本發(fā)明涉及一種基于局部標(biāo)識(shí)的雙目視覺室內(nèi)定位數(shù)據(jù)庫建立方法及定位方法，具體涉及視覺室內(nèi)定位技術(shù)領(lǐng)域。

背景技術(shù)：

互聯(lián)網(wǎng)和可穿戴設(shè)備的飛速發(fā)展和基于位置感知的應(yīng)用的不斷需求，使得位置感知逐漸成為人們必不可少的信息，基于位置的服務(wù)越來越受到廣泛關(guān)注。由于人們平均70％以上的時(shí)間處于室內(nèi)環(huán)境，對自身在室內(nèi)場景所處的位置環(huán)境的感知需求也與日俱增。因此，可靠的位置信息在許多不同的環(huán)境下為用戶帶來更好更重要的用戶體驗(yàn)和感受。目前，室外定位技術(shù)已經(jīng)非常成熟，并且很多移動(dòng)設(shè)備也都參考使用了室外定位技術(shù)。gps系統(tǒng)、glonass導(dǎo)航系統(tǒng)、伽利略導(dǎo)航系統(tǒng)和北斗導(dǎo)航系統(tǒng)是目前使用較為廣泛的全球衛(wèi)星定位系統(tǒng)。室內(nèi)環(huán)境的特殊性導(dǎo)致衛(wèi)星定位信號(hào)無法直接滿足室內(nèi)位置服務(wù)的需求，因此需要一種性能良好的系統(tǒng)來完成室內(nèi)定位技術(shù)。并且，移動(dòng)智能終端的可移動(dòng)性和普適性在位置感知和信息交互方面有很大的推動(dòng)作用?；诖?，高精度的室內(nèi)定位系統(tǒng)成為一個(gè)熱點(diǎn)研究領(lǐng)域。

室內(nèi)定位系統(tǒng)使用的技術(shù)非常廣泛，主要包括wifi，uwb，rfid，藍(lán)牙，視覺，慣性測量單元等。其中，基于wifi的室內(nèi)定位技術(shù)最為成熟。該定位技術(shù)借助無線接入點(diǎn)已部署的特點(diǎn)，利用用戶移動(dòng)終端檢測區(qū)域范圍內(nèi)各個(gè)接入點(diǎn)的信號(hào)強(qiáng)度值達(dá)到用戶定位的目的。然而，該技術(shù)的應(yīng)用場景因嚴(yán)重依賴無線接入點(diǎn)的個(gè)數(shù)而受到很大限制，在人流量密集的室內(nèi)環(huán)境需要部署大量接入點(diǎn)，過度消耗人力物力，并且在諸如進(jìn)出口等邊緣位置定位，會(huì)因墻壁遮擋等因素導(dǎo)致定位精度受到較大影響。隨著智能終端的普及，其完備的內(nèi)置傳感器系統(tǒng)正逐漸替代那些特殊設(shè)計(jì)的室內(nèi)定位系統(tǒng)。視覺定位方法正是利用圖像獲取傳感器，對用戶所處的室內(nèi)環(huán)境進(jìn)行感知，直接有效地在復(fù)雜室內(nèi)環(huán)境中提取出有效的位置信息，為基于視覺的室內(nèi)定位方法提供基礎(chǔ)設(shè)備。另外，從計(jì)算機(jī)視覺和機(jī)器人等領(lǐng)域，人類正是通過視覺系統(tǒng)和計(jì)算機(jī)融合來實(shí)現(xiàn)對周圍環(huán)境的感知，并在此基礎(chǔ)上實(shí)現(xiàn)機(jī)器人的定位導(dǎo)航。因此，基于視覺的室內(nèi)定位方法是室內(nèi)定位領(lǐng)域的重要發(fā)展方向之一。

