The embodiment of the present invention provides an indoor positioning method and device based on SLAM, obtains the image to be positioned uploaded by the user terminal, constructs a picture database with position and attitude information quickly by SFM algorithm, extracts the feature vectors of the image to be positioned and the set of feature vectors of the database image by convolutional neural network, and calculates the feature vectors between the image to be positioned and the database image. Similarity degree, completes the loop detection, obtains the image with the highest similarity with the image to be located in the image database and the corresponding first posture information, thus obtains the accurate position and posture information of the user terminal. Compared with the traditional visual SLAM algorithm, which adopts the word bag model and has weak recognition ability, the present invention adopts the neural network to learn the deep-seated features of images, which can achieve higher recognition accuracy and improve the accuracy of loop detection.
【技术实现步骤摘要】
一种基于SLAM的室内定位方法及装置
本专利技术实施例涉及场景识别
，尤其涉及一种基于SLAM的室内定位方法及装置。
技术介绍
导航定位是基于位置服务研究的热点，当前室外GNSS定位已经足以提供成熟的定位服务，但室内定位技术仍处于起步阶段，尚没有一种技术占据绝对的优势。根据应用需求的不同，室内定位技术分为消费级和工业级两种，消费级的定位精度要求在1～3m，要求与移动智能终端兼容，用于消费者信息指引/营销推送等；工业级的定位精度要求在cm～dm级，一般不考虑与现有的智能终端兼容，用于货物搬运、急救寻人、资产管理等。室内定位的技术中种类众多，包括基于无线信号的定位、惯性导航和基于计算机视觉的定位。基于无线信号的定位主要分为几何关系定位和特征匹配定位两种，几何关系定位利用接收机和基站之间的几何关系，通过解算方程组来得到定位结果，代表UWB定位、RFID定位、ZigBee定位、伪卫星定位等。特征匹配定位通过建立与位置相关的可测量参数数据库，将测量值与数据库进行匹配，从而获取位置信息，代表技术包括Wi-Fi指纹、地磁定位、蓝牙信标等。基于无线信号的定位方式，容易受到复...
【技术保护点】
1.一种基于SLAM的室内定位方法，其特征在于，包括:101，获取用户终端上传的待定位图像；102，将待定位图像和图片数据库内的数据库图像分别输入卷积神经网络，提取待定位图像的特征向量以及数据库图像的特征向量集合；其中，图片数据库是对目标场景的图像集合使用SFM算法得到的；103，计算待定位图像对应的特征向量与数据库图像对应的特征向量集合之间的相似度，得到图片数据库中与待定位图像相似度最高的图像及其对应的第一位姿信息。
【技术特征摘要】
1.一种基于SLAM的室内定位方法，其特征在于，包括:101，获取用户终端上传的待定位图像；102，将待定位图像和图片数据库内的数据库图像分别输入卷积神经网络，提取待定位图像的特征向量以及数据库图像的特征向量集合；其中，图片数据库是对目标场景的图像集合使用SFM算法得到的；103，计算待定位图像对应的特征向量与数据库图像对应的特征向量集合之间的相似度，得到图片数据库中与待定位图像相似度最高的图像及其对应的第一位姿信息。2.根据权利要求1所述的基于SLAM的室内定位方法，其特征在于，步骤102中，所述图片数据库的具体构建过程包括：对相机上传的目标场景的图像集合进行预处理；对预处理后的图像集合使用SFM算法，输出携带位姿信息的图片数据库。3.根据权利要求2所述的基于SLAM的室内定位方法，其特征在于，所述对预处理后的图像集合使用SFM算法，输出携带位姿信息的图片数据库具体包括：提取图像集合中每一张图片的SIFT特征点；计算每两张图片SIFT特征点之间的欧式距离进行SIFT特征点的匹配，获得若干SIFT特征点相匹配的图像对；计算每一对图像对的对极几何，估计F矩阵，并通过RANSAC算法优化所述图像对；确定初始化图像对，对初始化图像对进行第一次光束法平差；循环添加新的图片进行新的光束法平差，生成SIFT特征点云地图，获得带有位姿信息的图片数据库。4.根据权利要求3所述的基于SLAM的室内定位方法，其特征在于，在步骤103之后，所述基于SLAM的室内定位方法还包括：基于SFM算法生成的SIFT特征点云地图，采用EPnP算法获取待定位图像的第二位姿信息；若判断获知所述第二位姿信息和第一位姿信息的相似度大于第一预设阈值，则将所述待定位图像加入图片数据库。5.根据权利要求1所述的基于SLAM的室内定位方法，其特征在于，步骤102中，所述卷积神经网络为Vgg-16神经网络模型；相应的，所述将待定位图像和图片数据库内的数据库图像分别输入卷积神经网络，提取待定位图像的特征向量以及数据库图像的特征向量集合具体包括：提取待定位图像的SIFT特征点，然后以待定位图像SIFT特征点的像素为中心，提取待定位图像的图像块；将待定位图像的图像块和...
【专利技术属性】
技术研发人员：刘振耀，陈威屹，
申请(专利权)人：中国科学院光电研究院，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。