基于实景图像的室内视觉定位通过识别一幅室内实景图像,根据该图像在建筑物中的具体位置来实现室内定位。其具有完全不依赖任何基础设施、可视化程度高等优点。但是,由于实际应用中拍摄的实景图像通常存在诸如曝光不平衡、抖动、遮挡等问题,且图像数据集的制作成本高昂,对该方案的实际推广应用带来严峻挑战。基于区域划分的视觉定位思想,提出低成本、高效率的数据集采集标定方法,通过深度神经网络识别图像进行位置推理,设计并实现了一个便捷的基于实景图像的室内视觉定位系统。数据集的制作分为原始视频预处理与视频序列标定两个部分:首先对原始视频进行预处理,针对手持相机拍摄的抖动问题,通过分析视频帧间梯度变化,提出基于滑动窗口的二次筛选算法过滤抖动帧;对预处理后的视频序列采用稀疏光流法跟踪特征点,并结合对极几何原理求解相机本质矩阵,然后通过奇异值分解恢复视频拍摄路径以标定图像空间坐标。为了适应移动计算资源的限制,采用轻量级卷积神经网络Moblie Net V3作为核心网络进行图像识别,并针对数据集分布的不一致性,提出基于区域划分的定位方法。即在模型的训练阶段使用区域标签量化属于同一区域的所有图像数据;在模型推理阶段以实景图像作为输入,经过神经网络分类到相应的子区域,完成定位问题到分类问题的转换。以华中科技大学南一楼四楼为实验场所,分别对直接坐标回归与子区域划分的定位方法进行比较实验,当子区域长度为2m时,平均定位精度可以达到1.37m,优于相同网络学习条件下直接定位方法的2.66m。将所提出的室内视觉定位方法集成到实验室开发的3D室内导航系统进行测试,结果表明,在大型室内建筑常见的狭长直线型公共走廊场景下,系统的使用便捷性与定位精度均有明显改善,用户体验大幅提升,具有推广应用价值。