目前已提出的視覺定位系統(tǒng)主要分為兩個(gè)階段：離線階段和在線階段。傳統(tǒng)的離線數(shù)據(jù)庫建立方法主要采用位置指紋算法，通過將用戶位置與終端拍攝的場景圖片融合來建立visualmap數(shù)據(jù)庫，visualmap由圖像空間和物理空間所構(gòu)成，圖像空間是指室內(nèi)環(huán)境下的圖像信息，物理空間是指地理位置坐標(biāo)信息。然后，采用快速檢索算法得出visualmap中最匹配的場景及相對應(yīng)的位置，完成定位服務(wù)。然而，位置指紋方法存在很明顯的缺陷，即隨著定位范圍的增大，為保證定位精度，基于位置指紋的數(shù)據(jù)庫的容量會(huì)不斷增大，場景信息的圖像采集和地理位置工作會(huì)消耗大量的人力。其次，在線定位階段，傳統(tǒng)的單目視覺定位系統(tǒng)無法相對直接地獲取目標(biāo)點(diǎn)的三維位置信息，很大程度上增加了定位過程中的時(shí)延，而且定位精度較低。

因此，需要一種新的室內(nèi)定位技術(shù)，來解決現(xiàn)有技術(shù)的上述缺陷。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明為了解決現(xiàn)有的基于位置指紋的定位方法，為了保證定位精度，需要大量擴(kuò)充數(shù)據(jù)庫容量，進(jìn)而在場景信息的圖像采集和地理位置工作方面消耗大量的人力；并且傳統(tǒng)的單目視覺定位系統(tǒng)無法相對直接地獲取目標(biāo)點(diǎn)的三維位置信息，很大程度上增加了定位過程中的時(shí)延，并使得定位精度較低的缺點(diǎn)，而提出一種基于局部標(biāo)識(shí)的雙目視覺室內(nèi)定位數(shù)據(jù)庫建立方法，包括：

步驟一，建立定位系統(tǒng)的坐標(biāo)系模型。

步驟二：在所述坐標(biāo)系模型中，標(biāo)定雙目視覺系統(tǒng)，得到雙目視覺系統(tǒng)的內(nèi)部參數(shù)和外部參數(shù)；所述雙目視覺系統(tǒng)包括左攝像機(jī)以及右攝像機(jī)。

步驟三：根據(jù)待定位的室內(nèi)場景，建立平面世界坐標(biāo)系。

步驟四：選取待定位室內(nèi)場景中的一個(gè)標(biāo)識(shí)。

步驟五：在能夠拍攝到標(biāo)識(shí)的范圍內(nèi)，使用雙目視覺系統(tǒng)中的左攝像機(jī)或右攝像機(jī)按照預(yù)定的距離間隔采集n張帶有標(biāo)識(shí)的數(shù)據(jù)庫圖像；n為正整數(shù)。

步驟六：提取每個(gè)數(shù)據(jù)庫圖像的surf特征點(diǎn)。

步驟七：標(biāo)注出每張數(shù)據(jù)庫圖像中標(biāo)識(shí)的四個(gè)角點(diǎn)的像素坐標(biāo)作為角點(diǎn)信息存入數(shù)據(jù)庫中，并提取出每張數(shù)據(jù)庫圖像的標(biāo)識(shí)區(qū)域的surf特征點(diǎn)矩陣作為特征信息存入數(shù)據(jù)庫中。

步驟八：對于待定位室內(nèi)場景中的每一個(gè)標(biāo)識(shí)，重復(fù)執(zhí)行步驟四至步驟七，直至數(shù)據(jù)庫構(gòu)建完成。

本發(fā)明還提供一種基于局部標(biāo)識(shí)的雙目視覺室內(nèi)定位方法，包括：

步驟a：利用雙目視覺系統(tǒng)中的左攝像機(jī)和右攝像機(jī)同時(shí)拍攝包含標(biāo)識(shí)的在線輸入左圖像il和右圖像ir。

步驟b：利用如權(quán)利要求1至4中任意一項(xiàng)所述的方法得到的數(shù)據(jù)庫，分別求解出在線輸入左圖像il和右圖像ir中標(biāo)識(shí)的四個(gè)角點(diǎn)的像素坐標(biāo)。

