,SHAPIRO L G,et al.ESPNetv2:一种轻型、节能、通用的卷积神经网络[C]//2019年IEEE/CVF计算机视觉与模式识别会议论文集,2018:9182-9192。 [32]MAAZ M,SHAKER A M,CHOLAKKAL H,et al.EdgeNeXt:移动视觉应用的高效合并CNN-Transformer架构[C]//欧洲计算机视觉会议论文集,2022。 [33]HOWARD A G,ZHU M,CHEN B,等.移动网络:用于移动视觉应用的高效卷积神经网络[J]。arXiv:1704.048612017年。 [34]SANDLER M,HOWARD A G,ZHU M,et al.MobileNetV2:反向残差和线性瓶颈[C]//2018 IEEE/CVF计算机视觉和模式识别会议论文集,2018:4510-4520。 [35]HOWARD A G,SANDLER M,CHU G,et al.Searching for MobileNetV3[C]//2019 IEEE/CVF国际计算机视觉会议论文集,2019:1314-1324。 [36]MEHTA S,RASTEGARI M.移动视觉变形金刚的可分离自我关注[J]。arXiv:2206.026802022年。 [37]MA L.AR在3D模型中的应用[C]//2021年第二届控制、机器人与智能系统国际会议论文集,中国青岛,2021:261-265。 [38]周毅,孙斌,齐毅,等.基于通信与计算融合的5G移动AR/VR[J]。电信科学,2018,34(8):19-33。 [39]李荣平,赵志发,周X,等.智能5G:当蜂窝网络遇到人工智能时[J]。IEEE无线通信,2017,24(5):175-183。 [40]GHASEMI Y,JEONG H,CHOI S H,等.增强现实中基于深度学习的目标检测:系统综述[J]。工业中的计算机,2022年,139:103661。 [41]HWANG S,LEE J,KANG S。为移动增强现实实现基于文本检测的产品识别和跟踪[J]。IEEE接入,2022,10:98769-98782。 [42]周B,GUVEN S.移动增强现实中的细粒度视觉识别技术支持[J]。IEEE可视化和计算机图形汇刊,2020,26(12):3514-3523。 [43] 王巍, 王志强, 赵继军, 等. 基于移动平台的增强现实研究[J] ●●●●。计算机科学, 2015,42(Z11):510-519。 王伟,王志强,赵建杰,等.基于移动平台的增强现实研究[J]。计算机科学,2015,42(Z11):510-519。 [44]LE H,NGUYEN M,YAN W Q,等.使用YOLOv3和ARKit的增强现实和机器学习结合[J]。巴塞尔应用科学,2021,11(13):6006。 [45]LO VALVO A,CROCE D,GARLISI D,et al.适用于视障人士的导航和增强现实系统[J]。传感器,2021,21(9):3061。 [46]REAL S,ARAUJO A.VES:一种混合现实系统,用于帮助盲人和视力受损者进行多感官空间感知和认知[J]。应用科学基础,2020,10(2):523。 [47]ZHANG X C,YAO X Y,ZHU Y,et al.一种基于ARCore的以用户为中心的视障人士辅助导航系统[J]。应用科学基础,2019,9(5):989。 [48]VARELAS T,PENTEFOUNDAS A,GEORGIADIS C,et al.基于锚的AR室内定位系统[J]。材料:《国际科学技术杂志》,2020年,6:43-57。 [49]鲁峰,周华,郭立,等.基于ARCore的增强现实校园导航系统[J]。应用科学,2021,11(16):7515。 [50]MARTIN A,CHERIYAN J,GANESH J J,等.增强现实室内导航[J]。EAI批准的创意技术交易,2021:168718。 [51]黄伯诚,徐建杰,CHU E T,等.基于增强现实的室内导航系统[J]。传感器(瑞士巴塞尔),2020,20(20):5890。 [52]周B,顾Z,马伟,等.集成BLE和PDR室内定位用于地理可视化移动增强现实[C]//2020年第16届控制、自动化、机器人和视觉国际会议论文集,2020:1347-1353。 [53]MAHAPATRA T,TSIAMITROS N,ROHR A,等.步行增强现实导航器[J]。传感器,2023,23:1816。 [54]SHARIN N A,NOROWI N,ABDULLAH L,等.GoMap:基于移动的室内地图定位器的步长计数技术与增强现实相结合[J]。印尼电气工程与计算机科学杂志,2023,29:1792。 [55]李X,田毅,张飞,等.移动增强现实背景下的目标检测[C]//2020 IEEE混合增强现实国际研讨会论文集,2020:156-163。 [56]KAUL O,BEHRENS K,ROHS M.通过增强现实和3D音频提示为视觉障碍患者移动识别和跟踪环境中的物体[C]//CHI计算机系统人为因素会议论文集,2021:1-7。 [57]陈杰,朱忠.使用移动设备进行辅助导航的实时三维物体检测、识别和表示[J]。SN计算机科学,2023,4:543。 [58]HSIEH C C,CHEN H M,WANG S K。基于SLAM的AR和BIM在手持设备上集成的现场可视化施工管理系统[J]。KSCE土木工程杂志,2023,27:4688-4707。 [59]VERMA P,AGRAWAL K,SARASVATHI V.使用增强现实的室内导航[C]//2020年第四届虚拟和增强现实仿真国际会议论文集,2020年。 [60]VERYKOKOU S,BOUTSI A M,IOANNIDIS C.基于平面识别和优化顶点数据渲染的低端设备移动增强现实[J]。应用科学,2021,11(18):8750。 [61]王强,谢志.ARIAS:一种基于AR的交互式广告系统[J]。《公共科学图书馆·综合》,2023,18:e0285838。 [62]TSUBOKI Y,KAWAKAMI T,MATSUMOTO S,et al.基于AR应用估计深度的实时背景替换系统[J]。信息处理杂志,2023,31:758-765。 [63]BARUCH G,CHEN Z,DEHGHAN A,et al.ARKitScenes——一个使用移动RGB-D数据进行3D室内场景理解的多样化真实世界数据集[J]。arXiv:2111.088972021年。 [64]FEIGL T,PORADA A,STEINER S,et al.动态大规模工业环境中ARCore、ARKit和全息透镜的本地化限制[C]//第十五届计算机图形学理论与应用国际会议论文集,2020:307-318。 [65]LIU Z,LAN G,STOJKOVIC J,et al.CollabAR:移动增强现实边缘辅助协同图像识别[C]//2020年第19届ACM/IEEE传感器网络信息处理国际会议(IPSN)论文集,2020年:301-312。 [66]ZHANG W,LIN S,BIJARBOONEH F H,et al.EdgeXAR:一种具有用户友好延迟补偿的MAR六自由度摄像机多目标交互框架[C]//ACM人机交互会议记录,2021:1-24。 [67]XIAO Y,AI T,YANG M,et al.室内地图可视化中兴趣点(POI)特征的多尺度表示[J]。国际地理信息杂志,2020,9(4):239。 [68] 李德仁. 论可量测实景影像的概念与应用——从4D“5D”[J]。测绘科学, 2007, 32(4): 5-7. 李德荣.论数字可测量图像的概念和应用——从4D制作到5D制作[J]。测绘科学,2007,32(4):5-7。 [69] 朱欣焰, 周成虎, 呙维, 等. 全息位置地图概念内涵及其关键技术初探[J] ●●●●。武汉大学学报(信息科学版), 2015, 40(3): 285-295. 朱雪英,周春华,郭伟,等。基于位置的泛信息地图概念和关键技术的初步研究[J]。武汉大学地理信息科学,2015,40(3):285-295。 [70] 闾国年, 袁林旺, 俞肇元. 地理学视角下测绘地理信息再透视[J] ●●●●。测绘学报, 2017, 46(10): 1549-1556. 吕国恩,袁立伟,于志勇.从地理学角度测绘地理信息[J]。《地理学报与制图》,2017,46(10):1549-1556。 [71]朱洁,吴鹏,雷霞.方便建筑信息访问和查询的IFC图[J]。建筑自动化,2023148:104778。 [72]刘磊,李斌,ZLATANOVA S,等.行业基础类(IFC)支持的室内导航:一项调查[J]。建筑自动化,2021,121:103436。 [73]WEI Z,LI X,HE Z。基于扩展的CityGML描述的语义城市植被建模[C]//2022年数字景观建筑大会论文集,2022。 [74]唐磊,英斯,李磊,等.一种应用驱动的三维建筑模型LOD建模范式[J]。ISPRS摄影测量和遥感杂志,2020,161:194-207。 [75]迪亚兹·维拉里·迪亚基塔?O L,BILJECKI F,等.IFC2INDOORGML:一种从IFC生成IndoorGML的开源工具[J]。国际摄影测量、遥感和空间信息科学档案,2022:295-301。 [76] 罗竟妍. 建筑物实景全息地图模型构建方法研究[D] ●●●●。北京: 北京建筑大学, 2021 罗建勇。建筑物真实感全息图模型构建方法研究[D]。北京:北京土木工程与建筑大学,2021年。 [77]王强,叶力,云力,等.基于智能手机模式识别的行人步行距离估计[J]。遥感,2019,11:1140。 [78]WU Y,CHEN P,GU F,et al.用于室内定位和跟踪的高效航向辅助地图匹配[J]。IEEE传感器杂志,2019,19(8):3100-3110。 [79]建华L,郭强F,井研L,等.基于建筑地图定位锚语义约束的手机室内场景特征识别定位方法[J]。开放地球科学,2022,14:1268-1289。 [80] 刘建华. 手机室内导航与位置服务[M] ●●●●。ResearchGate,2022:69-79。 LIU J H.移动室内导航和定位服务[M]。ResearchGate,2022年:69-79。 [81] 于娟, 杨琼, 鲁剑锋, 等. 高级地图匹配算法: 研究现状和趋势[J] ●●●●。电子学报, 2021, 49(9): 1818-1829. 于杰,杨强,陆继发,等。高级地图匹配算法综述与发展趋势[J]。电子学报,2021,49(9):1818-1829。 [82]蒋磊,陈C,陈C.L2MM:学习用深度模型匹配低质量GPS轨迹数据[J]。ACM数据知识发现汇刊,2022年,17:1-25。 [83] 郑诗晨, 盛业华, 吕海洋. 基于粒子滤波的行车轨迹路网匹配方法[J] ●●●●。地球信息科学学报, 2020, 22(11): 2109-2117. 郑世聪,盛义华,吕海燕。基于粒子滤波的车辆轨迹图匹配[J]。地球信息科学杂志,2020,22(11):2109-2117。 [84]OBRADOVIC D,LENZ H,SCHUPFNER M.现代汽车导航系统中地图和传感器数据的融合[J]。超大规模集成电路信号处理系统信号图像与视频技术期刊,2006,45(1/2):111-122。 [85] 毛江云, 吴昊, 孙未未. 路网空间下基于马尔可夫决策过程的异常车辆轨迹检测算法[J] ●●●●。计算机学报, 2018, 41(8): 1928-1942. 毛俊英,吴华,孙伟伟。基于马尔可夫决策过程的路网车辆轨迹异常检测[J]。中国计算机学报,2018,41(8):1928-1942。 [86]崔庚,卞伟,王霞.基于航向同质性轨迹分割的隐马尔可夫映射匹配[J]。地理信息学,2021,25(1):179-206。 [87]HARDER D,SHOUSHTARI H,STERNBERG H.使用地理空间分析与回溯粒子滤波器进行实时地图匹配[J]。传感器(瑞士巴塞尔),2022,22(9):3289。 [88]郭庚,颜坤,刘Z,等.室内走廊环境下智能手机定位的虚拟无线设备约束鲁棒扩展卡尔曼滤波器[J]。IEEE传感器杂志,2023,23(3):2815-2822。 [89]冯杰,李Y,赵K,等。DeepMM:基于深度学习的地图匹配与数据扩充[J]。IEEE移动计算汇刊,2022,21(7):2372-2384。 [90]洪毅,张毅,SCHINDLER K,等.下一位置预测的上下文多头部自关注神经网络模型[J]。arXiv:2212.019532022。 [91]HONG Y,MARTIN H,RAUBAL M.你怎么去哪里?通过使用变压器学习旅行模式信息来改进下一个位置预测[C]//第30届地理信息系统进步国际会议论文集,2022:1-10。 [92]李强,曹锐,朱洁,等.先学习后匹配:通过深度学习和基于关键点的几何对齐,为黑暗环境提供一种基于粗到细深度图像的快速室内定位框架[J]。ISPRS摄影测量和遥感杂志,2023195:169-177。 |