室内定位方法、装置及电子设备和存储介质与流程

本发明涉及定位技术领域，具体涉及一种室内定位方法、装置及电子设备和存储介质。

背景技术：

室内定位是指在室内环境中实现位置定位。现有技术主要是通过无线技术实现定位，例如wi-fi(无线上网)、蓝牙、红外线、超宽带、rfid(radiofrequencyidentification，射频识别)、zigbee(紫蜂)和超声波等，通过分析无线信号的强弱实现室内定位。

但是，通过无线技术进行室内定位往往存在一定的误差，容易受到其它信号的干扰。

技术实现要素：

有鉴于此，本发明实施例的目的在于提供一种室内定位方法、装置及电子设备和存储介质，可以更加精确地实现室内定位。

第一方面，本发明实施例提供了一种室内定位方法，所述方法包括：

获取用户输入信息，所述用户输入信息为图像信息或视频信息；

在预定的数据库中确定与所述用户输入信息匹配的至少一个参考图像信息，所述数据库存储有多个参考图像信息，每个所述参考图像信息包括第一特征信息和对应的位置信息；以及

根据所述匹配的至少一个参考图像信息确定用户位置信息。

优选地，响应于所述用户输入信息为图像信息，在预定的数据库中确定与所述用户输入信息匹配的至少一个参考图像信息包括：

在所述图像信息中提取第二特征信息；

在所述数据库中确定与所述第二特征信息匹配的第一特征信息；以及

将匹配的第一特征信息对应的参考图像信息确定为所述匹配的参考图像信息。

优选地，根据所述匹配的至少一个参考图像信息确定用户位置信息为将所述匹配的至少一个参考图像信息对应的位置信息确定为所述用户位置信息。

优选地，响应于所述用户输入信息为视频信息，在预定的数据库中确定与所述用户输入信息匹配的至少一个参考图像信息包括：

在所述视频信息中获取第一图像；

在所述第一图像中提取第二特征信息；

在所述数据库中确定与所述第二特征信息匹配的第一特征信息；以及

将匹配的第一特征信息对应的参考图像信息确定为所述匹配的参考图像信息。

优选地，根据所述匹配的至少一个参考图像信息确定用户位置信息包括：

将所述匹配的至少一个参考图像信息对应的位置信息确定为中间位置信息；

在所述视频信息中获取第二图像；

获取所述第一图像和所述第二图像的深度图，所述深度图包括用户实际位置信息与中间位置信息的距离；

根据所述深度图和所述中间位置信息确定用户位置信息。

优选地，根据暴风算法、k-临近匹配算法或快速最近邻搜索包算法在所述数据库中确定与所述第二特征信息匹配的第一特征信息。

优选地，所述方法还包括：

通过惯性传感器获取运动轨迹；以及

根据所述用户位置信息和所述运动轨迹获取实际位置信息。

优选地，所述方法还包括：

获取目标位置信息；以及

根据所述目标位置信息和所述实际位置信息获取导航信息。

第二方面，本发明实施例提供了一种室内定位装置，所述装置包括：

输入单元，用于获取用户输入信息，所述用户输入信息为图像信息或视频信息；

匹配单元，用于在预定的数据库中确定与所述用户输入信息匹配的至少一个参考图像信息，所述数据库存储有多个参考图像信息，每个所述参考图像信息包括第一特征信息和对应的位置信息；以及

