技術(shù)特征：
1.一種智能機(jī)姿態(tài)測定方法，其特征在于，所述方法包括：定義局部坐標(biāo)系：局部坐標(biāo)系是指原點(diǎn)在智能機(jī)，Z軸指向地球表面方向,Y軸或X軸與緯線相平行的坐標(biāo)系；或局部坐標(biāo)系原點(diǎn)位于地球上任意一點(diǎn)，Z軸與重力方向一致，北代表局部坐標(biāo)系X軸，西代表局部坐標(biāo)系Y軸；測定智能機(jī)姿態(tài)矩陣Rg，Rg是一個(gè)相對(duì)于局部坐標(biāo)系的3x3單位正交矩陣；所述測定智能機(jī)姿態(tài)矩陣Rg具體是采用智能機(jī)的加速度傳感器，以及磁力計(jì)傳感器或方向傳感器，或者，采用智能機(jī)的旋轉(zhuǎn)矢量傳感器，或者，采用智能機(jī)的陀螺儀、加速度傳感器與磁力傳感器來測定；當(dāng)測定智能機(jī)姿態(tài)矩陣Rg具體是采用智能機(jī)的加速度傳感器，以及磁力計(jì)傳感器或方向傳感器來測定時(shí)，所述測定智能機(jī)姿態(tài)矩陣Rg具體包括：用以下公式(1)計(jì)算Rg其中vax,vay,vaz是智能機(jī)加速度傳感器測出的x,y,z三個(gè)方向的值，或是這三個(gè)值經(jīng)濾波的結(jié)果；Ra是加速度傳感器相對(duì)于智能機(jī)的姿態(tài)轉(zhuǎn)換矩陣；當(dāng)az≤0時(shí)，s＝-1，az>0時(shí),s＝1；若采用方向傳感器：通過方向傳感器獲取方位角將其帶入公式(1)計(jì)算Rg；若采用磁力計(jì)傳感器：計(jì)算其中Rm是磁力傳感器相對(duì)于智能機(jī)的姿態(tài)轉(zhuǎn)換矩陣；{vmx,vmy,vmz}是磁力傳感器檢測到的三個(gè)值或這三個(gè)值經(jīng)濾波的結(jié)果；再計(jì)算利用磁力傳感器計(jì)算方位角的三角函數(shù)為：帶入公式(1)計(jì)算Rg；當(dāng)測定智能機(jī)姿態(tài)矩陣Rg具體是采用智能機(jī)的旋轉(zhuǎn)矢量傳感器來測定時(shí)，所述測定智能機(jī)姿態(tài)矩陣Rg具體包括：若檢測到旋轉(zhuǎn)矢量傳感器只有3個(gè)數(shù)據(jù)values[0],values[1],values[2]，則采用以下公式得到q1＝values[0],q2＝values[1],q3＝values[2],若檢測到旋轉(zhuǎn)矢量傳感器有4個(gè)數(shù)據(jù)values[0],values[1],values[2],values[3]則采用以下公式得到q1＝values[0],q2＝values[1],q3＝values[2],q0＝values[3]則Rg0矩陣為:根據(jù)智能機(jī)旋轉(zhuǎn)矢量傳感器坐標(biāo)系定義的不同，得到Rg＝Rg0RLT，其中RLT是局部坐標(biāo)系與旋轉(zhuǎn)矢量傳感器坐標(biāo)系之間的變換矩陣；當(dāng)測定智能機(jī)姿態(tài)矩陣Rg具體是采用智能機(jī)的陀螺儀、加速度傳感器與磁力傳感器來測定時(shí)，所述測定智能機(jī)姿態(tài)矩陣Rg具體包括：第1步采用智能機(jī)的加速度傳感器，以及磁力計(jì)傳感器或方向傳感器來測定Rg的初值或采用智能機(jī)的旋轉(zhuǎn)矢量傳感器來測定Rg的初值，將Rg轉(zhuǎn)換成4元數(shù)q0,q1,q2,q3作為以下第2-7步迭代的初值；第2步設(shè)定exInt，eyInt，ezInt原始值為0，即exInt＝0，eyInt＝0，ezInt＝0；第3步根據(jù)接收到的磁力計(jì)矢量{mx,my,mz},得到正確磁場矢量{wx,wy,wz}，先將矢量{mx,my,mz}替換成將其單位化以后的矢量得到局部坐標(biāo)系下磁場的正確的磁場方向矢量{bx,0,bz}，bz＝hz；其中：hx＝2×mx×(0.5-q2×q2-q3×q3)+2×my×(q1×q2-q0×q3)+2×mz×(q1×q3+q0×q2)；hy＝2×mx×(q1×q2+q0×q3)+2×my×(0.5-q1×q1-q3×q3)+2×mz×(q2×q3-q0×q1)；hz＝2×mx×(q1×q3-q0×q2)+2×my×(q2×q3+q0×q1)+2×mz×(0.5-q1×q1-q2×q2)；再轉(zhuǎn)換到正確磁場矢量{wx,wy,wz}，其中wx＝2×bx×(0.5-q2×q2-q3×q3)+2×bz×(q1×q3-q0×q2)；wy＝2×bx×(q1×q2-q0×q3)+2×bz×(q0×q1+q2×q3)；wz＝2×bx×(q0×q2+q1×q3)+2×bz×(0.5-q1×q1-q2×q2)；第4步根據(jù)接收到的加速度傳感器數(shù)據(jù)ax,ay,az,和{wx,wy,wz}得到誤差矢量{ex,ey,ez}，并計(jì)算其累計(jì)值exInt，eyInt，ezInt；具體為：先將矢量{ax,ay,az}替換成將其單位化以后的矢量計(jì)算vx＝2*(q1*q3-q0*q2)；vy＝2*(q0*q1+q2*q3)；vz＝q0*q0-q1*q1-q2*q2+q3*q3；ex＝(ay×vz-az×vy)+(my×wz-mz×wy)；ey＝(az×vx-ax×vz)+(mz×wx-mx×wz)；ez＝(ax×vy-ay×vx)+(mx×wy-my×wx)；計(jì)算誤差累計(jì)值：將exInt替換為exInt+ex×Ki；eyInt替換為eyInt+ey×Ki；ezInt替換為ezInt+ez×Ki；其中Ki為一可調(diào)節(jié)的正系數(shù)，Ki在0.00001至0.5中任意選??