步驟c：根據(jù)在線輸入左圖像il和右圖像ir中標(biāo)識(shí)的四個(gè)角點(diǎn)的像素坐標(biāo)求解出用戶所在的位置坐標(biāo)。

本發(fā)明的有益效果為：1、只需要已知少數(shù)標(biāo)識(shí)圖像的地理位置信息，而不需要已知每個(gè)采集圖像的參考點(diǎn)的地理位置信息，在很大程度上減少建立數(shù)據(jù)庫的時(shí)間開銷，節(jié)省人力。2、本發(fā)明在數(shù)據(jù)庫建立階段通過在某標(biāo)識(shí)附近一定范圍區(qū)域內(nèi)，按照一定間隔有針對性地采集含有標(biāo)識(shí)的圖像，標(biāo)注圖像中標(biāo)識(shí)的角點(diǎn)信息，提取標(biāo)識(shí)區(qū)域的特征點(diǎn)矩陣，并將圖像中標(biāo)識(shí)的角點(diǎn)像素坐標(biāo)和標(biāo)識(shí)的世界坐標(biāo)存入數(shù)據(jù)庫中，完成基于標(biāo)識(shí)的離線數(shù)據(jù)庫的建立，達(dá)到了減少數(shù)據(jù)庫容量的效果。3、本專利提出的定位方法在定位精度明顯高于基于位置指紋的定位算法?；谖恢弥讣y的定位算法定位精度達(dá)到一個(gè)σ定位誤差為1.2m，而本專利提出的定位方法的定位精度達(dá)到一個(gè)σ定位誤差為0.65m，達(dá)到了亞米級(jí)的定位精度。并且，本專利提出的定位方法的最大定位誤差為1.39m，定位誤差在1m以內(nèi)的累計(jì)概率達(dá)到85％，而基于位置指紋的定位算法最大定位誤差為3m，定位誤差在1m以內(nèi)的累計(jì)概率為56％。

附圖說明

圖1為本發(fā)明的基于局部標(biāo)識(shí)的雙目視覺室內(nèi)定位方法的流程示意圖；

圖2為本發(fā)明的基于局部標(biāo)識(shí)的雙目視覺室內(nèi)定位數(shù)據(jù)庫建立方法的一個(gè)實(shí)施例的示意圖；

圖3為本發(fā)明的離線數(shù)據(jù)庫的存儲(chǔ)內(nèi)容示意圖；

圖4為本發(fā)明中在線階段標(biāo)識(shí)特征匹配模塊框圖；

圖5為本發(fā)明的基于標(biāo)識(shí)的雙目視覺定位方法與現(xiàn)有技術(shù)中基于位置指紋定位方法的效果對比圖。

本發(fā)明的變量定義如下

具體實(shí)施方式

具體實(shí)施方式一：本實(shí)施方式的基于局部標(biāo)識(shí)的雙目視覺室內(nèi)定位數(shù)據(jù)庫建立方法，其特征在于，包括：

步驟一，建立定位系統(tǒng)的坐標(biāo)系模型。

坐標(biāo)系模型包括參考坐標(biāo)系、攝像機(jī)坐標(biāo)系、圖像坐標(biāo)系、像素坐標(biāo)系。具體建立的方法為：

建立參考坐標(biāo)系or-xyz，定義該坐標(biāo)系原點(diǎn)or為一個(gè)矩形標(biāo)識(shí)圖像的左上角頂點(diǎn)，x軸方向?yàn)檠貥?biāo)識(shí)上邊沿平行于水平地面，y軸方向?yàn)榇怪睒?biāo)識(shí)圖像向里，z軸方向?yàn)榇怪钡孛嫦蛳隆?/p>

建立左攝像機(jī)坐標(biāo)系ocl-uvw，定義該坐標(biāo)系原點(diǎn)ocl為左攝像機(jī)光心，u軸與v軸重合于左攝像機(jī)鏡頭平面，w軸為左攝像機(jī)光軸。

