一种室内无人机定位方法、装置、设备和存储介质

技术领域

本发明涉及无人机巡检技术领域，尤其涉及一种室内无人机定位方法、装置、设备和存储介质。

背景技术

无人机在工业巡检中得到广泛应用，能够检查、监测环境和设施的状态，及时发现问题并进行处理。由于地下隧道、离信号基站很远的偏远厂房、地地下停车场室内位置GPS信号通常受到屏蔽或衰减，无法提供可靠的定位信息。

现有技术在机器人上同时搭载激光雷达和摄像头，分别采集的激光点云和深度相机点云，手动标定落在相机图像的上的激光雷达点云，将深度相机点云信息换算呈成光雷达线，将激光雷达和深度相机获取的定位信息融合，与室内的三维模型进行点云配准，估算机器人当前的位置信息。

然而，现有方法依赖人工标定激光雷达点云帧中落在棋盘格上的点云，增加标定过程的时间和复杂性，存在耗时久，效率低下的问题。

发明内容

本发明提供了一种室内无人机定位方法、装置、设备和存储介质，以解决了室内环境的结构复杂性导致无人机定位容易出现偏差的问题，实现无人机的室内精准定位，保障无人机在室内的飞行安全。

根据本发明的一方面，提供了一种室内无人机定位方法，包括：

获取无人机在飞行过程中采集的源点云数据和源全景图像，将源全景图像的语义信息与源点云数据进行融合，得到第一融合数据；

从预设数据库中提取多个位置点的目标点云数据和目标全景图像，将目标全景图像的语义信息与目标点云数据进行融合，得到位置点的第二融合数据；

将第一融合数据与多个位置点的第二融合数据进行匹配，确定无人机的位置信息。

根据本发明的另一方面，提供了一种室内无人机定位装置，包括：

第一融合数据获取模块，用于获取无人机在飞行过程中采集的源点云数据和源全景图像，将源全景图像的语义信息与源点云数据进行融合，得到第一融合数据；

第二融合数据获取模块，用于从预设数据库中提取多个位置点的目标点云数据和目标全景图像，将目标全景图像的语义信息与目标点云数据进行融合，得到位置点的第二融合数据；

位置信息确定模块，用于将第一融合数据与多个位置点的第二融合数据进行匹配，确定无人机的位置信息。

根据本发明的另一方面，提供了一种电子设备，电子设备包括：

至少一个处理器；以及

与至少一个处理器通信连接的存储器；其中，

存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本发明任一实施例的室内无人机定位方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本发明任一实施例的室内无人机定位方法。

本发明实施例的技术方案，通过获取无人机在飞行过程中采集的源点云数据和源全景图像，将源全景图像的语义信息与源点云数据进行融合，得到第一融合数据；从预设数据库中提取多个位置点的目标点云数据和目标全景图像，将目标全景图像的语义信息与目标点云数据进行融合，得到位置点的第二融合数据；将第一融合数据与多个位置点的第二融合数据进行匹配，确定无人机的位置信息，将室内复杂场景的语义分割数据与点云数据的特征融合，解决了室内环境的结构复杂性导致无人机定位容易出现偏差的问题，实现无人机的室内精准定位，保障无人机在室内的飞行安全。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其他特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的一种室内无人机定位方法的流程图；

图2是本发明实施例二提供的一种室内无人机定位方法的流程图；

图3是本发明实施例三提供的一种室内无人机定位装置的结构示意图；

图4是实现本发明实施例的室内无人机定位方法的电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例一

图1是本发明实施例一提供的一种室内无人机定位方法的流程图，本实施例可适用于室内无人机巡检的情况，该方法可以由室内无人机定位装置来执行，该室内无人机定位装置可以采用硬件和/或软件的形式实现，该室内无人机定位装置可配置于计算机或者服务器等的电子设备中。如图1所示，该方法包括：

S110、获取无人机在飞行过程中采集的源点云数据和源全景图像，将源全景图像的语义信息与源点云数据进行融合，得到第一融合数据。

在本实施例中，源点云数据

具体的，通过无人机上配置的激光雷达与机载摄像头，采集的当前位置点周围环境的点云数据和全景图像，分别作为源点云数据X

以变电站室内无人机巡检为例，无人机按照航线航行，通过激光雷达实时采集周边点云信息，作为源点云数据X

可选的，对源全景图像进行语义分割，确定源全景图像的语义信息；将源点云数据和源全景图像进行对齐处理，将源全景图像的语义信息与源点云数据进行融合处理，得到第一融合数据。