定位单元，用于根据所述匹配的至少一个参考图像信息确定用户位置信息。

优选地，所述匹配单元包括：

特征提取模块，用于在所述图像信息中提取第二特征信息；

特征匹配模块，用于在所述数据库中确定与所述第二特征信息匹配的第一特征信息；以及

信息确定模块，用于将匹配的第一特征信息对应的参考图像信息确定为所述匹配的参考图像信息。

优选地，所述定位单元用于将所述匹配的至少一个参考图像信息对应的位置信息确定为所述用户位置信息。

优选地，所述匹配单元包括：

第一图像获取模块，用于在所述视频信息中获取第一图像；

特征提取模块，用于在所述第一图像中提取第二特征信息；

特征匹配模块，用于在所述数据库中确定与所述第二特征信息匹配的第一特征信息；以及

信息确定模块，用于将匹配的第一特征信息对应的参考图像信息确定为所述匹配的参考图像信息。

优选地，所述定位单元包括：

中间位置确定模块，用于将所述匹配的至少一个参考图像信息对应的位置信息确定为中间位置信息；

第二图像获取模块，用于在所述视频信息中获取第二图像；

深度图获取模块，用于获取所述第一图像和所述第二图像的深度图，所述深度图包括用户实际位置信息与中间位置信息的距离；

用户位置确定模块，用于根据所述深度图和所述中间位置信息确定用户位置信息。

优选地，所述特征匹配模块用于根据暴风算法、k-临近匹配算法或快速最近邻搜索包算法在所述数据库中确定至少一个与所述第二特征信息匹配的第一特征信息。

优选地，所述装置还包括：

运动轨迹获取单元，用于通过惯性传感器获取运动轨迹；以及

实际位置获取单元，用于根据所述用户位置信息和所述运动轨迹获取实际位置信息。

优选地，所述装置还包括：

目标位置获取单元，用于获取目标位置信息；以及

导航单元，用于根据所述目标位置信息和所述实际位置信息获取导航信息。

第三方面，本发明实施例提供了一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如第一方面所述的方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如第一方面所述的方法。

本发明实施例的技术方案通过将用户输入的图像信息或视频信息与数据库中的参考图像进行匹配，并将与用户输入信息匹配的参考图像对应的位置信息确定为用户位置信息。由此，可以更加精确地实现室内定位。

附图说明

通过以下参照附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：

图1是本发明第一实施例的室内定位方法的流程图；

图2是本发明第一实施例的确定匹配的参考图像信息的流程图；

图3是本发明第二实施例的室内定位方法的流程图；

图4是本发明第二实施例的确定匹配的参考图像信息的流程图；

图5是本发明第二实施例的确定用户位置信息的流程图；

图6是本发明实施例的获取实际位置信息和导航信息的流程图；

图7是本发明第一实施例的室内定位装置的示意图；

图8是本发明第二实施例的室内定位装置的示意图；

图9是本发明实施例的电子设备的示意图。

具体实施方式

以下基于实施例对本发明公开进行描述，但是本发明公开并不仅仅限于这些实施例。在下文对本发明公开的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明公开。为了避免混淆本发明公开的实质，公知的方法、过程、流程、元件和电路并没有详细叙述。

此外，本领域普通技术人员应当理解，在此提供的附图都是为了说明的目的，并且附图不一定是按比例绘制的。

除非上下文明确要求，否则整个申请文件中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。

在本发明公开的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明公开的描述中，除非另有说明，“多个”的含义是两个或两个以上。

本发明实施例用户通过手机、平板电脑等终端设备拍摄一张图片或者一段视频，终端设备在预定的数据库中获取与拍摄的图片或视频匹配的参考图像，根据所述参考图像确定用户的位置信息。同时，通过终端设备内自带的惯性传感器获取用户的运动轨迹，根据定位获取的位置信息和运动轨迹实时获取用户的实际位置信息。而且，用户设置目标位置后，终端设备可根据目标位置信息和实际位置信息获取导航路线，并生成导航信息。

图1是本发明第一实施例的室内定位方法的流程图。如图1所示，本发明实施例的室内定位方法包括如下步骤：

步骤s110、获取用户输入的图像信息。

在本实施例中，所述用户输入信息为图像信息，即用户通过终端设备拍摄一张图片。由于图像拍摄时间短、所占内存比较小，使得终端设备能够更快的实现定位。

步骤s120、在预定的数据库中确定与所述图像信息匹配的至少一个参考图像信息。

在本实施例中，所述数据库存储有多个参考图像信息，每个所述参考图像信息包括第一特征信息和对应的位置信息。

进一步地，通过拍摄设备对室内环境进行数据采集以获取数据库，所述数据库包括多个参考图像信息，每个所述参考图像信息包括第一特征信息和对应的位置信息。具体地，通过拍摄设备采集室内各个位置的图像作为参考图像，通过图像特征提取算法获取每个参考图像的第一特征信息，并对每个参考图像进行位置标注作为对应的位置信息，由此，可以得到数据库。

进一步地，在拍摄场景内的参考图像时，参考图像中可能会出现人或移动物体(例如车辆)等，进而可能导致匹配时误差较大。本实施例通过在不同的时间段多次采集同一区域的参考图像，将同一区域的参考图像作比较，去除其中发生变化的特征点。由此，可以减小人或移动物体等对参考图像的影响，使得定位更加准确。

