利用机器学习从智能手机GNSS数据构建二维建筑地图

贾祥龙¹，王牌²，裴凌¹，耿江辉³

（1. 上海交通大学 上海市北斗导航与位置服务重点实验室，上海200240；2. 武汉大学 卫星导航定位技术研究中心，武汉430078；3. 中国科学院 精密测量科学与技术创新研究院，武汉430071） 

摘要：二维建筑地图是空间信息的重要表示，对于理解建筑环境和城市规划至关重要。由于城市是动态变化的，传统的二维建筑地图构建方法（如人工测量、遥感技术和基于LiDAR的技术）面临着高昂的经济成本和人力资源消耗等问题。近年来，基于全球导航卫星系统（Global navigation satellite system, GNSS）的城市制图技术因其覆盖范围广、更新效率高、成本低等优势而受到关注。然而，现有的GNSS建图研究主要依赖信号功率这一单一特征，导致测绘性能欠佳。同时，当前研究缺乏对二维建图精度的定量评估。本文提出了一种利用智能手机采集的GNSS信号构建二维建筑地图的方法，并引入专业制图领域中常用的精度评估指标，对建图结果进行定量评估。采用监督式机器学习方法，基于智能手机原始数据提取的多种GNSS信号特征，对GNSS的视距（Line-of-sight, LOS）/非视距（Non-line-of-sight, NLOS）信号进行分类。将三维环境分解为体素，并利用光线追踪技术确定GNSS信号与各体素的相交结果，以计算体素占据概率。通过将体素投影到水平面生成二维像素地图，并利用边缘检测方法从二维像素地图中提取建筑轮廓。实验结果表明，所提出的基于GNSS LOS/NLOS信号分类的二维建筑地图构建方法能够有效识别常见的矩形建筑，其F1分数达到88.5%，交并比（IoU）达到80.2%。此外，该方法还表现出对不规则建筑轮廓的检测能力。

关键词：全球导航卫星系统，智能手机，建筑轮廓，二维建筑地图，视距，非视距，机器学习

扫二维码浏览全文 

Cite this article

Jia, X., Wang, P., Pei, L. et al. Machine Learning-Enabled 2D Building Map Construction from Smartphone GNSS Data. J. Shanghai Jiaotong Univ. (Sci.) (2025). https://doi.org/10.1007/s12204-025-2878-5