随着工业4.0概念的提出,信息化技术被广泛应用到工业生产中,制造业正在向智能化转型。在智能化生产中,位置是一种不可或缺的信息,高精度室内定位技术的市场需求日益增长。基于计算机视觉的定位技术具有精度高、稳定性好、无需额外设备的优点,是提供室内定位服务的理想方案。本论文提出一种基于全景相机的室内库房定位系统,用于为AGV小车提供高精度室内定位服务,主要贡献包括:（1）设计了一种定制标签作为定位锚点,使用全景相机采集不同位置和角度的库房环境图像,并对图像中的定制标签进行标注,构建用于目标检测的全景图像数据集。根据全景图像定制标签检测任务的特点,设计一种轻量级全景图像目标检测网络结构,并融入可变形卷积、通道注意力、多尺度特征融合等机制。实验结果表明,在全景图像数据集上,该网络的检测准确率达到97.06%,性能优于目前常用的目标检测网络。针对全景图像数据集中存在的图像畸变严重、光照分布不均、类别不平衡、标签尺寸差异大等问题,采用多种数据增强方法,包括坐标变换、Retinex Net网络、多尺度训练等,深度挖掘训练集信息。实验结果表明本论文采用的数据增强方法对模型准确率有1.39%的提升,具备有效性。（2）为进一步减少模型参数量和计算量,采用模型压缩算法对全景图像目标检测网络进行处理,使用通道剪枝方法去除网络中的冗余通道,并针对剪枝后模型精度难以恢复的问题,提出一种针对目标检测网络的知识蒸馏策略,大幅恢复剪枝后模型的精度。在不损失模型精度的前提下,将计算量和参数量压缩为原始网络的40.63%和31.33%;在损失6.93%精度的前提下,计算量和参数量被压缩为原始网络的9.76%和14.89%。（3）在华为Atlas200 DK开发板上构建一套完整的端到端实时室内定位系统,使用NPU对模型推理进行加速,采用并行化策略对后处理过程进行优化,并在实际场景中验证了系统可行性。本论文在真实库房环境中对定位系统进行测试,系统实际的定位精度可以达到分米级,定位速度达到26 FPS以上,能够提供实时、高精度的定位服务。