摘要
本发明公开了一种基于深度学习网络和特征点识别的室内定位方法，涉及室内定位领域，主要方案为：获取目标设备在机器视觉坐标系、雷达坐标系和惯性单元坐标系中的坐标数据；并转化为转换坐标，转换坐标将融合转化为实际坐标，进一步计算目标设备的位置偏移度；将预设的轨迹路径上划分多个轨迹段，并计算所有轨迹段的平均轨迹相似度；实时获取环境中环境感知数据，并计算环境适配度；实时获取目标设备在运行过程中的定位连续性指标，并根据定位连续性指标计算稳定连续度；通过对多个指标分别进行评估，并根据评估结果判断是否执行相应的预警指令；解决现有技术中多源数据融合能力不足，动态适应性差，导致定位结果出现跳跃或偏差的问题。
