室内定位是指通过较高精度的室内定位系统对室内环境中的人员、物体等进行实时的位置监控。目前,室内定位系统已经广泛应用于室内无人机、室内库房环境中商品分拣小车、人员物品管理等多个场景。近年来,随着计算机视觉的发展,基于视觉的室内定位系统的研究已经在国内外的工业界和学术界引起了广泛的关注。本文提出了一种基于新型全景相机的室内库房定位系统。全景相机通过锥型镜面将外部入射光线反射到位于相机底部中心位置的图像传感器上,从而成像为一个360~?的全景图。本文的主要工作内容有以下四点:第一、设计定制标签作为场景特征控制点并搭建用于室内定位的库房场景,利用全景相机采集不同位置和角度的库房场景图像从而构建用于目标检测的数据库;搭建单一标签的采集装置并构建用于定制标签检索的数据库。第二、针对全景图像畸变严重、目标尺度变化大等缺陷,对常见的基于深度学习的目标检测算法进行设计,从而实现室内库房场景中定制标签的检测。第三、基于经典的卷积神经网络构建特征提取器,对单幅定制标签提取特征并建立参考特征检索库,通过与参考特征检索库对比对室内库房场景中的定制标签进行识别。第四、通过定制标签对应的位置信息和角度关系来精准定位。实际上,定制目标检索阶段是目标检测阶段的继承,精确定位阶段也受到目标检测和检索的影响。最终,本文提出的室内定位系统可实现较高的精度和速度,鲁棒性较强,可满足室内库房定位的需求。为了验证所提出系统的性能,本文在系统的不同阶段设计了多组对比试验,分别证明了目标检测阶段采用Faster R-CNN嵌入FPN和Deformable Convolutions网络结构的性能优势,目标检索阶段采用Res Ne Xt101作为骨架网络的性能优势。