[发明专利]基于深度学习目标识别的室内定位方法及定位终端

说明书

本发明公开了一种基于深度学习目标识别的室内定位方法及定位终端，定位终端采集室内场景中的信标图像，其中室内设置有信标，信标包括光源，光源上设置有特征图案；将信标图像输入预先训练好的目标检测网络，以通过目标检测网络检测出信标图像中包含特征图案的子图像；将子图像输入预先训练好的关键点识别网络，以通过关键点识别网络检测出子图像中各关键点的位置信息；基于位置信息、各关键点的空间坐标以及采集信标图像的焦距，确定定位终端的空间位置。本发明方法使用基于深度学习的人工神经网络对信标进行检测识别，降低算法复杂度，并提升了算法识别的鲁棒性。

技术领域

本发明涉及定位技术领域，尤其涉及一种基于深度学习目标识别的室内定位方法及定位终端。

背景技术

近年来，随着物联网与定位导航技术不断发展，位置信息在生产、生活中的重要性不断增加，相关应用也不断涌现。目前，在室外自由空间下，北斗、GPS等基于卫星的定位系统已经十分成熟，可以实现室外环境全覆盖的精确定位。然而，在卫星信号微弱或覆盖不到的室内和地下环境，卫星定位系统不能够使用，造成了定位服务的盲区。针对这一问题，当前也出现了基于WiFi、蓝牙、超宽带、计算机视觉、激光雷达、超声和5G通信等原理的室内定位方法，与这些定位方法相比，可见光定位技术以室内环境下泛在的照明光源为参照，利用接收到的可见光信号进行位置计算，具有布设简单、成本低、功耗低、精度高和无电磁干扰等特点和优势，可在室内、地下等具有照明光源的封闭环境灵活布设与应用。

根据定位终端接收传感器的不同，室内可见光定位技术可以分为使用光电传感器的非成像可见光定位和使用图像传感器的成像可见光定位两类，本方法属于成像可见光定位领域。在当前已有的成像可见光定位技术中，通常需要使用调制通信的方式传输照明光源的身份和位置信息(如CN108332748A一种室内可见光定位方法及装置)，或使用特征编码识别的方法得到照明光源的位置坐标(如CN111044055A室内定位方法及室内定位装置)。

传统的定位方法均需要使用传统的图像处理算法进行信号处理，具有运算量较大和鲁棒性较低的缺陷，进而影响定位系统的精度、功耗和稳定性。

发明内容

本发明实施例提供一种基于深度学习目标识别的室内定位方法及定位终端，使用基于深度学习的人工神经网络对信标进行检测识别，降低算法复杂度，并提升了算法识别的鲁棒性。

本发明实施例提出一种基于深度学习目标识别的室内定位方法，包括：

定位终端采集室内场景中的信标图像，其中室内设置有信标，所述信标包括光源，所述光源上设置有特征图案，且所述特征图案在所述光源的照射下呈现多个关键点；

将所述信标图像输入预先训练好的目标检测网络，以通过所述目标检测网络检测出所述信标图像中包含特征图案的子图像；

将所述子图像输入预先训练好的关键点识别网络，以通过所述关键点识别网络检测出所述子图像中各关键点的位置信息；

基于所述位置信息、各关键点的空间坐标以及采集所述信标图像的焦距，确定所述定位终端的空间位置。

在一些实施例中，各关键点的空间坐标是通过在空间进行测量获得的。

在一些实施例中，所述目标检测网络是通过如下方式训练的：

预先采集多张包含特征图案的信标图像；

对采集的信标图像中特征图案的位置进行标注；

通过标注后的信标图像执行对所述目标检测网络的训练；

在一些实施例中，所述关键点识别网络是通过如下方式训练的：

预先采集多张包含关键点的特征图案图像；

对采集的特征图案图像中关键点的位置进行标注；