；若沒有磁力計(jì)，則第3步不執(zhí)行，同時(shí)將該第4步中的ex＝(ay×vz-az×vy)+(my×wz-mz×wy)；ey＝(az×vx-ax×vz)+(mz×wx-mx×wz)；ez＝(ax×vy-ay×vx)+(mx×wy-my×wx)；改為ex＝ay×vz-az×vy；ey＝az×vx-ax×vz；ez＝ax×vy-ay×vx；第5步根據(jù)誤差矢量{ex,ey,ez}及其累計(jì)值糾正陀螺儀數(shù)據(jù){gx0,gy0,gz0}假設(shè)智能機(jī)讀出當(dāng)前的一組陀螺儀數(shù)據(jù)為{gx0,gy0,gz0}，gx＝gx0+Kp×ex+exInt；gy＝gy0+Kp×ey+eyInt；gz＝gz0+Kp×ez+ezInt；其中Kp為一可調(diào)節(jié)的正系數(shù)，Kp在0.000001至20.0中任意選?。坏?步根據(jù)陀螺儀數(shù)據(jù)gx,gy,gz修正4元數(shù)隨著不斷接收到陀螺儀數(shù)據(jù)gx,gy,gz，對(duì)4元數(shù)按如下方式修正：q0替換為q0+(-q1×gx-q2×gy–q3×gz)×halfT；q1替換為q1+(q0×gx-q3×gy+q2×gz)×halfT；q2替換為q2+(q3×gx+q0×gy-q1×gz)×halfT；q3替換為q3+(-q2×gx+q1×gy+q0×gz)×halfT；其中halfT為修正周期，halfT＝0.00001～-10.0；第7步輸出Rg矩陣和4元數(shù)將4元數(shù){q0,q1,q2,q3}單位化成輸出；4元數(shù)轉(zhuǎn)Rg矩陣公式如下第8步回到第3步繼續(xù)接收陀螺儀運(yùn)動(dòng)數(shù)據(jù)更新姿態(tài)4元數(shù)q0～q3，在循環(huán)的過程中每次到第7步都能輸出當(dāng)前的Rg矩陣和4元數(shù)。2.一種智能機(jī)顯示屏的姿態(tài)測定方法，其特征在于，所述方法包括：智能機(jī)顯示屏的姿態(tài)矩陣為rx是智能機(jī)顯示屏像素陣列x軸方向在局部坐標(biāo)系中的分量；ry是智能機(jī)顯示屏像素陣列y軸方向在局部坐標(biāo)系中的分量；rz是垂直于智能機(jī)顯示屏表面方向向智能機(jī)顯示屏內(nèi)部朝前看的視線方向在局部坐標(biāo)系中的分量；1)按權(quán)利要求1所述的方法測定智能機(jī)姿態(tài)，并得到智能機(jī)的姿態(tài)矩陣Rg；2)計(jì)算R＝ΔR×Rg，ΔR為智能機(jī)顯示屏姿態(tài)矩陣R相對(duì)于智能機(jī)姿態(tài)矩陣Rg的一個(gè)固定的方向的轉(zhuǎn)換，智能機(jī)自身Z軸定義為智能機(jī)加速度傳感器的z軸方向，當(dāng)顯示屏觀察方向和智能機(jī)自身Z軸方向剛好相反時(shí)當(dāng)顯示屏觀察方向和智能機(jī)自身Z軸方向完全一致時(shí)否則采用攝影測量方法標(biāo)定ΔR＝RARg-1，RA是攝影測量后方交匯法算得的攝像頭姿態(tài)矩陣，Rg是按權(quán)利要求1方法測得此時(shí)智能機(jī)的姿態(tài)矩陣。3.一種基于智能機(jī)姿態(tài)的虛擬現(xiàn)實(shí)漫游方法，其特征在于，所述方法包括：1)采用權(quán)利要求2所述的方法得到智能機(jī)顯示屏的姿態(tài)矩陣R；2)根據(jù)姿態(tài)矩陣R移動(dòng)控制漫游觀察者在局部坐標(biāo)系中的位置：定義漫游觀察者是在局部坐標(biāo)系中的一個(gè)具備自身位置、姿態(tài)且用于觀察周邊場景的對(duì)象；智能機(jī)顯示屏所渲染的場景就是漫游觀察者在局部坐標(biāo)系中所應(yīng)看到的場景圖像；定義漫游觀察者在局部坐標(biāo)系中的坐標(biāo)為(Xd,Yd,Zd)，3)設(shè)置漫游觀察者在局部坐標(biāo)系里的位置和方向；4)在局部坐標(biāo)系下渲染繪制三維場景。4.