进一步地，可以通过引入自动设备进行图像采集以获取参考图像，例如通过环景拍摄小车或者是室内无人机设备进行图像采集，可以更加全面获取室内的位置的参考图像。

进一步地，所述第一特征信息为特征向量。

进一步地，图像特征提取算法可以采用现有的各种提取算法，本发明实施例以hog(histogramoforientedgradient,方向梯度直方图)算法和sift(scale-invariantfeaturestransform,尺度不变特征变换)算法为例进行说明。

hog算法是通过计算和统计图像局部区域的梯度方向直方图来构成特征。具体地，对待处理图像进行灰度化，采用gamma(幂律变换)校正法对灰度化的图像进行颜色空间的标准化(归一化)，以调节图像的对比度，降低图像局部的阴影和光照变化所造成的影响，同时可以抑制噪音的干扰。计算图像每个像素的梯度(包括大小和方向)，以捕获轮廓信息，同时进一步弱化光照的干扰。将图像划分成小区域(例如6*6像素的小区域)。统计每个小区域的梯度直方图(不同梯度的个数)，即可形成每个小区域的特征。将每几个小区域组成一个block(块)(例如3*3个小区域为一个块)，将一个block内所有区域的特征串联起来便得到该block的hog特征。将图像内的所有block的hog特征串联起来就可以得到该待处理图像的hog特征。由于hog是在图像的局部方格单元上操作，所以它对图像几何的和光学的形变都能保持很好的不变性。

sift算法是在不同的尺度空间上查找关键点(特征点)，并计算出关键点的方向。sift所查找到的关键点是一些十分突出、不会因光照、仿射变换和噪音等因素而变化的点，如角点、边缘点、暗区的亮点及亮区的暗点等。具体可分为如下步骤，第一，模拟图像数据的多尺度特征，大尺度抓住概貌特征，小尺度注重细节特征。通过构建高斯金字塔保证图像在任何尺度都能有对应的特征点，即保证尺度不变性。第二，确定是否为关键点，需要将该点与同尺度空间不同σ(高斯模糊)值的图像中的相邻点比较，如果该点为max(最大量)或min(最小量)，则为一个特征点，找到所有特征点后，要去除低对比度和不稳定的边缘效应的点，留下具有代表性的关键点。第三，为了实现旋转不变性，需要根据检测到的关键点的局部图像结构为特征点赋值，具体地，通过梯度方向直方图，在计算直方图时，每个加入直方图的采样点都使用圆形高斯函数进行加权处理，也就是进行高斯平滑，可以使关键点附近的梯度幅值有较大权重，从而部分弥补没考虑仿射不变形产生的特征点不稳定。第四，关键点描述子的生成，关键点描述子不但包括关键点，还包括关键点周围对其有贡献的像素点。这样可使关键点有更多的不变特性，提高目标匹配效率。在描述子采样区域时，需要考虑旋转后进行双线性插值，防止因旋转图像出现白点。同时，为了保证旋转不变性，要以特征点为中心，在附近领域内旋转θ角，然后计算采样区域的梯度直方图，形成n维sift特征矢量(如128-sift)。第五，对特征矢量进行归一化处理以去除光照变化的影响。由此，即可获取sift特征。

具体地，图2是本发明第一实施例的确定匹配的参考图像信息的流程图。如图2所示，在数据库中确定与用户输入信息匹配的参考图像信息包括如下步骤：

步骤s210、在所述图像信息中提取第二特征信息。

在本实施例中，通过图像特征提取算法获取用户输入信息的第二特征信息。

进一步地，所述第二特征信息为特征向量。

进一步地，可以根据上述hog算法或sift算法获取用户输入信息的第二特征信息。

可选地，为了提高定位的准确性，本发明实施例的方法还包括对所述第二特征信息进行过滤。具体地，通过图像人体检测技术获取图像中的人体特征，在所述第二特征信息中将属于人体的特征过滤。由此，可以减少变化的特征对特征匹配的影响，提高定位的准确性。

步骤s220、在所述数据库中确定至少一个与所述第二特征信息匹配的第一特征信息。

在本实施例中，根据用户输入的图像信息中的第二特征信息，对数据库中的参考图像进行遍历，将数据库中的每张参考图像分别与用户输入信息进行匹配以获取匹配的参考图像。具体地，可以根据暴风(brute-force，bf)算法、k-临近匹配(k-nearestneighbor，knn)算法或快速最近邻搜索包(fastlibraryforapproximatenearestneighbors，flann)算法等在所述数据库中确定与所述第二特征信息匹配的第一特征信息。

bf算法是比较两幅图像的特征向量，计算两个向量之间的距离，距离越近就表示两幅图像越匹配，通过opencv(开源计算机视觉库)中提供的用于暴力破解的对象实现暴力匹配。具体地，遍历两幅图像的特征向量,然后计算向量之间的距离,根据距离对特征点进行排序，在一定的置信度之下显示前n个特征的匹配结果。两张图像匹配的过程即计算一张图像上的特征点到另一张图像上所有特征点的欧式距离，选择欧式距离最小的点作为最佳匹配点，两张图像上最佳匹配点构成了一个匹配点对。选择匹配点对最多的图像作为最优的匹配图像。

knn匹配算法是存在一个有标记的样本数据集合，输入新的没有标记的新的数据，然后计算新的样本的特征向量与已有的样本集合中所有的样本特征向量之间的距离,然后根据计算结果进行排序，取出前k个与新样本最近的，这k个样本中出现最多的标记就是新的样本的标记.

