[发明专利]一种基于计算机视觉的室内定位方法

权利要求书

1.一种基于计算机视觉的室内定位方法，其特征在于，包括以下步骤：

(1)采集室内RGB图像和深度图像并保存，记录采集图片时相机的位姿，建立室内地图库T_MN；

(2)将地图库中保存的RGB图像作为训练样本输入到深度学习网络模型中，对网络模型进行训练，当损失函数数值不再降低时保存网络模型参数；

(3)当有终端进入室内时，下载深度学习网络模型参数，并使用终端相机拍摄室内照片，利用深度学习网络从地图库中识别出与终端拍摄照片最相似的匹配图片，并提取对应的深度图像和相机位姿；

(4)提取终端拍摄照片和匹配图片的特征点，对特征点进行匹配并计算得到匹配点在世界坐标系下的坐标；

(5)根据匹配点在世界坐标系下的坐标以及图像坐标，利用n点透视投影模型求解方法，求解出终端在拍摄照片时在世界坐标系下的位姿，再根据室内地图将坐标转换为真实位置并在地图上显示；

完成基于计算机视觉的室内定位。

2.根据权利要求1所述的一种基于计算机视觉的室内定位方法，其特征在于，步骤(1)的具体方式为：根据面积大小将室内空间分成M×N个网格，采用激光测距仪获取每个网格中心点的平面坐标，在每个网格中心架设RGB-D相机，使相机距地面的高度为H米，并与地面保持平行；通过这些相机采集RGB图像和深度图像，并记录采集图片时相机的位姿，从而建立M×N大小的室内地图库。

3.根据权利要求1所述的一种基于计算机视觉的室内定位方法，其特征在于，所述深度学习网络模型结合LBP特征进行场景识别；步骤(2)中对网络模型进行训练时，利用下式进行LBP特征提取：

式中，(x_c,y_c)为中心像素点的坐标，N的大小为8，i_c,i_n分别为中心像素和邻域像素的灰度值，s(·)为符号函数；

训练过程的目的是学习得到网络各层的参数值，以拟合给定的训练数据；具体方式为，建立对数似然函数，使其在训练集上的值最大化，即得到网络层参数；假设训练集包含N个样本，则对数似然函数为：

式中，P(v⁽ⁱ⁾|θ)表示可见单元与隐单元的联合分布，argmax为求函数最大值所对应的自变量集合的函数，θ为网络参数。

4.根据权利要求1所述的一种基于计算机视觉的室内定位方法，其特征在于，步骤(4)的具体方式为：

分别提取终端拍摄照片和匹配图片的SURF特征点并进行匹配；

利用随机采样一致性方法对错误匹配点进行剔除；

提取匹配点像素坐标，查找深度图像中对应点的深度，根据相机成像模型和相机位姿，计算得到匹配点在世界坐标系下的坐标。