一种基于图像相似度和BPNN回归学习的室内定位方法技术

本发明专利技术提出了一种基于图像相似度和BPNN回归学习的室内定位方法；该方法分为两个阶段；离线阶段，利用相机收集采样点的图像，在进行大小归一化预处理后，计算采样点图像与参考图像之间的结构相似度、直方图相似度和余弦相似度，作为训练数据的指纹。同时计算采样点与参考点的距离作为训练数据的标签；最后利用反向传播神经网络进行回归学习，得到基于距离的回归模型；在线阶段，首先对获取的图像进行大小归一化处理，然后计算与参考图像的三种相似度，通过基于距离的回归模型来估计最终的距离，实现定位，该方法具有结构简单，时间开销小，定位精度高的优点。

【技术实现步骤摘要】
一种基于图像相似度和BPNN回归学习的室内定位方法
本专利技术涉及一种定位方法，具体的说是一种室内定位方法，属于定位导航

技术介绍
近年来，室内位置服务的需求不断增长，催生了室内定位技术的不断发展。传统卫星定位系统，如全球定位系统（GPS）、北斗定位系统，在室外空旷环境中拥有较高的定位精度，但是卫星定位信号很容易受到遮蔽或干扰，导致卫星定位系统在室内环境中定位不准甚至无法定位。但是在室内环境中，图像信息具有无电磁干扰，绿色环保等特点，因此，基于图像的定位技术受到越来越多的关注。作为一门融合计算机视觉、机器学习、多视图几何、图像检索等众多科研领域的交叉性学科技术，基于图像的定位算法在机器人导航定位、现实增强、三维重建、地标识别等领域有着关阔的应用前景和巨大的研究价值。但是传统的图像定位算法用图像检索的方式处理定位问题，无法满足一些典型应用对定位精度的要求。现有技术包括：基于特征匹配的定位算法和基于统计学习定位算法。其中，基于特征匹配的定位方法主要分为三步：特征提取，利用一组参数对特征进行描述，然后利用参数进行最邻近匹配来本文档来自技高网...

【技术保护点】
1. 一种基于图像相似度和BPNN回归学习的室内定位方法，其特征在于，包括以下步骤：/n离线阶段/n步骤1：构建训练数据集/n步骤1-1：利用相机收集在每个采样点的图像；/n步骤1-2：对所收集的图像进行大小归一化处理；/n步骤1-3：选择收集的第一个采样点的图像和位置作为参考图像和参考位置，计算收集的图像与参考图像之间的相似度，作为所在采样点的训练数据的指纹，同时计算采样点与参考位置之间的距离，作为所在采样点训练数据的标签，利用所述指纹和标签共同构建训练数据集；/n步骤2：离线回归学习/n步骤2-1：根据所述训练数据集，利用反向传播神经网络进行基于距离的回归学习，得到基于相对距离的回归模型；...

【技术特征摘要】
1.一种基于图像相似度和BPNN回归学习的室内定位方法，其特征在于，包括以下步骤：
离线阶段
步骤1：构建训练数据集
步骤1-1：利用相机收集在每个采样点的图像；
步骤1-2：对所收集的图像进行大小归一化处理；
步骤1-3：选择收集的第一个采样点的图像和位置作为参考图像和参考位置，计算收集的图像与参考图像之间的相似度，作为所在采样点的训练数据的指纹，同时计算采样点与参考位置之间的距离，作为所在采样点训练数据的标签，利用所述指纹和标签共同构建训练数据集；
步骤2：离线回归学习
步骤2-1：根据所述训练数据...

【专利技术属性】
技术研发人员：颜俊，朱洪柳，曹艳华，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32