本文提出了 InDeFi,一个融合视觉的WiFi室内定位系统,结合常见的商用WiFi设备和单目相机,可以实现厘米级的室内定位。室内定位是许多实际应用的基础,如室内导航、安全监视、行为分析和老年人护理等。传统的室内定位系统一般使用无线信号或者计算机视觉的方式完成室内定位任务,基于信号的室内定位不受光线环境、室内遮挡的影响,但是精度较低且易受干扰;基于视觉的室内定位一般精度较高且检测稳定,但是对光线环境较为敏感且不能检测被障碍物遮挡的目标,这导致了现有的室内定位系统无法兼顾精度、鲁棒性和适用性。基于此,InDeFi使用线性卡尔曼滤波器融合了视觉定位信息和WiFi定位信息用于精确的室内定位。InDeFi由两个创新的模块组成:基于WiFi的室内定位模块和基于视觉的室内定位模块。在基于WiFi的室内定位模块中,InDeFi基于CSI测量和误差消除,使用二维聚类和最大似然估计结合室内信号的到达方向角(AoA)、到达时间差(TDoA)估计主径AoA信息,然后结合RSSI信息最小化目标函数偏差以确定目标的位置。在基于视觉的室内定位模块中,InDeFi提出并结合了三个先进的深度卷积神经网络用于实现定位目标,包括目标检测网络InDetectNet、深度提取网络InDepthNet和目标计数及密度图生成网络InCrowNet;InDeFi使用点云融合了 InDetectNet检测的边界框(BBox)和InDepthNet的深度信息进行目标位置估计,并使用InCrowNet进行人群计数和密度图生成用于辅助室内定位。InDeFi在消除了室内遮挡、光线等不利影响的同时,提高了室内定位的精度,使得InDeFi能够胜任复杂室内环境下的定位工作。相比于最先进的分米级信号室内定位系统,InDeFi的平均定位精度提高了一个数量级,达到了 14cm;相比于最先进的基于视觉的室内定位系统,InDeFi在精度更高、实时性更强的同时不受光线环境和障碍物遮挡的影响。