建立圖像坐標(biāo)系o1-xy，定義該坐標(biāo)系原點(diǎn)o1為左攝像機(jī)光軸與成像平面的交點(diǎn)，x,y軸分別平行于圖像的兩條邊。該坐標(biāo)系建立在攝像機(jī)的ccd傳感器上，其單位與ccd傳感器的尺寸保持一致。

建立像素坐標(biāo)系o2-uv，定義該坐標(biāo)系的原點(diǎn)o2為圖像的左上角頂點(diǎn)，u,v軸分別為圖像的上邊沿和左邊沿。

步驟二：在所述坐標(biāo)系模型中，標(biāo)定雙目視覺系統(tǒng)，得到雙目視覺系統(tǒng)的內(nèi)部參數(shù)和外部參數(shù)；所述雙目視覺系統(tǒng)包括左攝像機(jī)以及右攝像機(jī)。標(biāo)定攝像機(jī)的過程為：

利用雙目攝像機(jī)系統(tǒng)拍攝棋盤標(biāo)定模板，分別獲得10至20張左右攝像機(jī)標(biāo)定圖像。

利用張正友標(biāo)定法對步驟一一中獲得的標(biāo)定圖像進(jìn)行處理，得到雙目攝像機(jī)的內(nèi)部參數(shù)和外部參數(shù)。其中，內(nèi)部參數(shù)包括：左攝像機(jī)的焦距fl，右攝像機(jī)的焦距fr和二維圖像的主點(diǎn)坐標(biāo)(u0,v0)；外部參數(shù)包括：旋轉(zhuǎn)矩陣r和平移向量t。其中，表示左攝像機(jī)坐標(biāo)系原點(diǎn)ocl和右攝像機(jī)坐標(biāo)系原點(diǎn)ocr之間的旋轉(zhuǎn)矩陣。表示左攝像機(jī)坐標(biāo)系原點(diǎn)ocl和右攝像機(jī)坐標(biāo)系原點(diǎn)ocr之間的平移向量；tx表示ocr和ocl在x軸方向的平移值，ty表示ocr和ocl在y軸方向的平移值，tz表示ocr和ocl在z軸方向的平移值。

步驟三：根據(jù)待定位的室內(nèi)場景，建立平面世界坐標(biāo)系。

步驟四：選取待定位室內(nèi)場景中的一個(gè)標(biāo)識(shí)。標(biāo)識(shí)可以為海報(bào)。

步驟五：在能夠拍攝到標(biāo)識(shí)的范圍內(nèi)，使用雙目視覺系統(tǒng)中的左攝像機(jī)或右攝像機(jī)按照預(yù)定的距離間隔采集n張帶有標(biāo)識(shí)的數(shù)據(jù)庫圖像；記作imgi(i＝1,2,3,...n)n為正整數(shù)。圖2示出了離線數(shù)據(jù)庫建立示意圖，ocl和ocr為左右攝像機(jī)坐標(biāo)系的原點(diǎn)，即左右攝像機(jī)的光心。箭頭方向表示攝像機(jī)拍攝的方向，在圖2示出的情況中，需要一邊后退一邊拍攝，以保證拍攝到完整的標(biāo)識(shí)圖像。左攝像機(jī)的最大視角記作θ，標(biāo)識(shí)在平行于地面方向的長度記作l，左攝像機(jī)距標(biāo)識(shí)平面的垂直距離記作u0,距標(biāo)識(shí)平面右邊沿的水平距離記作w0。為保證采集含有完整標(biāo)識(shí)的數(shù)據(jù)庫圖像，拍攝圖像時(shí)，左攝像機(jī)距標(biāo)識(shí)平面左邊沿的最小水平距離需要滿足如下公式：

步驟六：采集到圖像后，提取每個(gè)數(shù)據(jù)庫圖像的surf特征點(diǎn)；

步驟七：手動(dòng)標(biāo)注出每張數(shù)據(jù)庫圖像中標(biāo)識(shí)的四個(gè)角點(diǎn)的像素坐標(biāo)作為角點(diǎn)信息存入數(shù)據(jù)庫中，并提取出每張數(shù)據(jù)庫圖像的標(biāo)識(shí)區(qū)域的surf特征點(diǎn)矩陣作為特征信息存入數(shù)據(jù)庫中。如圖3所示，第i張圖像的第j個(gè)角點(diǎn)的像素坐標(biāo)可記為其特征矩陣可記為