在本实施例中，语义分割是采用深度学习的方法对源全景图像进行的语义分割，实现对源全景图像中的每个像素点的分类。对齐处理是通过投影变换实现点云数据中的所有点与全景图像中相应的像素点在空间上对齐的处理，点云数据中的每个点均对应于全景图像中的一个像素点。

具体的，利用语义分割模型对源全景图像进行语义分割，得到每个像素点的分类信息，将源点云数据X

示例性的，利用编码器对源全景图像进行特征提取，获取像素级的图像特征序列，使用包括自注意力模块的解码器对像素特征序列进行处理并进行分割预测，将源点云数据投影到源全景图像中进行对齐，采用最近邻算法将源全景图像的语义信息赋予源点云数据，得到第一融合数据。

S120、从预设数据库中提取多个位置点的目标点云数据和目标全景图像，将目标全景图像的语义信息与目标点云数据进行融合，得到位置点的第二融合数据。

在本实施例中，预设数据库是由多个位置点的采集信息组成的数据库。采集信息包括位置点的周围环境的点云数据和全景图像。目标点云数据

具体的，估算无人机的位置，从预设数据库中提取多个位置点的目标点云数据和目标全景图像，针对同一位置点的目标点云数据和目标全景图像，将与目标点云数据X

以变电站室内无人机巡检为例，利用卡尔曼滤波估算无人机飞行位置，从预设数据库中提取与估算的无人机位置点相近的多个位置点的目标点云数据和目标全景图像，将目标全景图像中GIS站(Gas Insulated Substation)设备的像素级的分类信息赋予对应的目标点云数据中的点

可选的，预设数据库的构建方式可以是：控制无人机基于预设的飞行路径进行飞行，并获取无人机在预设位置点时采集目标点云数据和目标全景图像，基于预设位置点的目标点云数据和目标全景图像创建预设数据库。

在本实施例中，预设的飞行路径是根据室内环境点云分布建立的能够满足巡检需求的无人机巡检路径。通过对无人机的飞行位置和姿态进行手动或自动控制，例如通过控制手柄向无人机发送飞行控制指令，或者，将预设飞行路径发送至无人机，以使无人机基于预设飞行路径进行飞行，或者，还可以是通过控制器与无人机进行通信传输，控制器加载预设的飞行路径，通过解析预设的飞行路径向无人机发送控制指令。预设位置点是预设的飞行路径中的关键位置的位置点，一个预设的飞行路径中存在多个预设位置点。

具体的，可以手动或自动方法控制无人机按照预设的飞行路径飞行，当无人机到达某个预设位置点时，无人机悬停在当前预设位置点处，并使用激光雷达扫描周围环境，采集得到点云数据，使用机载摄像头拍摄周围环境，采集得到的全景图像，获取无人机在所有预设位置点采集得到的点云数据和全景图像，并将每个预设位置点的点云数据和全景图像作为当前预设位置点的目标点云数据和目标全景图像，无人机将采集的预设位置点的目标点云数据和目标全景图像进行回传。本实施例中的电子设备通过接收预设位置点的目标点云数据和目标全景图像，或者从无人机的存储器中导出预设位置点的目标点云数据和目标全景图像，利用所有预设位置点的目标点云数据和目标全景图像创建预设数据库。

以变电站室内无人机巡检为例，通过人工或计算机控制无人机按照预设的飞行路径执行巡检任务，在巡检航线中选择多个关键位置点，将关键位置点作为预设位置点，手动或自动方法控制无人机在各预设位置点悬停对周边点云进行精细化采集，并对周围电气设备进行全景图像拍摄，得到各预设位置点的点云数据和全景图像，分别作为各预设位置点的目标点云数据和目标全景图像。利用所有预设位置点的目标点云数据和目标全景图像创建预设数据库。

可选的，获取无人机在以预设位置点为中心的多个误差位置点采集的点云数据和全景图像；将多个误差位置点的点云数据的均值点云数据确定为预设位置点的目标点云数据；确定与预设位置点误差最小的误差位置点，将误差最小的误差位置点的全景图像确定为预设位置点的目标全景图像。

在本实施例中，误差位置点是针对无人机飞行过程中可能存在的位置误差而设置的采集点云数据和全景图像的位置点。

具体的，无人机以各预设位置点为中心，在高度、前后和左右的L厘米的范围内，每隔K厘米调节位置，得到每个预设位置点的多个误差位置点。针对每个预设位置点，获取无人机在以该预设位置点为中心的多个误差位置点采集的点云数据和全景图像，并对所有点云数据求平均，将均值点云数据作为该预设位置点的目标点云数据，并将与均值点云数据误差最小的点云数据对应的误差位置点采集的全景图像作为该预设位置点的目标全景图像。以变电站室内无人机巡检为例，在预设位置点控制无人机高度上下波动2厘米，前后波动2厘米，左右波动2厘米，每隔1厘米采集一次点云数据和全景图像，获取125个误差位置点的点云数据和全景图像。