flann匹配算法是根据不同的数据选择不同的算法来处理数据集。具体地，flann匹配算法中定义了两个参数，在计算匹配时会自行决定索引参数和搜索对象，通过指定索引树要被遍历的次数，值越大，计算匹配时间越长，也越精准。

由此，可以获取所述第二特征信息与第一特征信息的匹配结果，将最优的匹配结果确定为与所述第二特征信息匹配的第一特征信息。

步骤s230、将匹配的第一特征信息对应的参考图像信息确定为所述匹配的参考图像信息。

在本实施例中，将与所述第二特征信息匹配的第一特征信息对应的参考图像信息确定为所述匹配的参考图像信息。

步骤s130、根据所述匹配的至少一个参考图像信息确定用户位置信息。

在本实施例中，获取到匹配的参考图像信息后，将所述参考图像信息对应的位置信息确定为所述用户位置信息。

本发明实施例通过将用户输入的图像信息与数据库中的参考图像进行匹配，并将与用户输入信息匹配的参考图像对应的位置信息确定为用户位置信息。由此，可以更加精确地实现室内定位。

图3是本发明第二实施例的室内定位方法的流程图。如图3所示，本发明实施例的室内定位方法包括如下步骤：

步骤s310、获取用户输入的视频信息。

在本实施例中，所述用户输入信息为视频信息。视频可以看作是多张连续的图像，其包含图像的运动信息。

步骤s320、在预定的数据库中确定与所述视频信息匹配的至少一个参考图像信息。

在本实施例中，所述数据库存储有多个参考图像信息，每个所述参考图像信息包括第一特征信息和对应的位置信息。

进一步地，通过拍摄设备对室内环境进行数据采集以获取数据库，所述数据库包括多个参考图像信息，每个所述参考图像信息包括第一特征信息和对应的位置信息。具体地，通过拍摄设备采集室内各个位置的图像作为参考图像，通过图像特征提取算法获取每个参考图像的第一特征信息，并对每个参考图像进行位置标注作为对应的位置信息，由此，可以得到数据库。

进一步地，在拍摄场景内的参考图像时，参考图像中可能会出现人或移动物体(例如车辆)等，进而可能导致匹配时误差较大。本实施例通过在不同的时间段多次采集同一区域的参考图像，将同一区域的参考图像作比较，去除其中发生变化的特征点。由此，可以减小人或移动物体等对参考图像的影响，使得定位更加准确。

进一步地，可以通过引入自动设备进行图像采集以获取参考图像，例如通过环景拍摄小车或者是室内无人机设备进行图像采集，可以更加全面获取室内的位置的参考图像。

具体地，图4是本发明第二实施例的确定匹配的参考图像信息的流程图。如图4所示，在数据库中确定与用户输入信息匹配的参考图像信息包括如下步骤：

步骤s410、在所述视频信息中获取第一图像。

在本实施例中，在所述视频信息中截取一张图像作为第一图像。

步骤s420、在所述第一图像中提取第二特征信息。

进一步地，所述第一特征信息为特征向量。

进一步地，可以根据上述hog算法或sift算法获取用户输入信息的第二特征信息。

可选地，为了提高定位的准确性，本发明实施例的方法还包括对所述第二特征信息进行过滤。具体地，通过图像人体检测技术获取图像中的人体特征，在所述第二特征信息中将属于人体的特征过滤。由此，可以减少变化的特征对特征匹配的影响，提高定位的准确性。

步骤s430、在所述数据库中确定与所述第二特征信息匹配的第一特征信息。

在本实施例中，根据视频信息中的第一图像的第二特征信息，对数据库中的参考图像进行遍历，将数据库中的每张参考图像分别与第一图像进行匹配以获取匹配的参考图像。具体地，可以根据暴风算法、k-临近匹配算法或快速最近邻搜索包算法等在所述数据库中确定与所述第二特征信息匹配的第一特征信息。

