[发明专利]智能移动终端的室内定位方法、装置与电子设备

权利要求书

1.一种智能移动终端的室内定位方法，其特征在于，包括：

获取通过智能移动终端拍摄的室内图像，并利用预先建立的目标检测模型，对所述室内图像进行目标检测，获取包含目标物体的图像；

获取所述包含目标物体的图像的特征点信息，并根据预先构建的特征点数据库，进行图像特征点匹配，获取所述包含目标物体的图像对应的位姿信息；

基于所述位姿信息，对所述智能移动终端进行室内定位；

其中，所述目标检测模型为预先利用采集的室内场景中可识别目标的图像数据进行训练获取的，所述特征点数据库为预先通过对移动测量系统采集的带有位姿信息的图像进行特征点提取构建而成的。

2.根据权利要求1所述的智能移动终端的室内定位方法，其特征在于，在所述进行图像特征点匹配的步骤之前，还包括：

构建所述移动测量系统，搭载多线激光、全景相机、惯性导航设备和同步控制器，并利用所述移动测量系统，采集室内场景的三维点云数据和影像数据；

基于所述三维点云数据和影像数据，利用多传感器融合的SLAM算法，计算所述影像数据对应的绝对位姿；

基于所述影像数据对应的绝对位姿和相机内参信息，计算约定描述子的视觉特征点，并基于所述约定描述子的视觉特征点，依次进行特征点匹配、特征点三角化和光束平差运算，获取所述视觉特征点的三维坐标；

基于所述三维坐标，得到已知三维坐标的视觉特征点，并基于所述已知三维坐标的视觉特征点，构建所述特征点数据库。

3.根据权利要求1或2所述的智能移动终端的室内定位方法，其特征在于，在所述对所述室内图像进行目标检测的步骤之前，还包括：

采集室内场景中给定量的可识别目标的图像数据，并对所述可识别目标的图像数据进行目标图像标注，构成训练样本；

初始化构建目标检测初始模型，并利用所述训练样本，对初始化的目标检测初始模型进行循环迭代训练，获取所述目标检测模型。

4.根据权利要求1或2所述的智能移动终端的室内定位方法，其特征在于，所述目标检测模型具体为Mask-RCNN实例分割模型、特征匹配算法模型、词典模型或者深度信念网络模型。

5.根据权利要求1或2所述的智能移动终端的室内定位方法，其特征在于，具体采用PnP算法进行所述包含目标物体的图像的位姿解算，相应的，所述获取所述包含目标物体的图像对应的位姿信息的步骤具体包括：

将所述包含目标物体的图像的特征点信息与所述特征点数据库中各特征点进行SIFT特征匹配，获取匹配的2D-3D关键点对和描述子数组；

随机选取至少六组2D-3D关键点对，利用PnP算法中的DLT算法，根据选取的2D-3D关键点对和所述描述子数组，求解投影矩阵，并利用所述投影矩阵，计算其余未被选取的3D点相对应的2D点坐标，并求取计算出的2D点与所述未被选取的3D点对应的原始2D点间的位置误差，以通过判断所述位置误差是否在设定阈值范围内，求取选取的2D-3D关键点对的内点个数；

循环执行所述随机选取至少六组2D-3D关键点对至所述求取选取的2D-3D关键点对的内点个数的步骤，直至循环次数达到设定总次数，获取内点个数最多的一组2D-3D关键点对，并根据内点个数最多的一组2D-3D关键点对，生成所述智能移动终端的位置结果矩阵。

6.根据权利要求4所述的智能移动终端的室内定位方法，其特征在于，当采用Mask-RCNN实例分割模型时，所述对所述室内图像进行目标检测的步骤具体包括：

利用Mask-RCNN网络中的卷积网络层和区域建议网络层，处理所述室内图像，获取初始特征图；

利用Mask-RCNN网络中的ROI-Align网络层，对所述初始特征图进行区域特征聚类分析，并对聚类结果分别进行卷积操作、全连接操作及分类处理，获取所述目标物体在所述室内图像中的位置及对所述目标物体的分类结果；

基于所述分类结果和所述在所述室内图像中的位置，利用Mask-RCNN网络中的全连接层，输出所述目标物体的掩码图像。