根據(jù)權(quán)利要求3所述的方法，其特征在于：所述根據(jù)姿態(tài)矩陣R移動(dòng)控制漫游觀察者在局部坐標(biāo)系中的位置具體包括：a)獲取智能機(jī)漫游者手指在屏幕本體上的滑動(dòng)數(shù)據(jù)；b)在滑動(dòng)數(shù)據(jù)是漫游者單指相對(duì)于智能機(jī)屏幕本體滑動(dòng)矢量△X,△Y的情況下，如果|r33|>|r13|且|r33|>|r23|，其中rij是R矩陣的i行j列元素值，則單指滑動(dòng)后，在局部坐標(biāo)系中的定位坐標(biāo)(Xd,Yd)的改正數(shù)(vx，vy)，vx＝ΔXr11+ΔYr21，vy＝ΔXr12+ΔYr22；否則：c)在滑動(dòng)數(shù)據(jù)是漫游者雙指做拉開或合攏操作所獲得的情況下，則得到拉開和合攏之前雙指之間的屏幕距離，以及拉開和合攏之后雙指之間的屏幕距離；通過前后兩次距離的差異修正Zd。5.根據(jù)權(quán)利要求3所述的方法，其特征在于：所述設(shè)置漫游觀察者在局部坐標(biāo)系里的位置和方向具體包括：根據(jù)漫游觀察者的局部坐標(biāo)系坐標(biāo)(Xd,Yd,Zd)，以及步驟1)測定得到的姿態(tài)矩陣R，利用OpenGL，OpenES，OSXOpenGL，Direct3D或osg繪圖軟件庫中用于設(shè)定相機(jī)位姿的圖形庫函數(shù)，設(shè)置漫游觀察者在局部坐標(biāo)系里的位置和方向：需要設(shè)定以下幾個(gè)量:(1)漫游觀察者自身觀察的垂直視場角θ，就是智能機(jī)顯示屏上邊緣中點(diǎn)的視線方向與下邊緣中點(diǎn)的視線方向的夾角；(2)漫游觀察者所在的位置(Xd,Yd,Zd)，并根據(jù)步驟2)的漫游方法進(jìn)行修正；(3)漫游者觀察方向{r31,r32r33}或者用戶注視點(diǎn)坐標(biāo)(Xd+r31,Yd+r32,Zd+r33)(4)漫游者自身向上方向的矢量{-r21,-r22,-r23}其中步驟(3)和(4)中的rij是智能機(jī)顯示屏姿態(tài)R矩陣中的第i行j列，i＝2或3，j＝1、2或3。6.根據(jù)權(quán)利要求3所述的方法，其特征在于：所述在局部坐標(biāo)系下渲染繪制三維場景具體包括：預(yù)先在智能機(jī)的顯示屏內(nèi)設(shè)置一個(gè)3維渲染圖層進(jìn)行三維場景渲染；被繪制的三維場景中的點(diǎn)、線、面和物體模型的幾何坐標(biāo)都要轉(zhuǎn)換成局部坐標(biāo)系下的坐標(biāo)[XiYiZi]T,即與漫游者的坐標(biāo)(Xd,Yd,Zd)在同一個(gè)局部坐標(biāo)系下；用OpenGL，OpenES，OSXOpenGL，Direct3D或osg繪圖軟件庫實(shí)現(xiàn)局部坐標(biāo)系下的三維繪圖；智能機(jī)攝像頭的拍攝方向與屏幕觀察方向一致時(shí)，可以智能機(jī)攝像頭拍攝的視頻圖像為底圖，疊加繪制三維場景中的點(diǎn)線面。7.根據(jù)權(quán)利要求3所述的方法，其特征在于：在所述步驟3)和步驟4)之間還包括步驟：(a)獲取智能機(jī)的高度hs,緯度θs和經(jīng)度其中θs是智能機(jī)的緯度，是智能機(jī)的經(jīng)度,由智能機(jī)上自帶的GPS接收模塊獲??；(b)計(jì)算智能機(jī)所在經(jīng)緯度的Rv(c)計(jì)算智能機(jī)所在緯度θs經(jīng)度高度hs的地心坐標(biāo)系坐標(biāo)Ts，利用大地測量學(xué)中經(jīng)典的轉(zhuǎn)換公式得到Ts，其中hs是智能機(jī)離地面高度；Ns是隨緯度變化的卯酉圈曲率半徑；a,b是地球橢球的長短軸，是大地測量學(xué)中的已知常量；e是偏心率，是定值；(d)根據(jù)地球上任何一個(gè)點(diǎn)的經(jīng)度緯度θi和高程hi得到該點(diǎn)地心坐標(biāo)系坐標(biāo)T0i＝[X0iY0iZ0i]T利用大地測量學(xué)中經(jīng)典的轉(zhuǎn)換公式得到T0i；其中hi是點(diǎn)離地面高度；Ni是隨緯度變化的卯酉圈曲率半徑；a,b是地球橢球的長短軸，是大地測量學(xué)中的已知常量；e是偏心率，是定值；如果已知一個(gè)物體所在經(jīng)緯度和θi，通過本步驟計(jì)算出它的地心坐標(biāo)系坐標(biāo)T0i；(e)地心坐標(biāo)系坐標(biāo)T0i轉(zhuǎn)換為局部坐標(biāo)系中的坐標(biāo)(XiYiZi)T其中ΔT是局部坐標(biāo)系中智能機(jī)顯示屏的幾何中心相對(duì)于智能機(jī)GPS接收天線的局部坐標(biāo)系偏移。8.