步驟八：對于待定位室內(nèi)場景中的每一個(gè)標(biāo)識(shí)，重復(fù)執(zhí)行步驟四至步驟七，直至數(shù)據(jù)庫構(gòu)建完成。

需要說明的是，“數(shù)據(jù)庫圖像”和“數(shù)據(jù)庫圖像的標(biāo)識(shí)區(qū)域”是不同的概念，例如，以海報(bào)作為標(biāo)識(shí)時(shí)，實(shí)際拍攝到的圖片既包含海報(bào)，也包含海報(bào)周圍的場景，那么“標(biāo)識(shí)區(qū)域”指的就是海報(bào)所在的區(qū)域。此時(shí)四個(gè)角點(diǎn)指的是海報(bào)的四個(gè)點(diǎn)，需要確定四個(gè)角點(diǎn)的坐標(biāo)方可確定標(biāo)識(shí)區(qū)域，標(biāo)識(shí)區(qū)域即為四個(gè)角點(diǎn)圍成的區(qū)域。

具體實(shí)施方式二：本實(shí)施方式與具體實(shí)施方式一不同的是：內(nèi)部參數(shù)包括左攝像機(jī)的焦距、右攝像機(jī)的焦距以及左攝像機(jī)和右攝像機(jī)的二維圖像的主點(diǎn)坐標(biāo)；所述二維圖像的主點(diǎn)坐標(biāo)為左攝像機(jī)或右攝像機(jī)的光軸與對應(yīng)圖像平面的交點(diǎn)坐標(biāo)；外部參數(shù)包括旋轉(zhuǎn)矩陣以及左攝像機(jī)坐標(biāo)系原點(diǎn)和右攝像機(jī)坐標(biāo)系原點(diǎn)之間的平移向量。上述參數(shù)均是通過張正友標(biāo)定法計(jì)算得出的。

其它步驟及參數(shù)與具體實(shí)施方式一相同。

具體實(shí)施方式三：本實(shí)施方式與具體實(shí)施方式一或二不同的是：步驟五中，當(dāng)使用左攝像機(jī)采集數(shù)據(jù)庫圖像時(shí)，左攝像機(jī)距離標(biāo)識(shí)平面左邊沿的最小水平距離需要滿足如下公式：

其中，θ為左攝像機(jī)的最大視角；l為標(biāo)識(shí)在平行于地面方向的長度；u0為左攝像機(jī)距標(biāo)識(shí)平面的垂直距離。

使用上述公式的好處是，滿足公式條件時(shí)可以保證左攝像機(jī)能夠拍攝到完整的標(biāo)識(shí)圖像。拍攝到完整的標(biāo)識(shí)圖像能夠保證定位的精確性。本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)清楚，如果標(biāo)識(shí)圖像位于左攝像機(jī)的左側(cè)時(shí)，也可以使用右攝像機(jī)來進(jìn)行相似的過程，此處不作贅述。

其它步驟及參數(shù)與具體實(shí)施方式一或二相同。

具體實(shí)施方式四：本實(shí)施方式與具體實(shí)施方式一至三之一不同的是：

設(shè)采集到的n張帶有標(biāo)識(shí)的數(shù)據(jù)庫圖像為imgi，1≤i≤n，則步驟七具體為：

步驟七一：利用手動(dòng)標(biāo)注的方式標(biāo)注出第一張數(shù)據(jù)庫圖像img1中標(biāo)識(shí)區(qū)域的四個(gè)角點(diǎn)的像素坐標(biāo)，并將所述四個(gè)角點(diǎn)的像素坐標(biāo)作為角點(diǎn)信息存儲(chǔ)在數(shù)據(jù)庫中。