由此，可以获取所述第二特征信息与第一特征信息的匹配结果，将最优的匹配结果确定为与所述第二特征信息匹配的第一特征信息。

步骤s430、将匹配的第一特征信息对应的参考图像信息确定为所述匹配的参考图像信息。

在本实施例中，将与所述第二特征信息匹配的第一特征信息对应的参考图像信息确定为所述匹配的参考图像信息。

步骤s330、根据所述匹配的至少一个参考图像信息确定用户位置信息。

具体地，图5是本发明第二实施例的确定用户位置信息的流程图。如图5所示，根据所述匹配的至少一个参考图像信息确定用户位置信息包括如下步骤：

步骤s510、将所述匹配的至少一个参考图像信息对应的位置信息确定为中间位置信息。

在本实施例中，通过上述步骤s410-s430获取到与第一图像匹配的参考图像信息后，将所述参考图像信息对应的位置信息确定为中间位置信息。

步骤s520、在所述视频信息中获取第二图像。

在本实施例中，在所述视频信息中重新截取一张图像作为第二图像，所述第一图像和所述第二图像不是同一图像。

步骤s530、获取所述第一图像和所述第二图像的深度图。

在本实施例中，获取所述第一图像和所述第二图像的视差图包括如下步骤：

步骤s531、进行内参标定。内参反映的是终端设备坐标系到图像坐标系之间的投影关系。

可选地，可以通过张正友标定法进行内参标定。具体地，首先打印一张棋盘格纸张(黑白间距已知)，并贴在一个平板上，针对棋盘格拍摄若干张图片(一般10-20张)，在图片中检测特征点，利用解析解估算方法计算出多个内部参数和多个外部参数，根据极大似然估计策略，设计优化目标并实现参数的标定。

步骤s532、进行外参标定。

外参反映的是终端坐标系和世界坐标系之间的旋转和平移关系。

可选地，本发明实施例采用外参自标定的方法。具体地，利用上述得到的内参对第一图像和第二图像进行畸变校正，获取进行畸变校正后的两幅图的匹配特征点对，利用得到的特征点对和内参矩阵解算出本质矩阵，利用本质矩阵解算出两幅图像之间的旋转(rotation)和平移(translation)，也就是外参。

步骤s533、进行立体校正。

在本实施例中，得到两个旋转和平移之后，对两幅图像进行立体对极线校正，首先根据上述步骤s532获取第一图像的旋转参数r1、平移参数t1和透视投影矩阵p1，第二图像的旋转参数r2、平移参数t2和透视投影矩阵p2。利用上述参数进行对极线校正操作，并保存校正结果。

步骤s534、对两幅图像进行立体匹配。

在本实施例中，得到立体校正后的两幅图像后，匹配点是在同一行上的，根据特征匹配算法获取视差图。本发明实施例采用sgbm(semi-globalblockmatching，半全局块匹配)算法获取视差图。sgbm算法是一种用于计算双目视觉中视差的半全局匹配算法。

步骤s535、根据视差图获取深度图。

在本实施例中，所述深度图包括用户实际位置信息与中间位置信息的距离。具体地，深度图是包含与视点的场景对象的表面的距离有关的信息的图像或图像通道，每个像素值是终端设备距离物体的实际距离。

步骤s540、根据所述深度图和所述中间位置信息确定用户位置信息。

由此，可以根据深度图获取终端设备到中间位置信息的距离，进而根据中间位置信息和终端设备到中间位置信息的距离获取用户位置信息。

本发明实施例通过在用户输入的视频信息中提取两张图像，并获取两张图像的视差图，并通过视差图进行定位进行。由此，可以减少用户实际的位置与拍摄的图像中的特征点所表征的位置之间的误差距离，更加精确地实现室内定位。

进一步地，为了使得用户可以实时查看所处位置，本发明实施例的方法还包括获取用户的实际位置信息，具体如图6所示，包括如下步骤：

步骤s610、通过惯性传感器获取运动轨迹。

在本实施例中，终端设备通过自带的惯性传感器获取运动轨迹。

具体地，惯性传感器是检测和测量加速度、倾斜、冲击、振动、旋转和多自由度(dof)运动，是解决导航、定向和运动载体控制的重要部件。本实施例通过惯性传感器实时获取运动轨迹。

步骤s620、根据所述用户位置信息和所述运动轨迹获取实际位置信息。

在本实施例中，通过上述步骤s110-s130可以获取用户的位置信息，同时，根据上述步骤s140可以获取用户的运动轨迹，进而根据所述用户位置信息和所述运动轨迹实时获取用户的实际位置信息。

