目前火车站、医院、政务中心和商场等公共服务建筑设施越来越大,在大型建筑内寻找目的地比较困难,人们对室内定位导航的需求与日俱增。利用蓝牙、路由器、UWB发射机等基础硬件设施实现的室内定位技术已经应用,但购买硬件设备会使成本大幅增加;设备电量不足或者出现故障时就无法实现定位,导致室内定位稳定性差;硬件设施需要定期维护和更换电池,后期工作量大。智能手机自带的传感器数据已经越来越精确,同时,导航定位的历史传感器数据也可保存供使用,而且建筑物的部分地点特征明显,使得不依赖于基础设施的室内定位成为可能。但是,如何合理利用手机传感器数据,实现高精度的室内定位导航仍面临极大挑战。提出只依赖于智能手机,而不依赖于基础设施的室内定位方案。用手机的加速度计、磁力计和陀螺仪数据进行惯性导航定位,同时用地点识别模型通过识别地点进行定位,纠正惯性导航定位的误差,提高定位精度。首先改进行人航位推测算法,设计波峰检测法进行步伐检测,建立动态步长估计模型进行步长估计,再结合航向推测实现惯性导航定位。然后分析建筑物地点特征,采集在建筑物楼梯、电梯和转角等地点行走时手机的传感器数据,设计长为128移动步长为16的滑动窗口进行数据分割处理,将得到的数据单元加上坐标信息,制作成特定地点传感器读数数据集。接下来设计专用于地点识别的CNN网络结构,利用数据集训练地点识别模型,调整超参数提高地点识别的准确率。最后将地点识别模型引入到惯性导航定位系统中,在惯性导航定位过程中利用地点识别模型识别地点进行定位,用该定位坐标作为系统定位坐标,纠正惯性导航定位的误差。实地测试表明,单纯的惯性导航定位存在累计误差,位移超过30米时定位的误差大于2.78米,不能适用室内定位。引入地点识别模型后的融合定位方案的定位误差保持在2.31米以下,可满足室内定位导航的定位精度要求。本方案不依赖于任何基础设施,极大降低了系统运行和维护成本,为利用智能手机传感数据进行辅助定位提供了一种切实可行的途径。