步驟七二：提取第一張數(shù)據(jù)庫圖像img1中標(biāo)識(shí)區(qū)域的surf特征點(diǎn)，構(gòu)成surf特征點(diǎn)矩陣，并將所述surf特征點(diǎn)矩陣作為第一張數(shù)據(jù)庫圖像img1的特征信息存儲(chǔ)在數(shù)據(jù)庫中。

步驟七三：將第一張數(shù)據(jù)庫圖像img1的標(biāo)識(shí)區(qū)域的surf特征點(diǎn)以及第二張數(shù)據(jù)庫圖像img2的surf特征點(diǎn)輸入至ransac算法中，得到第二張數(shù)據(jù)庫圖像img2的單應(yīng)矩陣。ransac算法還具有剔除兩個(gè)圖像的誤匹配點(diǎn)的功能。

步驟七四：通過單應(yīng)矩陣求解出第二張數(shù)據(jù)庫圖像img2中標(biāo)識(shí)的四個(gè)角點(diǎn)的像素坐標(biāo)，作為第二張圖像img2的角點(diǎn)信息存儲(chǔ)在數(shù)據(jù)庫中。

步驟七五：提取第二張數(shù)據(jù)庫圖像img2中標(biāo)識(shí)區(qū)域的surf特征點(diǎn)，構(gòu)成surf特征點(diǎn)矩陣，作為第二張數(shù)據(jù)庫圖像img2的特征信息存儲(chǔ)在數(shù)據(jù)庫中。

步驟七六：重復(fù)步驟七三至步驟七五，直至第一張數(shù)據(jù)庫圖像的角點(diǎn)信息和特征信息均存儲(chǔ)在數(shù)據(jù)庫中。

本實(shí)施方式的好處是，通過提取圖像特征，大大縮減了需要存儲(chǔ)的信息大小，顯著減輕了數(shù)據(jù)庫的負(fù)擔(dān)。

其它步驟及參數(shù)與具體實(shí)施方式一至三之一相同。

具體實(shí)施方式五：本實(shí)施方式提供了一種基于局部標(biāo)識(shí)的雙目視覺室內(nèi)定位方法，本實(shí)施方式是基于具體實(shí)時(shí)方式一至四中任意一項(xiàng)構(gòu)建出的數(shù)據(jù)庫實(shí)現(xiàn)的。

本實(shí)施方式的方法包括：

步驟a：利用雙目視覺系統(tǒng)中的左攝像機(jī)和右攝像機(jī)同時(shí)拍攝包含標(biāo)識(shí)的在線輸入左圖像il和右圖像ir；

步驟b：利用如權(quán)利要求1至4中任意一項(xiàng)所述的方法得到的數(shù)據(jù)庫，分別求解出在線輸入左圖像il和右圖像ir中標(biāo)識(shí)的四個(gè)角點(diǎn)的像素坐標(biāo)；

步驟c：根據(jù)在線輸入左圖像il和右圖像ir中標(biāo)識(shí)的四個(gè)角點(diǎn)的像素坐標(biāo)求解出用戶所在的位置坐標(biāo)。

其它步驟及參數(shù)與具體實(shí)施方式一至四之一相同。

具體實(shí)施方式六：本實(shí)施方式與具體實(shí)施方式五不同的是：

步驟b包括：

步驟b1：提取在線輸入左圖像il和右圖像ir的surf特征點(diǎn)，構(gòu)成特征點(diǎn)矩陣；

步驟b2：將圖像il的surf特征點(diǎn)矩陣fl以及由權(quán)利要求1至4中任意一項(xiàng)所述方法得到數(shù)據(jù)庫圖像imgi的標(biāo)識(shí)區(qū)域特征點(diǎn)矩陣fi進(jìn)行標(biāo)識(shí)區(qū)域特征匹配，并通過ransac算法進(jìn)行誤匹配點(diǎn)剔除，并求解兩圖像間標(biāo)識(shí)區(qū)域單應(yīng)矩陣hil；

步驟b3：通過預(yù)設(shè)的匹配特征點(diǎn)的閾值判斷單應(yīng)矩陣hil的準(zhǔn)確度，若hil正確則執(zhí)行步驟b4；若hil不正確，則選擇下一張數(shù)據(jù)庫圖像，并重新判斷單應(yīng)矩陣的準(zhǔn)確度；

