论文部分内容阅读
伴随着信息科技时代的进步,城乡一体化进程加快,大小型建筑日趋增加。人们的活动轨迹逐渐向室内移动,而室内活动空间也变得越来越复杂。据统计,如今大部分人90%的时间在室内活动,手机用户已达数十亿,幼童和老人的比例也在逐年升高。在日常生活中,对于室内定位的研究越来越紧迫。在人工智能化高度发展的当今社会,无人驾驶、机器人、物联网技术以及智慧城市、智慧校园等领域对于室内定位的需求极为迫切。室内定位最重要的功能就是为日常生活带来便利。智慧城市、智慧校园、公共卫生、公共安全、物联网、生产安全、大型场馆管理、应急救援等领域的建设都需要依赖于通过室内定位技术所获得的信息。例如在火灾中对受困人员的定位;在娱乐场所、火车站、机场等人员复杂且密集的场所对人流量的监测与监控;在生产中对仓库的智能管理;在医院对病人定位,以便快速、及时的治疗等等。快捷且准确的室内定位技术可以将虚拟数据与现实世界完美结合,真正实现了万物联通的思想。而由于室内定位所处的环境与室外定位不同,信号干扰较为严重,环境复杂,尽管近年来对于室内定位的研究已经取得了很多突破性的成果,但要进行实际应用仍有一些问题亟待解决。在进行大范围室内定位应用时会出现许多方法的有效距离受到限制,对于设备的要求过高等问题。由于实际室内环境较为多变复杂,定位结果将受到影响甚至定位偏差较大。在诸多室内定位方法中,利用计算机视觉相关技术进行室内定位是当前室内定位领域中较为热门的研究方向,在大范围的使用时不易受到干扰,作用距离广,具有良好的定位效果。本文主要是对室内定位方法进行研究,并针对当前室内定位方法中存在的精度低、作用范围小和抗干扰性差等问题展开研究。经研究发现,基于计算机视觉的室内定位方法更适合用于范围较广的环境中,且精度较高、抗干扰性强。而传统的基于计算机视觉的定位方法在进行定位工作时,由于室内结构特征的复杂性,误差率较大。本文通过对于算法的对比研究提出一种基于双目匹配技术的室内定位方法,因其高度模拟人眼,做到了精度高、抗干扰能力强和鲁棒性强,且更适用于室内结构。但当经典的图像匹配方法与室内定位算法结合时,由于结构信息较多或相似、无明显标识,会导致精度较低,适用性不强。在这种情况下,选择对室内结构适应良好的Junction特征进行提取,结合改进后的更适用于Junction特征的CPW能量函数方法剔除误匹配点,提出一种改进的SIFT算法进行图像匹配,进而得到初步位置信息。再结合双目测距方法以及惯性传感器轨迹得到较为精确的位置信息。最后,应用本算法开发一个室内定位系统,并以学校办公楼作为实验环境进行实测,对基于双目匹配技术的室内定位方法进行验证。经验证,改进后的算法定位精度明显优于传统室内定位方法。