随着智能通信及物联网的快速发展,无线定位技术越来越受到人们的关注,而室内定位由于在工业生产及人们的日常生活中具有广泛的潜在应用,成为当前的一个研究热点,各种室内定位技术蓬勃发展起来。目前室内定位技术主要可以分为射频定位、红外线定位、超声波定位、可见光定位以及目前广泛应用于机器人定位及导航的计算机视觉定位技术。研究表明室内可见光定位技术相比于其他的定位技术具有更高的定位精度,同时具备无电磁干扰,节能降耗等优势。但是可见光信号易受到背景光及反射光信号的干扰产生多径效应,大大降低了定位精度。而在计算机视觉定位中,利用深度卷积神经网络对几何变换,形变及光照变换具备一定程度的不变性,可以有效克服可见光定位技术中存在的缺陷。本论文的主要研究内容是提出高精度无盲区的室内可见光定位方法以及在背景光干扰严重且室内材质反射率较高的情况下利用卷积神经网络实现定位的方法。本文的研究工作主要包括以下几个方面:(1)首先介绍了目前主流的室内定位技术的工作原理及典型应用系统,分析了定位精度、相对成本和优缺点。阐述了室内可见光定位技术的分类体系和定位算法原理,归纳总结了各种定位技术的技术特点,确定了本文以接收信号强度为基础展开可见光三维定位算法的研究,并对可见光通信的LED照明特性及信道模型进行了研究。(2)针对传统的基于接收信号强度的定位算法存在定位精度较低、无法实现高度定位以及定位盲区的问题,本文提出了将定位空间进行分层处理,利用降维算法及接收信号强度实现高精度无盲区的室内三维定位,并通过在5m×5m×4m的空间进行仿真实现,分析了降维算法的定位精度及反射光信号对定位精度的影响。仿真结果表明,在信噪比为30dB的条件下该算法能够实现毫米级别的定位精度,同时实现无盲区定位。(3)针对可见光定位算法在背景光干扰严重及室内材质反射率较高的情况下,由于多径效应的影响,定位精度明显降低的问题,提出了利用卷积神经网络通过对输入的全景图像进行位置回归的方式实现室内定位。-本文采用基于VGG-16的多路CNN网络结构,提出了旋转不变池化算法实现输入图像旋转不变性。通过在36m×36m的室内场景的实验实现,验证了定位方法的定位精度,结果表明,该方法可以实现亚米级别的定位精度,且对室内光照变化及背景光具有良好的鲁棒性。