步驟b4：將由權(quán)利要求1至4中任意一項(xiàng)所述方法得到數(shù)據(jù)庫圖像imgi的標(biāo)識(shí)角點(diǎn)的像素坐標(biāo)通過單應(yīng)矩陣hil映射到左圖像il中，求解左圖像il中對應(yīng)點(diǎn)的像素坐標(biāo)求解的計(jì)算公式為qj＝hilpj；其中j＝1,2,3,4，為數(shù)據(jù)庫圖像imgi的第j個(gè)標(biāo)識(shí)角點(diǎn)的像素橫坐標(biāo)；為數(shù)據(jù)庫圖像imgi的第j個(gè)標(biāo)識(shí)角點(diǎn)的像素縱坐標(biāo)；分別為左圖像il中對應(yīng)點(diǎn)像素坐標(biāo)的橫坐標(biāo)、縱坐標(biāo)。

步驟b5：通過在線輸入左圖像il中標(biāo)識(shí)的四個(gè)角點(diǎn)的像素坐標(biāo)qj確定標(biāo)識(shí)區(qū)域，并提取左圖像il中標(biāo)識(shí)區(qū)域的surf特征點(diǎn)矩陣f′l；

步驟b6：利用左圖像il中標(biāo)識(shí)區(qū)域的surf特征點(diǎn)矩陣f′l和步驟b1中得到的右圖像ir的surf特征點(diǎn)矩陣fr進(jìn)行特征匹配，通過ransac算法進(jìn)行誤匹配點(diǎn)剔除，并求解兩圖像間標(biāo)識(shí)區(qū)域單應(yīng)矩陣hlr；

步驟b7：通過預(yù)設(shè)的匹配特征點(diǎn)的閾值判斷單應(yīng)矩陣hlr的準(zhǔn)確度，若hlr正確則執(zhí)行步驟b8；若hlr不正確，則選擇下一張數(shù)據(jù)庫圖像，并重新判斷單應(yīng)矩陣的準(zhǔn)確度；

步驟b8：將步驟b4得到左圖像il的標(biāo)識(shí)角點(diǎn)的像素坐標(biāo)qj通過單應(yīng)矩陣hlr映射到到右圖像ir中，求解右圖像ir中對應(yīng)點(diǎn)的像素坐標(biāo)求解的計(jì)算公式為q′j＝hlrqj；其中j＝1,2,3,4；分別為右圖像ir中對應(yīng)點(diǎn)像素坐標(biāo)的橫坐標(biāo)、縱坐標(biāo)。

步驟b9：通過右圖像ir中標(biāo)識(shí)的四個(gè)角點(diǎn)的像素坐標(biāo)q′j確定標(biāo)識(shí)區(qū)域，并提取右圖像ir中標(biāo)識(shí)區(qū)域的surf特征點(diǎn)矩陣f′r。

其它步驟及參數(shù)與具體實(shí)施方式五相同。

具體實(shí)施方式七：本實(shí)施方式與具體實(shí)施方式五或六不同的是：

步驟c包括：

步驟c1：左圖像il中標(biāo)識(shí)角點(diǎn)的左側(cè)上下兩個(gè)角點(diǎn)像素坐標(biāo)表示為m＝1,4，右圖像ir中標(biāo)識(shí)角點(diǎn)的右側(cè)上下角點(diǎn)像素坐標(biāo)表示為表示，則標(biāo)識(shí)左側(cè)上下兩個(gè)角點(diǎn)在左攝像機(jī)坐標(biāo)系下的坐標(biāo)滿足如下：

其中r1,r2,r3,r7,r8,r9為通過張正友標(biāo)定法計(jì)算出的旋轉(zhuǎn)矩陣中的對應(yīng)元素。fl為左攝像機(jī)的焦距，fr為右攝像機(jī)的焦距；tx表示ocr和ocl在x軸方向的平移值；ty表示ocr和ocl在y軸方向的平移值，tz表示ocr和ocl在z軸方向的平移值。