根據(jù)權(quán)利要求3所述的方法，其特征在于：在步驟3)和步驟4)之間或在步驟4)之后，還包括步驟：將智能機(jī)的顯示屏設(shè)定為二維繪圖模式并設(shè)置若干個(gè)二維標(biāo)簽，針對(duì)每一個(gè)二維標(biāo)簽，按如下步驟顯示：1)首先確定二維標(biāo)簽的中心位置(u,v)；如果標(biāo)簽用于標(biāo)注三維場景中局部坐標(biāo)系坐標(biāo)為(X,Y,Z)的目標(biāo)，則根據(jù)以下公式確定目標(biāo)顯示的中心位置(u,v)ZO＝r31(X-Xd)+r32(Y-Yd)+r33(Z-Zd)式中：(cx,cy)是智能機(jī)顯示屏中心點(diǎn)的坐標(biāo)，若顯示屏是矩形,cx＝屏寬/2,cy＝屏高/2；r11～r33是R矩陣對(duì)應(yīng)行列的元素；h是顯示屏上下邊緣垂直像素長，θ是漫游觀察者自身觀察的垂直視場角；(Xd,Yd,Zd)是漫游觀察者在局部坐標(biāo)系中的坐標(biāo)；如果滿足ZO>0且中心位置(u,v)在顯示屏范圍內(nèi)，則中心位置(u,v)保持不變,否則需要按下法修正(u,v)；若ZO＝0則將中心位置(u，v)替換為從點(diǎn)(cx,cy)出發(fā)按矢量{r11(X-Xd)+r12(Y-Yd)+r13(Z-Zd),r21(X-Xd)+r22(Y-Yd)+r23(Z-Zd)}方向的射線與顯示屏邊緣相交的2維點(diǎn)；若ZO>0則將中心位置(u，v)替換成從點(diǎn)(cx,cy)到點(diǎn)(u,v)的連線與顯示屏邊緣相交的2維點(diǎn)；若ZO<0則將中心位置(u，v)替換成從點(diǎn)(u,v)到點(diǎn)(cx,cy)延長線與顯示屏邊緣相交的2維點(diǎn)；如果二維標(biāo)簽不是用于標(biāo)注目標(biāo)，中心位置(u,v)為顯示屏范圍內(nèi)的一個(gè)由界面設(shè)計(jì)者設(shè)定的像素坐標(biāo)，或是用戶手指觸摸或鼠標(biāo)點(diǎn)擊的顯示屏像素坐標(biāo)；2)按下述方法(1)或(2)計(jì)算矢量{Qx,Qy}方法(1)Qx＝-r23/La，Qy＝r13/La其中r23,r13是權(quán)利要求1所述的方法中的R矩陣對(duì)應(yīng)行列的元素,方法(2)利用權(quán)利要求1方法(1)加速度傳感器的前兩個(gè)輸出值ax,ay得到Qx＝-ay/La，Qy＝ax/La,3)在二維平面上經(jīng)過以下矩陣旋轉(zhuǎn)變換以后再繪制二維標(biāo)簽：二維標(biāo)簽上每一點(diǎn)X，經(jīng)過上式變換到坐標(biāo)X’顯示出來；式中±取+是正放顯示，取-是倒放顯示，標(biāo)簽的水平軸始終平行于地面；即以二維標(biāo)簽的中心位置(u,v)為中心經(jīng)過旋轉(zhuǎn)變換顯示標(biāo)簽；疊加的內(nèi)容為靜止的目標(biāo)或者動(dòng)態(tài)的目標(biāo)；4)得到局部坐標(biāo)系坐標(biāo)(Xi,Yi,Zi)的目標(biāo)i的標(biāo)簽像坐標(biāo)(ui,vi)之后，在智能機(jī)屏幕坐標(biāo)(ui,vi)區(qū)域附近設(shè)置感應(yīng)區(qū),等待接收用戶觸摸該區(qū)域的事件，當(dāng)用戶在智能機(jī)上點(diǎn)擊(ui,vi)附近區(qū)域的時(shí)候，將執(zhí)行與目標(biāo)i相關(guān)聯(lián)的操作。9.根據(jù)權(quán)利要求3所述的方法，其特征在于：所述三維場景為一個(gè)空心的三維形體，三維形體為空心球，空心立方體、空心柱體、空心正多面體或空心錐體，三維形體的內(nèi)壁以全景圖作為紋理進(jìn)行渲染；所述漫游觀察者在虛擬場景中位于三維形體內(nèi)部的某一點(diǎn)，從三維形體內(nèi)部觀察三維形體的內(nèi)壁，實(shí)現(xiàn)利用智能機(jī)顯示屏姿態(tài)控制全景瀏覽。10.一種標(biāo)定智能機(jī)上的攝像頭姿態(tài)矩陣的方法，其特征在于：所述方法包括：對(duì)姿態(tài)矩陣Rg進(jìn)行校正，校正智能機(jī)的攝像頭姿態(tài)矩陣其中R＝ΔR×Rg；ΔR為智能機(jī)的攝像頭姿態(tài)矩陣R和智能機(jī)姿態(tài)矩陣Rg之間的一個(gè)固定的方向轉(zhuǎn)換，當(dāng)攝像頭方向和智能機(jī)屏幕方向剛好相反時(shí)攝像頭方向和智能機(jī)屏幕方向完全一致時(shí)否則采用攝影測量后方交匯法標(biāo)定ΔR＝RARg-1，RA是攝影測量后方交匯法算得的相機(jī)姿態(tài)矩陣，Rg是按權(quán)利要求1方法測得的此時(shí)智能機(jī)的姿態(tài)矩陣。11.一種基于智能機(jī)姿態(tài)數(shù)據(jù)的多目視覺定位方法，其特征在于，所述方法包括：步驟1：在N個(gè)地理位置點(diǎn)拍攝同一個(gè)物體X，其中N≥2，測第i個(gè)觀察點(diǎn)的以下幾個(gè)量，其中i∈(1，2，…，N)：(1)在視頻幀圖像中顯示的位置(ui,vi)；(2)拍攝點(diǎn)的地理位置分別是第i個(gè)拍攝點(diǎn)的經(jīng)度，緯度，高度；(3)按權(quán)利要求1所述的方法測得第i個(gè)拍攝點(diǎn)的攝像頭姿態(tài)矩陣Ri；(4)第i個(gè)拍攝點(diǎn)的內(nèi)部參數(shù)焦距長fi，像主點(diǎn)坐標(biāo)(cxi,cyi)；步驟2：計(jì)算相對(duì)于地心的N個(gè)姿態(tài)矩陣，i＝1～N，R0i＝RiRvi其中步驟