可选地，以地图的方式显示运动轨迹以及用户的实际位置信息。

由此，可以通过终端设备实时提供给用户运动轨迹和实际位置信息。

进一步地，对于环境比较复杂的建筑场景，为了使得用户可以准确地到达目的地，本发明实施例的方法还包括：

步骤s630、获取目标位置信息。

在本实施例中，用户通过终端设备输入目标位置信息，所述目标位置信息用于表征期望到达的目的地。

可选地，用户可以通过终端设备的输入界面输入所述目标位置，或者，用户通过终端设备提供的地图选择相应的目标位置。

进一步地，所述地图可以是在线地图或离线地图。

步骤s640、根据所述目标位置信息和所述实际位置信息获取导航信息。

在本实施例中，获取目标位置信息，根据用户的实际位置信息与用户的目标位置信息进行规划，获取其中一条或多条路线规划信息，并根据所述路线规划信息生成对应的导航信息。

可选地，所述导航信息为语音信息，根据所述路线规划信息对行走路线、当前位置等进行语音提示。以使得用户根据语音提示，可准确获取行走路线，从而快速到达目标位置。

本发明实施例通过根据用户输入的图像信息或视频信息确定用户的当前位置，并根据目标位置确定路线规划信息，以对行走路线进行提示提示，可以使得用户准确获取行走路线，从而快速到达目标位置。

进一步地，由于通过惯性传感器实时获取实际位置信息时会存在一定的误差，因此，在导航过程中需要对位置信息进行校正。

具体地，用户通过终端设备重新获取用户输入信息，并根据步骤s110-s130实现定位，以对当前实际位置信息进行校正，并根据校正后的实际位置信息重新获取导航信息进行导航，由此，可以对位置偏移进行校正，使得导航更加准确。

本发明实施例通过将用户输入的图像信息或视频信息与数据库中的参考图像进行匹配，并将与用户输入信息匹配的参考图像对应的位置信息确定为用户位置信息。由此，可以更加精确地实现室内定位。

图7是本发明第一实施例的室内定位装置的示意图。如图7所示，本发明实施例的室内定位装置包括输入单元71、匹配单元72和定位单元73。其中，输入单元71用于获取用户输入信息，所述用户输入信息为图像信息。匹配单元72用于在预定的数据库中确定与所述用户输入信息匹配的至少一个参考图像信息。定位单元73用于根据所述匹配的至少一个参考图像信息确定用户位置信息。

优选地，所述匹配单元72包括特征提取模块72a、特征匹配模块72b和信息确定模块72c。其中，特征提取模块72a用于在所述图像信息中提取第二特征信息。特征匹配模块72b用于在所述数据库中确定与所述第二特征信息匹配的第一特征信息。信息确定模块72c用于将匹配的第一特征信息对应的参考图像信息确定为所述匹配的参考图像信息。

优选地，所述定位单元73用于将所述匹配的至少一个参考图像信息对应的位置信息确定为所述用户位置信息。

优选地，所述特征匹配模块72b用于根据暴风算法、k-临近匹配算法或快速最近邻搜索包算法在所述数据库中确定至少一个与所述第二特征信息匹配的第一特征信息。

优选地，所述装置还包括：

运动轨迹获取单元，用于通过惯性传感器获取运动轨迹；以及

实际位置获取单元，用于根据所述用户位置信息和所述运动轨迹获取实际位置信息。

优选地，所述装置还包括：

目标位置获取单元，用于获取目标位置信息；以及

导航单元，用于根据所述目标位置信息和所述实际位置信息获取导航信息。

本发明实施例通过将用户输入的图像信息与数据库中的参考图像进行匹配，并将与用户输入信息匹配的参考图像对应的位置信息确定为用户位置信息。由此，可以精确地实现室内定位。

图8是本发明第二实施例的室内定位装置的示意图。如图8所示，本发明实施例的室内定位装置包括输入单元81、匹配单元82和定位单元83。其中，输入单元81用于获取用户输入信息，所述用户输入信息为视频信息。匹配单元82用于在预定的数据库中确定与所述用户输入信息匹配的至少一个参考图像信息。定位单元83用于根据所述匹配的至少一个参考图像信息确定用户位置信息。

优选地，所述匹配单元包括第一图像获取模块82a、特征提取模块82b、特征匹配模块82c和信息确定模块82d。其中，第一图像获取模块82a用于在所述视频信息中获取第一图像。特征提取模块82b用于在所述第一图像中提取第二特征信息。特征匹配模块82c用于在所述数据库中确定与所述第二特征信息匹配的第一特征信息。信息确定模块82d用于将匹配的第一特征信息对应的参考图像信息确定为所述匹配的参考图像信息。

优选地，所述定位单元包括中间位置确定模块83a、第二图像获取模块83b、深度图获取模块83c和用户位置确定模块83d。其中，中间位置确定模块83a用于将所述匹配的至少一个参考图像信息对应的位置信息确定为中间位置信息。第二图像获取模块83b用于在所述视频信息中获取第二图像。深度图获取模块83c用于获取所述第一图像和所述第二图像的深度图，所述深度图包括用户实际位置信息与中间位置信息的距离。用户位置确定模块83d用于根据所述深度图和所述中间位置信息确定用户位置信息。

