A
Survey
of
Image-Based
Indoor
Localization using Deep Learning
深 度 学 习 的 发 展 迅 速 更 新 了 基 于 图 像 的 定 位 技 术 。本 文 对 当 前 最 先 进 的 在
室 内 环 境 中 使 用 深 度 学 习 进 行 图 像 定 位 的 方 法 进 行 了 回 顾 和 比 较 。分 析 了
传 统 的 运 动 全 局 结 构 流 水 线 和 最 近 技 术 中 的 基 于 学 习 的 流 水 线 。基 于 流 水
线 ，将 这 些 方 法 分 为 三 组 ：学 习 特 征 和 匹 配 、学 习 相 对 姿 态 估 计 和 学 习 绝
对 姿 态 估 计 。由 于 多 传 感 器 在 许 多 应 用 中 都 有 应 用 ，本 文 还 简 要 介 绍 了 包
括 图 像 信 息 在 内 的 传 感 器 融 合 技 术 。此 外 ，本 文 讨 论 了 这 些 方 法 中 的 挑 战 ，
并得出结论，学习特征和匹配是室内定位中更具竞争力的方法。