3：利用公式得到N個(gè)拍攝點(diǎn)攝像頭光心的地心坐標(biāo)系坐標(biāo)T0i＝{Txi,Tyi,Tzi}Ti＝1～N；其中{ΔTxi,ΔTxi,ΔTzi}T＝RviTΔTi；ΔTi是攝像頭光心相對(duì)于GPS接收天線的偏移矢量；是將經(jīng)度，緯度，高度轉(zhuǎn)換成地心坐標(biāo)系的X坐標(biāo)的函數(shù)；是將經(jīng)度，緯度，高度轉(zhuǎn)換成地心坐標(biāo)系的Y坐標(biāo)的函數(shù)；是將經(jīng)度，緯度，高度轉(zhuǎn)換成地心坐標(biāo)系的Z坐標(biāo)的函數(shù)；步驟4根據(jù)拍攝點(diǎn)N的姿態(tài)矩陣R0N，位置[TxNTyNTzN]，在圖像中顯示的位置坐標(biāo)(uN,vN)，攝像頭焦距像素長fN,像主點(diǎn)坐標(biāo)(cxN，cyN)都滿足以下方程其中r0iab表示姿態(tài)矩陣R0i的第a行第b列的元素值；i＝1～N一共列2N個(gè)方程，解(Xx,Xy,Xz)三個(gè)未知數(shù)；或采用攝影測量前方交匯方法計(jì)算出物體X得到地心坐標(biāo)系坐標(biāo)(Xx,Xy,Xz)；最后由大地測量學(xué)公式得到地心坐標(biāo)(Xx,Xy,Xz)對(duì)應(yīng)的經(jīng)緯度。12.一種基于智能機(jī)姿態(tài)數(shù)據(jù)的單目單點(diǎn)定位方法，其特征在于，所述方法包括：假設(shè)智能機(jī)上的相機(jī)內(nèi)部參數(shù)矩陣為:被觀察物體是一個(gè)直徑＝D大小的物體,在智能機(jī)上成像的寬度是Δu,高度是Δv,成像中心點(diǎn)像坐標(biāo)(u,v),采用權(quán)利要求1所述的方法測得智能機(jī)姿態(tài)矩陣Rg,并測得智能機(jī)上的攝像頭姿態(tài)矩陣R＝△RRg包括以下兩種情況：(1)若已知智能機(jī)攝像頭光心局部坐標(biāo)系坐標(biāo)是T,則單目估算出物體的局部坐標(biāo)系下三維坐標(biāo):其中(2)若已知物體的局部坐標(biāo)系下三維坐標(biāo)X，則求相機(jī)坐標(biāo)T從而實(shí)現(xiàn)了相機(jī)的單目定位。13.一種基于智能機(jī)姿態(tài)數(shù)據(jù)的全景影像生成方法，其特征在于，所述方法包括：步驟1、智能機(jī)在某一固定點(diǎn)用不同姿態(tài)拍攝n張圖像，根據(jù)權(quán)利要求1所述的方法計(jì)算智能相機(jī)的姿態(tài)矩陣，根據(jù)智能相機(jī)的姿態(tài)矩陣再計(jì)算智能機(jī)攝像頭姿態(tài)矩陣，分別為R0i，i為0～n-1之間的整數(shù)，n為大于等于1的整數(shù)；步驟2、根據(jù)影像重疊區(qū)域迭代求解進(jìn)行精確糾正(1)提取圖像間重合區(qū)域的同名點(diǎn)對(duì)定義Hij＝KjRjRiTKi-1對(duì)N張圖像之間任意兩張i,j進(jìn)行匹配尋找圖像上的同名點(diǎn)對(duì)，可以將第i張圖像Ii經(jīng)過透視Hij變換后得到圖像Ii’再與第j張圖像Ij作細(xì)致匹配，最后將圖像Ii上的匹配點(diǎn)坐標(biāo)經(jīng)過Hij-1逆變換還原成Ii圖原始的坐標(biāo)；(2)根據(jù)上一步得到的同名點(diǎn)對(duì)匹配關(guān)系建立誤差e相對(duì)于參數(shù)集φ＝[...fiqi0qi1qi2qi3...fjqj0qj1qj2qj3...]T的數(shù)學(xué)模型e(φ)，前面得到的智能機(jī)攝像頭姿態(tài)矩陣R0i轉(zhuǎn)換成4元數(shù)qi00,qi01,qi02,qi03,i＝0,…,n-1以φ＝φ0＝[...f0iqi00qi01qi02qi03...f0jqj00qj01qj02qj03...]T作為初值,采用LM法通過減小誤差e，逐步得到精確化相機(jī)姿態(tài)qi0,qi1,qi2,qi3和焦距參數(shù)fi；最后將精確化的φ中的4元數(shù)qi0,qi1,qi2,qi3轉(zhuǎn)化成姿態(tài)矩陣Ri,i＝0,…,n-1；步驟3、開辟一張寬w高h(yuǎn)大小的全景影像，掃描全景影像上每一個(gè)像素，針對(duì)全景圖的每一個(gè)像素(x,y)進(jìn)行如下(1)(2)處理：(1)橫坐標(biāo)x轉(zhuǎn)換成縱坐標(biāo)y轉(zhuǎn)換成θ；其中w，h是全景圖像的寬，高；(2)依據(jù)小孔成像公式其中fi為相機(jī)i焦距像素長度，(cix,ciy)是相機(jī)i的像主點(diǎn)；利用Ri將轉(zhuǎn)換成映射到每個(gè)相機(jī)i的像坐標(biāo)(ui,vi)，若(ui,vi)在圖像范圍內(nèi)，則將相機(jī)i像坐標(biāo)(ui,vi)處顏色取出，加權(quán)渲染到全景圖(x,y)處；權(quán)重與(ui,vi)到該圖像邊緣最短距離有關(guān)，距離越短權(quán)重越??