优选地，所述特征匹配模块用于根据暴风算法、k-临近匹配算法或快速最近邻搜索包算法在所述数据库中确定至少一个与所述第二特征信息匹配的第一特征信息。

优选地，所述装置还包括：

运动轨迹获取单元，用于通过惯性传感器获取运动轨迹；以及

实际位置获取单元，用于根据所述用户位置信息和所述运动轨迹获取实际位置信息。

优选地，所述装置还包括：

目标位置获取单元，用于获取目标位置信息；以及

导航单元，用于根据所述目标位置信息和所述实际位置信息获取导航信息。

本发明实施例通过在用户输入的视频信息中提取两张图像，并获取两张图像的视差图，并通过视差图进行定位进行。由此，可以减少用户实际的位置与拍摄的图像中的特征点所表征的位置之间的误差距离，更加精确地实现室内定位。

图9是本发明实施例的电子设备的示意图。如图9所示，该电子设备：至少包括一个处理器91；以及，与至少一个处理器91通信连接的存储器92；以及，与扫描装置通信连接的通信组件93，通信组件93在处理器91的控制下接收和发送数据；其中，存储器92存储有可被至少一个处理器91执行的指令，指令被至少一个处理器91执行以实现：

获取用户输入信息，所述用户输入信息为图像信息或视频信息；

在预定的数据库中确定与所述用户输入信息匹配的至少一个参考图像信息，所述数据库存储有多个参考图像信息，每个所述参考图像信息包括第一特征信息和对应的位置信息；以及

根据所述匹配的至少一个参考图像信息确定用户位置信息。

优选地，响应于所述用户输入信息为图像信息，在预定的数据库中确定与所述用户输入信息匹配的至少一个参考图像信息包括：

在所述图像信息中提取第二特征信息；

在所述数据库中确定与所述第二特征信息匹配的第一特征信息；以及

将匹配的第一特征信息对应的参考图像信息确定为所述匹配的参考图像信息。

优选地，根据所述匹配的至少一个参考图像信息确定用户位置信息为将所述匹配的至少一个参考图像信息对应的位置信息确定为所述用户位置信息。

优选地，响应于所述用户输入信息为视频信息，在预定的数据库中确定与所述用户输入信息匹配的至少一个参考图像信息包括：

在所述视频信息中获取第一图像；

在所述第一图像中提取第二特征信息；

在所述数据库中确定与所述第二特征信息匹配的第一特征信息；以及

将匹配的第一特征信息对应的参考图像信息确定为所述匹配的参考图像信息。

优选地，根据所述匹配的至少一个参考图像信息确定用户位置信息包括：

将所述匹配的至少一个参考图像信息对应的位置信息确定为中间位置信息；

在所述视频信息中获取第二图像；

获取所述第一图像和所述第二图像的深度图，所述深度图包括用户实际位置信息与中间位置信息的距离；

根据所述深度图和所述中间位置信息确定用户位置信息。

优选地，根据暴风算法、k-临近匹配算法或快速最近邻搜索包算法在所述数据库中确定与所述第二特征信息匹配的第一特征信息。

优选地，所述方法还包括：

通过惯性传感器获取运动轨迹；以及

根据所述用户位置信息和所述运动轨迹获取实际位置信息。

优选地，所述方法还包括：

获取目标位置信息；以及

根据所述目标位置信息和所述实际位置信息获取导航信息。

具体地，该电子设备包括：一个或多个处理器91以及存储器92，图9中以一个处理器91为例。处理器91、存储器92可以通过总线或者其他方式连接，图9中以通过总线连接为例。存储器92作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器91通过运行存储在存储器92中的非易失性软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述室内定位方法。

存储器92可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储选项列表等。此外，存储器92可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施方式中，存储器92可选包括相对于处理器91远程设置的存储器，这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

一个或者多个模块存储在存储器92中，当被一个或者多个处理器91执行时，执行上述任意方法实施方式中的室内定位方法。

上述产品可执行本申请实施方式所提供的方法，具备执行方法相应的功能模块和有益效果，未在本实施方式中详尽描述的技术细节，可参见本申请实施方式所提供的方法。

本发明的另一个实施方式涉及一种非易失性存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行上述部分或全部的方法实施例。

