【技术实现步骤摘要】
一种基于深度学习区域聚合特征的室内多尺度定位方法
[0001]本专利技术涉及地图测绘领域，具体涉及一种基于深度学习区域聚合特征的室内多尺度定位方法。
技术介绍
[0002]随着室内机器人的应用不断增加，感知技术作为机器人应用的基础，而定位技术是机器人感知的根基，成为机器人研究的重点内容。由于室内缺乏GPS信号，在定位过程中需要密集地布设能发射WiFi、蓝牙或ZigBee等定位信号的基站，通过三角定位方法实现定位。但这种方法需要室内环境进行改造，不仅加大部署难度，也增加了定位成本。对此，一些方法引入图像特征进行匹配，仅在初定位阶段对比定位信号，在精细定位阶段仅通过匹配图像特征便可实现精确的定位。然而，这种方法依然需要布设基站，从而对室内环境进行改造。针对于此，本文利用深度学习特征构建区域聚合特征，从而能充分的表征区域。然后提出一种基于区域聚合特征和深度学习特征的节点式地图构建模型。最后，采用一种室内多尺度定位模型方法对待定位节点和地图模型进行匹配，实现精确和鲁棒性高的室内定位。相比于传统方法，所提出的基于深度学习区域聚合特征的...
【技术保护点】
【技术特征摘要】
1.一种基于区域聚合特征的室内多尺度定位方法，该方法包括区域聚合特征的提取方法，基于区域聚合特征和深度学习特征的节点式地图构建方法和基于区域聚合特征的室内多尺度定位方法，所述的区域聚合特征的提取方法是指聚合区域的深度学习特征，得到一种表征区域的特征；所述的节点式地图构建是指利用区域聚合特征和深度学习特征共同表征节点，并构建用于表征室内场景的模型，所述的基于区域聚合特征的室内多尺度定位方法是指利用区域聚合特征和深度学习特征实现场景识别，从而实现室内定位。2.根据权利要求书1所述基于深度学习区域聚合特征的室内多尺度定位方法，所述的区域聚合特征的提取方法是利用区域的节点构建表征区域的特征，通过提取区域所有节点的深度学习特定层的特征，并将所提取的特征进行向量化处理，然后通过...
【专利技术属性】
技术研发人员：王相龙，钟勋，严忠贞，朱信远，田宇，崔宇晨，
申请(专利权)人：湖北工业大学，
类型：发明
国别省市：
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。