；若無一個(gè)相機(jī)的(ui,vi)在其圖像范圍內(nèi)，渲染透明色或背景色到(x,y)處；掃描完全景圖像上所有點(diǎn)填充相應(yīng)的顏色，完成全景圖像的渲染；或者，在步驟2中先將全景圖像顏色值全部清0，在步驟3中針對(duì)n張圖像將全景圖像上的相應(yīng)區(qū)每個(gè)像素掃描n輪，分n輪依次將加權(quán)顏色值累加在全景圖的像素上；步驟4全景圖像的三維瀏覽和檢索定位。14.根據(jù)權(quán)利要求13所述的方法，其特征在于：所述全景圖像的三維瀏覽和檢索定位具體包括：(A)智能機(jī)姿態(tài)控制瀏覽三維全景圖像在虛擬場景中以球心為觀察點(diǎn)，球體內(nèi)壁以全景圖作為紋理渲染一個(gè)球；設(shè)定智能機(jī)攝像頭觀察方向{r31,r32r33}，自身向上方向{-r21,-r22,-r23}；rij是姿態(tài)矩陣R中第i行第j列元素；(B)全景圖建庫、檢索和定位采用步驟3(1)中的公式或采用墨卡托轉(zhuǎn)換公式，轉(zhuǎn)換成全景圖像，保持建庫和檢索的轉(zhuǎn)換方式一致；建庫提取全景圖像的特征點(diǎn)集合，建立與全景圖像關(guān)聯(lián)的特征點(diǎn)數(shù)據(jù)庫，庫中每個(gè)特征點(diǎn)指向其所在的全景圖像；檢索同一地點(diǎn)c≥1張圖像合成待檢索全景圖像并提取渲染區(qū)特征點(diǎn)，對(duì)每個(gè)特征點(diǎn)，查詢庫中與其最相似特征點(diǎn)所指向的全景圖像，按特征點(diǎn)相似程度對(duì)庫中指向的全景圖像進(jìn)行加權(quán)投票，按投票總和大小排序；將待檢索全景圖中已渲染區(qū)和投票得到的庫中全景圖對(duì)應(yīng)區(qū)域的像素集進(jìn)行相關(guān)匹配計(jì)算，相關(guān)系數(shù)越大越相似；輸出投票排序靠前且相關(guān)系數(shù)大于預(yù)設(shè)值的結(jié)果；如果c＝1,也可根據(jù)單張拍攝姿態(tài)矩陣R，將庫中全景圖像映射到單張拍攝圖像域與單張拍攝圖像進(jìn)行相關(guān)匹配；定位在已知GPS情況下，檢索GPS附近區(qū)域的全景圖像組成的子集特征庫；服務(wù)器數(shù)據(jù)庫將全景圖像與其地理位置坐標(biāo)綁定在一起存儲(chǔ)，檢索結(jié)果是編號(hào)為i*的圖像，即可在數(shù)據(jù)庫中查找出i*所對(duì)應(yīng)的地理位置。15.一種基于智能機(jī)姿態(tài)數(shù)據(jù)的目標(biāo)方向選擇方法，其特征在于，所述方法包括：定義智能機(jī)主方向或載體主方向相對(duì)于智能機(jī)自身的矢量單位p；采用權(quán)利要求1所述的方法獲取智能機(jī)當(dāng)前姿態(tài)矩陣Rg；計(jì)算p┴＝RgTp為智能機(jī)主方向或載體主方向相對(duì)于指北坐標(biāo)系的矢量；計(jì)算局部坐標(biāo)系中的目標(biāo)矢量vo＝O-P，假設(shè)局部坐標(biāo)系中智能機(jī)自身坐標(biāo)為P,目標(biāo)的坐標(biāo)為O，則目標(biāo)矢量vo＝O-P；計(jì)算矢量p┴與目標(biāo)矢量vo之間夾角的余弦，或計(jì)算兩個(gè)矢量之間的夾角；如果夾角的余弦>0.9，或者夾角偏差的絕對(duì)值|dφ|很小則觸發(fā)智能機(jī)與該目標(biāo)O之間的某一關(guān)聯(lián)事件；通過兩矢量的點(diǎn)積除以|vo|得到夾角dφ的余弦，cos(dφ)＝(p┴點(diǎn)積vo)/|vo|如果該余弦cos(dφ)>cos(φa)，φa為預(yù)設(shè)值，則該目標(biāo)方向選擇事件可觸發(fā)；在需要與用戶的可視化交互情況下，在指北坐標(biāo)系中實(shí)時(shí)繪制目標(biāo)、智能機(jī)和矢量p┴；計(jì)算局部坐標(biāo)系中智能機(jī)主方向矢量與目標(biāo)矢量之間夾角的方向余弦，根據(jù)余弦值大小判定夾角，并且在三維空間或二維空間中繪制出智能機(jī)主方向矢量與目標(biāo)矢量之間的方向關(guān)系，便于人機(jī)交互。16.一種基于智能機(jī)姿態(tài)數(shù)據(jù)的視頻影像實(shí)時(shí)糾正方法，其特征在于，所述方法包括：采用權(quán)利要求1所述的方法計(jì)算智能機(jī)拍攝視頻的每一幀圖像對(duì)應(yīng)的姿態(tài)矩陣Rg，R＝△RRg得到智能機(jī)上攝像頭的姿態(tài)矩陣R，△R是攝像頭相對(duì)于智能機(jī)的轉(zhuǎn)換矩陣；將攝像頭的姿態(tài)矩陣R分解為R＝RτR_從而得到矩陣Rτ，相機(jī)的拍攝姿態(tài)R不規(guī)則,期待得到用虛擬姿態(tài)R_作為拍攝姿態(tài)矩陣得到的標(biāo)準(zhǔn)圖像；對(duì)智能機(jī)拍攝視頻的每一幀圖像I經(jīng)過H＝K2RτTK-1的Homograph變換得到I’；其中是拍攝相機(jī)的內(nèi)部參數(shù)矩陣，f是焦距的像素長度，(cx,cy)是相機(jī)主點(diǎn)坐標(biāo)；對(duì)于理想相機(jī)(cx,cy)是圖像的中心點(diǎn)，cx＝w/2,cy＝h/2,w,h是原始圖像I的寬和高；是糾正以后虛擬相機(jī)的內(nèi)部參數(shù)矩陣，f2是糾正以后虛擬相機(jī)的焦距的像素長度，(cx2,cy2)是糾正以后虛擬相機(jī)主點(diǎn)坐標(biāo)。