[发明专利]一种SLAM技术结合深度学习的区域定位方法

说明书

本发明属于图像识别以及区域定位技术领域，提供了一种SLAM技术结合深度学习的区域定位方法，由于卫星信号受建筑物遮挡干扰使得信号衰减严重，在一些区域内无法实现有效的定位，而利用本方法可以在这些区域内实现对目标的有效定位。且这次提出的发明方法克服了现有室内定位技术的一些缺点。采用SLAM技术并结合深度学习对目标进行定位，使定位精度更高，覆盖范围更广，成本更低，具有较高的实际价值；又由于视觉SLAM技术是基于计算机视觉的定位方式，不仅需要巨大的计算量，且定位具有一定的延迟性，本发明方法可以很好解决这两个问题。

技术领域

本发明属于图像识别以及区域定位技术领域，涉及在一定区域内借助深度学习得出定位坐标的一种定位方法。

背景技术

SLAM是SimultaneousLocalizationandMapping的缩写，其名译作“同时定位与地图构建。是表示在环境信息未知的情况下，通过指定的传感器，在运动的过程中不断进行环境信息的构建，同时对自己的位置进行估计；当采用相机作为传感器时，则称为“视觉SLAM”。

深度学习是机器学习研究的一个新领域，其概念源于人工神经网络的研究。通过构建模拟人脑进行分析学习的神经网络，模仿人脑机制解释数据，对输入数据有“低层”到“高层”逐层提取特征，实现从输入到输出的良好映射。深度学习就具体研究内容而言，主要涉及三类方法：卷积神经网络、自编码神经网络、深度置信网络。深度学习可以提高分类和预测的准确性，并且改善传统神经网络算法对复杂函数的表示能力有限的局限性，并且可以实现对非线性的自然信号的处理，比如自然语言处理、大数据特征提取、图像识别以及语音识别等方面。

随着定位技术的发展，GPS和基站定位技术已经实现了对绝大多数室外场景的精确定位。但在少数室外场景或室内由于各种阻碍物的存在，GNSS的信号快速衰减甚至没有，致使在这些区域无法实现精确定位。同时，室内场景如商场中人流量大，环境较为复杂，实时性强，因此对定位提出了更高的要求。现在应用于室内定位的技术主要有wifi定位技术、蓝牙定位技术、红外线定位技术、超声波定位技术、地磁定位技术、RFID定位、超宽带定位等等。但这些技术在定位精度、覆盖范围、可靠性、功耗以及成本等方面分别存在着不同的缺陷。如wifi定位其热点受周围环境影响较大，定位精度低且维护成本较高；RFID定位覆盖范围小，不具有通信能力；超宽带定位技术成本较高，网络部署复杂等等。本发明针对以上不足，利用SLAM技术借助深度学习与定位技术相结合，提高在室内或室外特殊区域定位的精度，扩大其覆盖范围并降低成本。

发明内容

本发明的主要目的是：提出一种SLAM技术结合深度学习的区域定位方法，这种定位方法主要可应用于室内或如工地等室外区域中，旨在提高其定位精度，扩大其覆盖范围，降低成本。

本发明的技术方案：

一种SLAM技术结合深度学习的区域定位方法，步骤如下：

第一步，在某一特定区域内安装基站，基站可接收到区域内目标所在处的信号强度，首先根据实际场景大小与障碍物情况将定位区域划分成m个小区域，并按照一定的间隔划分采样点，然后将一个能够得到信号强度的仪器由待测目标所佩戴。最后分别在m个区域中的采样点处采集各个信号强度，将采集到的各个RSSI值记录保存下来。

第二步，采用双目相机进行定位，在待测目标上装一个双目相机，使它走过第一步中m个小区域山的采样点，利用视觉SLAM的经典框架，即传感器数据处理、前端视觉里程计、后端优化、回环检测和建图五大模块得到待测目标在各个区域中的各个采样点的坐标Y（x,y）。