面向复杂城市环境下智能手机定位的基于语义的视觉定位系统

对于增强现实、智能交通等各种物联网应用，越来越需要准确的基于智能手机的户外深峡谷定位系统。谷歌近期开发的基于特征的视觉定位系统（VPS）从智能手机图像中检测边缘以与其地图数据库中预先测绘的边缘匹配。随着智慧城市的发展，建筑信息模型（BIM）变得广泛可用，这为一种新的基于语义的 VPS 提供了机会。本文提出了一种新颖的 3D 城市模型与基于语义的 VPS，用于在全球导航卫星系统（GNSS）易于失效的城市峡谷中实现准确且鲁棒的位姿估计。在离线阶段，使用材料分割的城市模型生成分割图像。在在线阶段，用智能手机相机拍摄一张提供周围环境文本信息的图像。该方法利用计算机视觉算法对智能手机图像中识别出的不同材料类型之间进行校正与手工分割。随后提出一种基于语义的 VPS 方法，将生成的分割图像与智能手机分割图像进行匹配。每张生成图像持有一个包含纬度、经度、海拔、偏航、俯仰与横滚的位姿。具有最大似然的候选被视为用户的精确位姿。定位结果在常见临街高层中达到 2.0 m 级精度，在植被茂密环境中为 5.5 m，在巷道中为 15.7 m。较当前最先进方法有 45% 的定位改进。偏航估计达到 2.3{\deg} 级精度，较智能手机 IMU 改进 8 倍。