利用全球定位改进导航( 四 )_：利用全球定位改进导航文

匹配自多张图像的特征

尽管这种方法在理论上很有效，但使其达到相同的实践效果却是一大挑战。问题在于，在定位时，手机所摄图像与采集街景图像时的场景（可能是几个月前的场景）可能有所出入。例如，树木具有大量丰富的细节，但却会随季节变换乃至风的吹动而产生变化。为获得良好匹配，我们需筛除场景中会变动的部分，而重点关注不随时间变化的永久性结构。正因如此，这一新方法的核心要素便是利用机器学习自动确定需要关注的特征，优先选定可能属于场景中不变部分的特征，而忽略或会暂时变动的事物，如树木、光线的动态移动和建筑物。在我们使用机器学习来提高精确度的众多方法中，这只是其中一种。

将全球定位与增强现实相结合

当用户急需精确度时，便可开启全球定位这一附加选项。这种精确度的提升还能使用户获得大量新体验。我们目前正在测试最新功能，其中一项功能便是使用 ARCore（Google 用来构建增强现实体验的平台）体验，以便用户在 Google 地图上开启步行导航模式时，为其叠加方向指示。借助此功能，您只需扫一眼手机便可精确知晓前行方向。