公开(公告)号：CN114677487B

公开(公告)日：2024-10-29

申请号：CN202210389768.7

申请日：2022-04-14

Applicant: 湖北工业大学

Inventor： 王相龙 ,  钟勋 ,  严忠贞 ,  朱信远 ,  田宇 ,  崔宇晨

IPC: G06T17/05 ,  G06T17/10 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于区域聚合特征的室内多尺度定位方法。本方法利用深度学习提取区域聚合特征，仅通过构建包含区域聚合特征和深度学习特征的节点式地图，采用多尺度定位方法即可实现室内定位。其特征在于：1.利用深度学习特征构建区域聚合特征；2.构建包含区域聚合特征和深度学习特征的节点式地图；3.利用所构建的节点式地图，采用室内多尺度定位方法，实现场景识别。本发明公开的方法仅通过前视图像，不需要在室内布设其他的定位信号，即可实现精确的定位。相比于目前已有的方法，本方法便于部署，且成本低廉。

公开(公告)号：CN114677487A

公开(公告)日：2022-06-28

申请号：CN202210389768.7

申请日：2022-04-14

Applicant: 湖北工业大学

Inventor： 王相龙 ,  钟勋 ,  严忠贞 ,  朱信远 ,  田宇 ,  崔宇晨

IPC: G06T17/05 ,  G06T17/10 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于区域聚合特征的室内多尺度定位方法。本方法利用深度学习提取区域聚合特征，仅通过构建包含区域聚合特征和深度学习特征的节点式地图，采用多尺度定位方法即可实现室内定位。其特征在于：1.利用深度学习特征构建区域聚合特征；2.构建包含区域聚合特征和深度学习特征的节点式地图；3.利用所构建的节点式地图，采用室内多尺度定位方法，实现场景识别。本发明公开的方法仅通过前视图像，不需要在室内布设其他的定位信号，即可实现精确的定位。相比于目前已有的方法，本方法便于部署，且成本低廉。