即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

本发明实施例公开了a1、一种室内定位方法，所述方法包括：

获取用户输入信息，所述用户输入信息为图像信息或视频信息；

在预定的数据库中确定与所述用户输入信息匹配的至少一个参考图像信息，所述数据库存储有多个参考图像信息，每个所述参考图像信息包括第一特征信息和对应的位置信息；以及

根据所述匹配的至少一个参考图像信息确定用户位置信息。

a2、如a1所述的方法中，在预定的数据库中确定与所述用户输入信息匹配的至少一个参考图像信息包括：

在所述图像信息中提取第二特征信息；

在所述数据库中确定与所述第二特征信息匹配的第一特征信息；以及

将匹配的第一特征信息对应的参考图像信息确定为所述匹配的参考图像信息。

a3、如a2所述的方法中，根据所述匹配的至少一个参考图像信息确定用户位置信息为将所述匹配的至少一个参考图像信息对应的位置信息确定为所述用户位置信息。

a4、如a1所述的方法中，响应于所述用户输入信息为视频信息，在预定的数据库中确定与所述用户输入信息匹配的至少一个参考图像信息包括：

在所述视频信息中获取第一图像；

在所述第一图像中提取第二特征信息；

在所述数据库中确定与所述第二特征信息匹配的第一特征信息；以及

将匹配的第一特征信息对应的参考图像信息确定为所述匹配的参考图像信息。

a5、如a4所述的方法中，根据所述匹配的至少一个参考图像信息确定用户位置信息包括：

将所述匹配的至少一个参考图像信息对应的位置信息确定为中间位置信息；

在所述视频信息中获取第二图像；

获取所述第一图像和所述第二图像的深度图，所述深度图包括用户实际位置信息与中间位置信息的距离；

根据所述深度图和所述中间位置信息确定用户位置信息。

a6、如a2或a4所述的方法中，根据暴风算法、k-临近匹配算法或快速最近邻搜索包算法在所述数据库中确定与所述第二特征信息匹配的第一特征信息。

a7、如a1所述的方法中，所述方法还包括：

通过惯性传感器获取运动轨迹；以及

根据所述用户位置信息和所述运动轨迹获取实际位置信息。

a8、如a7所述的方法中，所述方法还包括：

获取目标位置信息；以及

根据所述目标位置信息和所述实际位置信息获取导航信息。

本发明实施例还公开了b1、一种室内定位装置，所述装置包括：

输入单元，用于获取用户输入信息，所述用户输入信息为图像信息或视频信息；

匹配单元，用于在预定的数据库中确定与所述用户输入信息匹配的至少一个参考图像信息，所述数据库存储有多个参考图像信息，每个所述参考图像信息包括第一特征信息和对应的位置信息；以及

定位单元，用于根据所述匹配的至少一个参考图像信息确定用户位置信息。

b2、如b1所述的装置中，所述匹配单元包括：

特征提取模块，用于在所述图像信息中提取第二特征信息；

特征匹配模块，用于在所述数据库中确定与所述第二特征信息匹配的第一特征信息；以及

信息确定模块，用于将匹配的第一特征信息对应的参考图像信息确定为所述匹配的参考图像信息。

b3、如b2所述的装置中，所述定位单元用于将所述匹配的至少一个参考图像信息对应的位置信息确定为所述用户位置信息。

b4、如b1所述的装置中，所述匹配单元包括：

第一图像获取模块，用于在所述视频信息中获取第一图像；

特征提取模块，用于在所述第一图像中提取第二特征信息；

特征匹配模块，用于在所述数据库中确定与所述第二特征信息匹配的第一特征信息；以及

信息确定模块，用于将匹配的第一特征信息对应的参考图像信息确定为所述匹配的参考图像信息。

b5、如b4所述的装置中，所述定位单元包括：

中间位置确定模块，用于将所述匹配的至少一个参考图像信息对应的位置信息确定为中间位置信息；

第二图像获取模块，用于在所述视频信息中获取第二图像；

深度图获取模块，用于获取所述第一图像和所述第二图像的深度图，所述深度图包括用户实际位置信息与中间位置信息的距离；

用户位置确定模块，用于根据所述深度图和所述中间位置信息确定用户位置信息。

b6、如b2或b4所述的装置中，所述特征匹配模块用于根据暴风算法、k-临近匹配算法或快速最近邻搜索包算法在所述数据库中确定至少一个与所述第二特征信息匹配的第一特征信息。

b7、如b1所述的装置中，所述装置还包括：

运动轨迹获取单元，用于通过惯性传感器获取运动轨迹；以及

实际位置获取单元，用于根据所述用户位置信息和所述运动轨迹获取实际位置信息。

b8、如b7所述的装置中，所述装置还包括：

目标位置获取单元，用于获取目标位置信息；以及

导航单元，用于根据所述目标位置信息和所述实际位置信息获取导航信息。

本发明实施例还公开了c1、一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如a1-a8中任一项所述的方法。

本发明实施例还公开了d1、一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如a1-a8中任一项所述的方法。

本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。