基于标识的室内视觉定位算法研究

《基于标识的室内视觉定位算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、工学硕士学位论文基于标识的室内视觉定位算法研究RESEARCHONLANDMARKS-BASEDVISIONINDOORLOCALIZATIONALGORITHM关凯哈尔滨工业大学2016年6月国内图书分类号：TN929.5学校代码：10213国际图书分类号：621.3密级：公开工学硕士学位论文基于标识的室内视觉定位算法研究硕士研究生：关凯导师：郭士增申请学位：工学硕士学科：信息与通信工程所在单位：电子与信息工程学院答辩日期：2016年6月授予学位单位：哈尔滨工业大学ClassifiedIndex：TN929.5U.D.C：621.3Dissertationfor

2、theMaster’sDegreeinEngineeringRESEARCHONLANDMARKS-BASEDVISIONINDOORLOCALIZATIONALGORITHMCandidate：GuanKaiSupervisor：A.Prof.GuoShizengAcademicDegreeAppliedfor：MasterofEngineeringInformationandCommunicationSpeciality：EngineeringSchoolofElectronicsandAffiliation：InformationEngineeringDat

3、eofDefence：June,2016Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要近年来，得益于用户终端处理速度的飞速提升，对于大像素图像的处理速度得到了进一步增强，使得基于视觉的室内定位方法成为了研究的热点。相比于传统室内定位方法，该方法不仅部署成本低，而且所使用的视觉图像包含了大量丰富的场景信息，在为用户提供鲁棒性更强的定位结果的基础上，还可以提供更多可视化服务。传统视觉定位算法的定位结果严重依赖位置指纹的密集程度。在位置指纹密集时，定位精度有所提升，但由

4、于数据库存储容量的增大，造成了更大的检索时延，反之亦然。针对以上问题，本文提出了基于标识的室内视觉定位算法，通过现实世界中大量存在的标识，如海报、广告牌等，建立了额外的单应性约束和投影约束关系，在减小图像检索时间复杂度的同时，提高了系统的定位精度。首先，阐述了本文研究的目的和发展现状。其次，研究了室内视觉定位算法的相关理论知识，其中包括图像特征提取算法、图像之间的单应性约束关系和相机在几何空间的成像模型。此外，在优化传统室内视觉定位算法的缺陷方面，本文主要完成了以下研究：(1)针对用户输入图像中纠正线参数方程的未知性，提出了基于图像匹配和单应矩阵的求解方法，实现了

5、在线阶段纠正线参数方程的自动求解。该算法对数据库标识图像中的纠正线进行采样和标定，并结合离线图像和在线图像间的SURF匹配点和单应性映射关系，求解出了用户输入图像中纠正线的参数方程。(2)针对传统室内视觉定位算法中，算法时间复杂度和定位精度对位置指纹密度过于依赖的问题，提出了基于标识图像中多条纠正线的联合定位算法，实现了更低的时间复杂度和更高的定位结果。该算法采用若干标识图像代替数据库中冗余的图像信息，并将离线图像和在线图像之间的单应性约束关系、标识图像中若干纠正线与相机成像平面之间的投影关系等，作为额外的先验信息，在减小数据库容量的同时，辅助算法优化定位结果。(

6、3)对提出的在线阶段纠正线求解算法和基于多纠正线的联合定位算法进行仿真分析。实验结果表明，纠正线求解算法可以准确的求解出在其参数方程，多纠正线联合定位算法在降低了算法时间复杂度的基础上，提高了算法的定位精度，并额外求解出了用户的朝向角。关键词：室内视觉定位；SURF算法；单应矩阵；纠正线；-I-哈尔滨工业大学工学硕士学位论文AbstractInrecentyears,withthesignificantdevelopmentofthepersonalterminal’sprocessingspeed,thereisabigstrengtheninhugepixes

7、imageprocess,sovision-basedindoorlocalizationhasbecomeahotareaofresearch.Comparedwiththetraditionalalgorithm,thismethodcanbedeployedwithlowercost.Inaddition,itprovidesmorerobustlocalizationresultsandextravisualizedservices.Thelocalizationresultsofthetraditionalmethodreliesheavilyonthe

8、densi