行人航位推算(Pedestrian Dead Reckoning,PDR)是一种通过观测航向与距离的变化,计算相对位置的定位方法。通常采用不需要外部设施辅助的加速度计、磁力计和陀螺仪等惯性器件实现。然而,由于惯性传感器固有的误差特性,PDR方法会随着时间推移、距离增加,误差不断累积,从而制约了PDR的实际应用范围。因此,如何有效地消除PDR的累积误差成为了一项研究热点。近年来,越来越多的辅助设施或手段,如WIFI、Bluetooth等都广泛被用于消除PDR的累积误差。然而,这些辅助手段在一定程度上增加了系统对外部设施的依赖。随着微机电系统(Micro-Electro-Mechanical System,MEMS)的快速发展,目前人们随身携带的智能手机、平板电脑等移动设备大都集成了微小型惯性器件与高分辨率的相机。近些年来,基于计算机视觉的导航定位技术得到了飞速的发展,最具代表性的是即时定位与建图(Simultaneous Localization and Mapping,SLAM)。从导航定位角度分析,相机和惯性传感器具有天然的互补性。比如,视觉受外界环境变化影响大,在视觉SLAM计算过程中,图像的帧率较低,误差累积相对较小,在空间特征稳定时,位姿估计精度高;惯性传感器采用频率高,短时积分精度高,受外界影响小,但长时间误差累积相对较大。本文充分考虑两种传感器的互补特性,提出一种基于视觉辅助的行人航位推算方法(Vision-aid PDR,VPDR)。在室内场景下通过智能手机的相机和惯性传感器融合来减小或消除PDR的累积误差。其中,和传统视觉定位方法检测并跟踪特征点不同的是,本文尝试检测场景中的结构线条并计算消失点来跟踪相机的姿态。这种做法的好处有两个:第一,室内场景中存在弱纹理或者无纹理环境(如走廊、墙壁等),传统的视觉定位方法无法检测特征点导致不能稳定、鲁棒地定位;第二,本文提出从结构线条恢复相机姿态的方法比传统基于特征点的方法计算复杂度要小。从消失点恢复相机的姿态过程与从陀螺仪恢复角度的原理大致类似,因此本文抽象地称为“视觉陀螺仪”。本文重点研究以下三方面内容:1.基于消失点的视觉陀螺仪算法设计由于光学成像原理,沿行人行进方向相互平行的两条直线在相机成像平面的投影结果是相交的线段,其中交点称为消失点(Vanishing Point)。根据消失点在成像平面上坐标的变化可以推算出相机的朝向变化,进而推算出行人的航向变化,这就是本文设计的视觉陀螺的理论基础。消失点检测的稳定性和精确度直接影响了视觉陀螺仪的性能。因此,本文设计了一个两阶段的消失点滤波算法:第一阶段采用统计学方法进行消失点滤波,第二阶段将采用惯性测量单元与消失点进行融合得到更加精确的消失点。2.基于视觉陀螺的VPDR融合算法研究视觉陀螺得到的图像坐标系中航向角的变化。而PDR得到的是传感器坐标系下行人的航向。本文提出了利用卡尔曼滤波的方法将图像坐标系和惯性坐标系下的航向角融合,从而获得到更加鲁棒、精确的航向角估计。3.基于线条描述子的位置识别和位姿估计本文提出了一种扩展的二进制线条描述子ELBDP。在VPDR过程中实时与数据库中带绝对姿态的候选图像进行匹配,这个过程是基于视觉结构线条的初始位置识别。在初始化后,我们提出了一种轻量级地、利用线条匹配来恢复图像相对位姿的方法。并将其用于VPDR中,进一步减小VPDR的累积误差。