[发明专利]基于OS-ELM融合视觉和惯性信息的室内定位方法

权利要求书

1.一种基于OS-ELM融合视觉和惯性信息的室内定位方法，其特征在于，所述方法包括以下步骤：

1)对获得的惯性和视觉传感器数据进行预处理生成训练特征向量，将包含训练特征向量和目标输出的训练数据进行建模；

2)将训练数据输入到OS-ELM模型中初始化输出初始权重向量，将训练特征向量作为输入向量，相应的目标位移作为训练输出向量；

3)通过在线顺序学习新的训练数据更新OS-ELM模型输出更新权重向量，经过迭代，输出最终的权重向量，作为最优权重向量；

4)对测试数据进行建模生成测试特征向量，通过最优权重向量获取测试数据相应的测试输出向量；

5)引入转角判断，对测试输出向量进行优化，用于减小在转角处由于采集的图像模糊而产生的定位误差；对经过转角判断后的输出结果进行计算，得到最终的定位结果。

2.根据权利要求1所述的一种基于OS-ELM融合视觉和惯性信息的室内定位方法，其特征在于，所述将包含训练特征向量和目标输出的训练数据进行建模具体为：

模型中每个待定位帧的输入数据均由M个若干维的向量表示，计算图像I_i和图像I_i+m真实二维坐标间的差值，并由其组成每帧图像的目标输出向量。

3.根据权利要求1所述的一种基于OS-ELM融合视觉和惯性信息的室内定位方法，其特征在于，所述最优权重向量具体为：

其中，H为隐含层输出矩阵，W为目标向量，β为输出权重向量，T为转置，

4.根据权利要求3所述的一种基于OS-ELM融合视觉和惯性信息的室内定位方法，其特征在于，所述通过最优权重向量获取测试数据相应的测试输出向量具体为：

其中，G(input_i)为用于测试的输入向量，i为图片编号，L为图片数量。

5.根据权利要求1所述的一种基于OS-ELM融合视觉和惯性信息的室内定位方法，其特征在于，所述引入转角判断，对测试输出向量进行优化具体为：

当满足以下两个条件时，认为当前帧正处于转弯状态，将图片I_i和I_i+m之间的位移设置为零；

1)当m＝1时，匹配点的对数N₀仍小于N_a；

2)当2个连续的帧之间的角度差大于阈值时：

angle(I_i+1)-angle(I_i)>阈值

其中，angle(I_i)为第i帧的角度，阈值设置为0.001。

6.根据权利要求1所述的一种基于OS-ELM融合视觉和惯性信息的室内定位方法，其特征在于，所述对经过转角判断后的输出结果进行计算，得到最终的定位结果具体为：

计算每帧与下一帧之间的移动距离ΔS_i，

然后对ΔS_i进行积分，得到最终的定位结果；

其中，S_i为图片I_i和I_i+m之间的位移，m为图片I_i和I_i+m之间的间隔数值，i为图片编号。