随着第五代移动网络（5G,5th Generation Mobile Communication Technology）时代的到来和智能终端的快速更新,为了满足海量连接和多样化实时业务的需求,越来越多的设备参与到无线传感器网络的构建当中。发光二极管（LED,Light Emitting Diode）作为一种新型照明设备逐渐取代了传统白炽灯和荧光灯。与此同时,以LED为基础设施的可见光通信（VLC,Visible Light Communication）作为一种有效的短程通信方式,可以在第六代移动网络（6G,6th Generation Mobile Communication Technology）中使用。在室内环境中,可见光通信与可见光定位（VLP,Visible Light Positioning）之间的合作引起了广泛关注。可见光信号由于其细粒度特性,在室内环境中可以获得较高的定位精度,但基于测距的可见光室内定位方法在训练模型时需要较高的校准成本。在本文的工作中,我们提出Crowd Light可见光室内定位系统,系统基于外部调控和快速傅里叶变换设计可见光指纹,在可见光指纹的基础上通过众包方式快速构建粗粒度室内无线指纹地图和细粒度室内无线指纹地图,并使用K近邻（KNN,K-Nearest Neighbor）算法进行定位结果评估。主要贡献归纳如下:（1）构造粗粒度室内无线指纹地图。通过对众包轨迹数据的预处理和初步聚类,提出一种计算信号相似性的com Similar算法。该算法通过对可见光指纹相似性的计算,检测轨迹中的候选匹配段。在com Similar算法的基础上,通过加窗、轨迹形态一致性检测和可见光强度分布一致性检测滤除错误的匹配;然后,使用多叉树结构确定拟合基准和拟合顺序;最终,使用迭代最近点（ICP,Iterative Closest Point）算法拟合轨迹,构造粗粒度室内无线指纹地图。（2）构造细粒度室内无线指纹地图。由于ICP算法将轨迹视为刚体,为了补偿行人航迹推算（PDR,Pedestrian Dead Reckoning）算法的累积误差,在粗粒度室内无线指纹地图的基础上,识别长轨迹的转弯并切割,融合物理坐标较近的短轨迹;然后,通过Canny边缘检测算法检测地图边缘,计算连通域大小并去除地图中较小的连通域,达到滤除离群值的目的,构造细粒度室内无线指纹地图。（3）为了验证提出的Crowd Light可见光室内定位系统,我们搭建硬件基础设施和软件平台,通过真实场景和实测数据对系统效果进行评价。评估结果表明,轨迹融合的平均精度为0.65m,使用KNN算法指纹定位的定位精度为0.83m。