17.一種基于姿態(tài)數(shù)據(jù)的智能機(jī)單像定位方法，其特征在于，所述方法包括：假設(shè)相機(jī)或攝像機(jī)內(nèi)參數(shù)據(jù)f和(cx,cy)已知，f是焦距的像素長度，(cx,cy)是相機(jī)主點(diǎn)坐標(biāo)，內(nèi)參矩陣搜集采集物方點(diǎn)，轉(zhuǎn)化成局部坐標(biāo)系坐標(biāo)；采用權(quán)利要求1所述的方法獲取智能機(jī)的姿態(tài)矩陣Rg，R＝△RRg得到智能機(jī)上攝像頭的姿態(tài)矩陣R，△R是攝像頭相對(duì)于智能機(jī)的轉(zhuǎn)換矩陣；拍攝一張圖像，自動(dòng)提取其中的多個(gè)特征點(diǎn)，通過匹配算法得到與物點(diǎn)對(duì)應(yīng)的n對(duì)物像同名點(diǎn)；n個(gè)物方點(diǎn)的坐標(biāo)是Xi＝[Xix,Xiy,Xiz]Ti＝1,…,n，對(duì)應(yīng)n個(gè)像點(diǎn)坐標(biāo)是[uivi]Ti＝1,…,n；根據(jù)無錯(cuò)和容錯(cuò)2種情況計(jì)算相機(jī)在局部坐標(biāo)系下的坐標(biāo)T。18.根據(jù)權(quán)利要求17所述的方法，其特征在于：所述根據(jù)無錯(cuò)和容錯(cuò)2種情況計(jì)算相機(jī)在局部坐標(biāo)系下的坐標(biāo)T具體為：(1)若確認(rèn)多個(gè)特征點(diǎn)無錯(cuò)誤，則采用數(shù)學(xué)模型解方程得到自身在局部坐標(biāo)系下坐標(biāo)Tx，Ty，Tz其中進(jìn)而得到相機(jī)位置T，最大集ζ為n個(gè)點(diǎn)對(duì)組成的全集；(2)若不確認(rèn)多個(gè)特征點(diǎn)是否全部正確，采用Ransac容錯(cuò)算法，通過共線方程模型隨機(jī)選取兩對(duì)點(diǎn)n＝2,根據(jù)模型式(HH2)計(jì)算相機(jī)位置T，并通過共線方程zi[u’iv’i1]T＝KR(Xi-T)驗(yàn)證T，通過KR(Xi-T)算出的u’i,v’I與ui,vi之間的誤差距離小于error像素認(rèn)為是符合共線方程，選取符合共線方程點(diǎn)數(shù)最大集ζ并計(jì)算最大集ζ對(duì)應(yīng)的T*，單目多點(diǎn)Ransac容錯(cuò)算法流程如下：1)從n個(gè)像點(diǎn)中隨機(jī)挑選出2個(gè)距離足夠大的像點(diǎn)，至少大于容忍誤差error的2倍；2)挑選出來的2個(gè)像點(diǎn)與物點(diǎn)對(duì)應(yīng)形成2對(duì)物象同名點(diǎn)，按式(HH2)計(jì)算智能機(jī)位置T；3)用T驗(yàn)證所有n對(duì)物象同名點(diǎn)的共線方程對(duì)應(yīng)關(guān)系，共線方程KR(Xi-T)算出的u’i,v’I與ui,vi之間的誤差距離小于error像素認(rèn)為是符合共線方程，統(tǒng)計(jì)符合共線方程的個(gè)數(shù)i_in,如果i_in數(shù)量超過前期的數(shù)量nmax則記錄本組滿足共線方程容忍誤差數(shù)量最大的點(diǎn)集ζmax，并刷新nmax＝i_in；4)更新迭代次數(shù)k+1→k5)回到第1步，直到滿足Ransac概率收斂條件(1-(nmax/n)2)k<pe，pe是Ransac容忍錯(cuò)誤概率，為10-2～10-20之間的一個(gè)數(shù)值；6)將前面搜索得到的最大的點(diǎn)集ζmax搜集起來進(jìn)行最后一次多點(diǎn)最小2乘計(jì)算，按公式(HH2)計(jì)算得到Tbest得到最終結(jié)果。19.