步驟c2；對坐標(biāo)進(jìn)行坐標(biāo)系轉(zhuǎn)換得到用戶在真實(shí)世界中的位置坐標(biāo)(xp,yp)，以完成對用戶位置的估計(jì)。

其它步驟及參數(shù)與具體實(shí)施方式五或六相同。

綜上，本發(fā)明提出一種基于局部標(biāo)識(shí)的雙目視覺室內(nèi)定位方法。首先，在離線階段，提出一種基于局部標(biāo)識(shí)的離線數(shù)據(jù)庫建立方法來減少數(shù)據(jù)庫的存儲(chǔ)容量和建立階段的復(fù)雜度。具體來說，該方法在數(shù)據(jù)庫建立階段通過在某標(biāo)識(shí)附近一定范圍區(qū)域內(nèi)，按照一定間隔有針對性地采集含有標(biāo)識(shí)的圖像，標(biāo)注圖像中標(biāo)識(shí)的角點(diǎn)信息，提取標(biāo)識(shí)區(qū)域的特征點(diǎn)矩陣，并將圖像中標(biāo)識(shí)的角點(diǎn)像素坐標(biāo)和標(biāo)識(shí)的世界坐標(biāo)存入數(shù)據(jù)庫中，完成基于標(biāo)識(shí)的離線數(shù)據(jù)庫的建立，達(dá)到了減少數(shù)據(jù)庫容量的效果。并且，該方法只要求已知少數(shù)標(biāo)識(shí)圖像的地理位置信息，而不需要已知每個(gè)采集圖像的參考點(diǎn)的地理位置信息，在很大程度上減少建立數(shù)據(jù)庫的時(shí)間開銷，節(jié)省人力。其次，在在線階段，提出一種基于雙目視覺的室內(nèi)定位方法，通過計(jì)算兩攝像機(jī)拍攝的二維圖像信息進(jìn)行用戶定位，減少圖像匹配的時(shí)延同時(shí)有效地提高室內(nèi)用戶的定位精度。具體來說，將離線數(shù)據(jù)庫存儲(chǔ)的標(biāo)識(shí)特征與在線階段左右攝像機(jī)拍攝圖像中的標(biāo)識(shí)特征輸入到標(biāo)識(shí)特征匹配模塊，分別得到左右攝像機(jī)拍攝圖像中標(biāo)識(shí)角點(diǎn)的像素坐標(biāo)。然后，通過雙目視覺定位模塊完成室內(nèi)用戶的在線定位。

圖5示出了本發(fā)明的定位方法和現(xiàn)有技術(shù)的基于位置指紋的定位方法的效果對比圖。其中，橫軸表示在左攝像機(jī)坐標(biāo)系下標(biāo)識(shí)圖像左邊沿上下兩個(gè)角點(diǎn)的定位誤差，縱坐標(biāo)表示定位誤差的累積概率，即cdf的概率。從圖5中可以看出，本專利提出的定位方法在定位精度明顯高于基于位置指紋的定位算法。基于位置指紋的定位算法定位精度達(dá)到一個(gè)σ定位誤差為1.2m，而本專利提出的定位方法的定位精度達(dá)到一個(gè)σ定位誤差為0.65m，達(dá)到了亞米級(jí)的定位精度。并且，本專利提出的定位方法的最大定位誤差為1.39m，定位誤差在1m以內(nèi)的累計(jì)概率達(dá)到85％，而基于位置指紋的定位算法最大定位誤差為3m，定位誤差在1m以內(nèi)的累計(jì)概率為56％。

本發(fā)明還可有其它多種實(shí)施例，在不背離本發(fā)明精神及其實(shí)質(zhì)的情況下，本領(lǐng)域技術(shù)人員當(dāng)可根據(jù)本發(fā)明作出各種相應(yīng)的改變和變形，但這些相應(yīng)的改變和變形都應(yīng)屬于本發(fā)明所附的權(quán)利要求的保護(hù)范圍。