随着智能设备的发展和人们生活水平的提高,人们对室内定位服务的需求越来越强烈。基于图像信息的视觉定位方案近年来得到迅速发展。为了充分发挥双目摄像头灰度图像和深度图像在室内定位上的独立性和互补性,本文开展基于双流卷积神经网络的双目摄像头室内定位技术研究。论文主要工作包括:(1)研究基于图像的室内定位和卷积神经网络的相关理论。首先介绍了基于图像的室内定位技术和常见方法。然后描述了卷积神经网络的相关知识,并详细研究了双流卷积神经网络。最后在Tensor Flow上搭建双流卷积神经网络。(2)提出基于单个双目摄像头的双流卷积神经网络定位算法。离线阶段,将灰度图像和深度图像分别进行复制和图像渲染处理后,形成三通道的灰度和深度图像,经过图像裁剪预处理后,利用双流卷积神经网络进行基于位置的回归学习。为确保融合效果,算法根据单一模态图像的估计误差,计算最优的融合权重。最后得到基于位置的回归模型。在线阶段,将得到的灰度和深度图像分别进行复制和渲染处理,然后经过裁剪后,通过位置回归模型计算出最终的位置。实验结果验证了所提算法的有效性。(3)提出基于多个双目摄像头的双流卷积神经网络定位算法。离线阶段,将多个摄像头的灰度图像和深度图像分别划分成任意3个子集,然后利用图像拼接对每个灰度图像子集和深度图像子集进行处理,合成三通道灰度图像和三通道深度图像。经过图像缩放操作后,送入双流卷积神经网络进行回归学习,得到基于位置的回归函数。在线阶段,对得到的灰度和深度图像进行子集划分,然后进行拼接和缩放处理后,利用位置回归函数,得到位置估计。算法充分利用了多个摄像头的灰度和深度图像信息,能够改善定位性能。实验结果表明,所提算法能够获得比现有算法更好的定位性能。