随着移动互联网的普及、智能移动设备的升级、5G时代的到来,人们对LBS(Location Based Services)的需求越来越大。目前最有前途的两类室内定位技术是基于无线信号和基于计算机视觉的室内定位技术。这两类技术有着各自的优缺点:基于无线信号的室内定位技术具有计算复杂度低、可实现性强的优点,但存在多径、非视距干扰、特征空间区分度不够等缺点;基于计算机视觉的室内定位技术具有能获得大量稳定的环境信息的优点,但存在计算复杂度高、受光照影响严重等缺点。针对单一的室内定位技术的局限性,本论文提出基于深度学习的图像与无线信号的融合定位方法。本方法首先利用地标检测模型检测图像中的地标,并用这些地标表达图像信息,实现将二维图像信息映射到一维特征,同时对无线信息预处理并利用加权抽取模型抽取无线特征,然后利用融合定位网络实现地标特征和无线特征的融合,最后通过回归方法估计位置坐标。本论文主要完成了以下四个工作:1.针对如何将图像信息与无线信息在同一维度实现融合的问题,本论文提出了一种基于卷积神经网络的地标检测模型。利用地标检测模型检测图像中的地标,并用这些地标来表达图像信息,从而实现将二维的图像信息映射到一维的地标特征。并将该特征用于最后的融合网络模型的输入。2.针对地标选择问题,本论文提出了地标特征筛选方法。由于目标众多,如果将所有目标作为地标则需要大量的标注工作,使得该融合定位方法的可实施性降低。根据本文提出的特征筛选方法筛选独立性强的目标特征,在滤除冗余目标的同时使得目标分布更加均匀,在小样本训练情况下目标检测平均精度从原来的0.69提升到0.90。3.针对如何获得合理的训练数据问题,本论文提出加权抽取模型。由于不同手机接收到的WIFI信息存在差异,为了得到适合于不同手机的鲁棒的训练集,本论文提出加权抽取模型融合多种不同型号手机接收到的WIFI数据作为训练数据。实验证明在另一种型号手机上测试时,融合前后平均定位误差减小约0.3m。4.针对预处理得到的地标特征和WIFI特征的融合问题,本论文提出基于深度学习的融合网络模型。该模型先对两种特征分别连接,然后再级联,最后利用回归的方法计算定位结果。该融合模型相比目前较好的室内定位方法,在本论文的实验场景下平均定位误差减小了约1m。最后,通过实验分析比较,证明了本论文提出的方法具有可实现性和对不同型号手机在多场景下具有定位鲁棒的优势。