一種基于智能機(jī)姿態(tài)數(shù)據(jù)的相對(duì)定位方法，其特征在于，所述方法包括：a)兩相機(jī)之間相對(duì)定位假設(shè)相機(jī)1，2之間有i＝1..n≥2對(duì)同名點(diǎn)u1i,v1i～u2i,v2i；其中R1，R2是智能機(jī)相機(jī)在拍攝的1,2兩個(gè)地點(diǎn)測出來的姿態(tài)矩陣數(shù)據(jù)；已知相機(jī)1的內(nèi)參矩陣相機(jī)2的內(nèi)參矩陣其中(cxi,cyi)是相機(jī)i的像素主點(diǎn)坐標(biāo)，fi是相機(jī)i的焦距像素長；已知兩相機(jī)之間的距離是L；計(jì)算相機(jī)2相對(duì)于相機(jī)1的位移矢量T包括以下步驟：(1)用權(quán)利要求1所述的方法計(jì)算智能機(jī)上相機(jī)的姿態(tài)Rg1,Rg2計(jì)算R1＝△RRg1，R2＝△RRg2進(jìn)一步得到R＝R2R1T(2)構(gòu)建矩陣A其中uji*＝Ki-1ui＝[uji*xuji*yuji*z]T，ujiR*＝Ruji*＝[ujiR*xujiR*yujiR*z]T，i＝1,2，j＝1..n；(3)如果確認(rèn)n對(duì)點(diǎn)都是正確的，則求約束||t3x1||＝1下Anx3t3x1＝0的解或采用數(shù)學(xué)SVD分解得到Anx3＝UnxnWnx3VT3x3,SVD分解出來的V矩陣的最后1列的矢量，即對(duì)應(yīng)于最小奇異值的特征矢量為t，T＝-LRTt得到結(jié)果，結(jié)束否則繼續(xù)進(jìn)行以下步驟；(4)設(shè)置迭代初值nmax＝0，k＝1；(5).隨機(jī)挑選A矩陣中的2行,構(gòu)建A2x3就是求約束||t2||＝1下A2x3t2＝0的解或采用SVD分解得到A2x3＝U2x2W2x3VT3x3,分解出來的V的最后1列的矢量即為t2；(6)將t2＝[ttxttyttz]T代入第j＝1..n個(gè)點(diǎn)，采用式(AB)驗(yàn)證點(diǎn)j是否是內(nèi)點(diǎn),(uj2*xuj1R*y-uj2*yuj1R*z)ttx+(uj2*xuj1R*z-uj2*zuj1R*x)tty+(uj2*yuj1R*x-uj2*xuj1R*y)ttz<ε(AB)其中ε表示最大容忍誤差物方長度，相對(duì)于兩相機(jī)之間的距離＝1而言；滿足式(AB)則點(diǎn)j是內(nèi)點(diǎn)，如果滿足內(nèi)點(diǎn)的數(shù)量nt超過最佳值nmax則ζt-->ζnt-->nmax(7)如果(1-(nmax/n)2)k<0.00001錯(cuò)誤率足夠小，退出迭代進(jìn)入步驟9；(8)迭代次數(shù)k增加1，回到步驟5反復(fù)迭代；(9)最后采用最小二乘法針對(duì)最大內(nèi)點(diǎn)集ζ重新計(jì)算一次最優(yōu)t,求約束||t3x1||＝1下An’x3t3x1＝0的解，其中n’＝nmax或采用SVD分解得到An’x3＝Un’xn’Wn’x3VT3x3,分解出來的V的最后1列矢量,即對(duì)應(yīng)于最小奇異值的特征矢量，即為t最終得到T＝-LRTt；b)多個(gè)相機(jī)間的相對(duì)定位構(gòu)建矩陣U(ij)k＝[U(ij)k1U(ij)k2U(ij)k3]k＝1,2rc(ij)ab是指第i個(gè)點(diǎn)對(duì)應(yīng)的第j個(gè)圖像的相機(jī)的姿態(tài)矩陣的a行b列，uc(ij)是第i個(gè)點(diǎn)對(duì)應(yīng)的第j個(gè)圖像上的像點(diǎn)坐標(biāo)，(cx,cy)是相機(jī)主點(diǎn)坐標(biāo)，f是相機(jī)的焦距；對(duì)矩陣A進(jìn)行SVD分解得到A＝UWVT,V中最后一個(gè)非零矢量X＝[T1xT1yT1z...TcxTcyTczX1Y1Z1...XNYNZN]T的每一個(gè)分量對(duì)應(yīng)C個(gè)相機(jī)的位置T1x,T1y,T1z,…,Tcx,Tcy,Tcz和N個(gè)點(diǎn)的坐標(biāo)X1,Y1,Z1,…,XN,YN,ZN。20.一種基于智能機(jī)姿態(tài)的目標(biāo)識(shí)別方法，其特征在于，所述方法包括：根據(jù)權(quán)利要求16所述的方法，通過H＝K2RτTK-1對(duì)智能機(jī)拍攝視頻的圖像I進(jìn)行糾正得到I'；對(duì)糾正后的圖像I'進(jìn)行目標(biāo)檢測、識(shí)別處理，得到I'圖像上目標(biāo)的外接多邊形點(diǎn)坐標(biāo)集xi,yi,i＝1,...,N；通過反糾正H-1的方法得到坐標(biāo)集在原圖上映射的坐標(biāo)xi',yi'，即21.根據(jù)權(quán)利要求20所述的方法，其特征在于：如果采用傳感器糾正目標(biāo)識(shí)別，則所述方法包括：首先根據(jù)傳感器得到的R矩陣對(duì)原始圖I進(jìn)行H＝K2RτTK-1標(biāo)準(zhǔn)化糾正得到標(biāo)準(zhǔn)糾正圖I’，然后對(duì)I’圖像進(jìn)行目標(biāo)檢測、跟蹤，得到它對(duì)應(yīng)的目標(biāo)框r，目標(biāo)框r相對(duì)于標(biāo)準(zhǔn)模板的平移是rx,ry，目標(biāo)框r首先經(jīng)過平移變換Ht映射到標(biāo)準(zhǔn)圖上,然后再經(jīng)過H-1變換映射到原始圖上，因此目標(biāo)框r相對(duì)于原始圖像I的H變換為r*＝H-1Htr。