本实施例的技术方案，通过根据以预设位置点为中心的多个误差位置点采集的点云数据和全景图像，得到预设位置点的目标点云数据和目标全景图像，避免了无人机飞行过程中位置误差导致的目标点云数据和目标全景图像不准确。

在上述实施例的基础上，在得到第一融合数据和第二融合数据之后，对第一融合数据和第二融合数据进行平滑处理。平滑是对第一融合数据和第二融合数据进行点云平滑操作，通过平滑处理对第一融合数据或第二融合数据中的点云数据进行类内坐标平滑，减少点云数据的偏移情况。

可选的，源全景图像的语义信息或目标全景图像的语义信息中包括突出物语义信息，用于在平滑过程中进行突出物提示，在本实施例中，突出物是从所在平面突出的物体，可作为无人机飞行过程的障碍物，包括但不限于阀门。通过对突出物语义信息的区别设置，可在平滑处理的过程中作为提示信息，避免突出物被误平滑的情况。

具体的，在源全景图像和目标全景图像分类过程中，对突出物进行单独分类，将突出物位置的点云数据赋予相应的语义信息，使得第一融合数据和第二融合数据中相应突出的点云具有与周围点云不同的语义信息。采用简单平均法、加权平均法或线滑动平均法等滑算法对第一融合数据和第二融合数据进行平滑处理，将第一融合数据和第二融合数据根据语义信息进行类内坐标平滑。

示例性的，对源全景图像和目标全景图像进行包括阀门的语义分割，将源点云数据和目标点云数据根据对齐的点云得到语义信息，与阀门像素点对齐的点云赋予类别为阀门的语义信息，得到第一融合数据和第二融合数据。采用简单平均法对第一融合数据和第二融合数据进行平滑处理，根据语义信息对相同类别的点云进行坐标平滑，由于阀门位置的像素点具有与周围位置像素点不同的类别，不会被误平滑。

本实施例的技术方案，能够提高第一融合数据和第二融合数据中点云位置的精度，降低激光雷达获取的点云数据中部分点的偏移导致的无人机在穿越缝隙时的安全风险。

S130、将第一融合数据与多个位置点的第二融合数据进行匹配，确定无人机的位置信息。

在本实施例中，匹配是将第一融合数据与第二融合数据进行特征的匹配，特征包括平面、边缘、角点，以及语义。

具体的，采用点云配准算法，将第一融合数据与多个位置点的第二融合数据进行点云配准，将匹配程度最大的第二融合数据对应的位置点作为无人机所在的位置点，将无人机所在的位置点作为无人机在室内的位置信息。

以变电站室内无人机巡检为例，可以采用ICP算法等传统配准方法或者PointNetLK等人工智能点云配准算法，将第一融合数据与多个位置点的第二融合数据进行匹配，得到第一融合数据与不同位置点的第二融合数据的匹配程度，将与第一融合数据匹配程度最大的第二融合数据对应的位置点作为无人机实时位置点，从而确定无人机在室内的位置信息。

本实施例的技术方案，通过获取无人机在飞行过程中采集的源点云数据和源全景图像，将源全景图像的语义信息与源点云数据进行融合，得到第一融合数据；从预设数据库中提取多个位置点的目标点云数据和目标全景图像，将目标全景图像的语义信息与目标点云数据进行融合，得到位置点的第二融合数据；将第一融合数据与多个位置点的第二融合数据进行匹配，确定无人机的位置信息，将室内复杂场景的语义分割数据与点云数据的特征融合，解决了室内环境的结构复杂性导致无人机定位容易出现偏差的问题，实现无人机的室内精准定位，保障无人机在室内的飞行安全。

实施例二

图2是本发明实施例二提供的一种室内无人机定位方法的流程图，本发明实施例的技术方案在上述任意实施例基础上进一步优化。如图2所示，该方法包括：

S210、获取无人机在飞行过程中采集的源点云数据和源全景图像，将源全景图像的语义信息与源点云数据进行融合，得到第一融合数据。

S220、从预设数据库中提取多个位置点的目标点云数据和目标全景图像，将目标全景图像的语义信息与目标点云数据进行融合，得到位置点的第二融合数据。

S230、获取第一融合数据的特征编码和多个位置点的第二融合数据进行特征编码。

具体的，采用特征提取器对第一融合数据和K个位置点的第二融合数据中的进行特征提取，对提取到的特征进行编码，得到第一融合数据的特征编码f

示例性的，可以采用PointNet算法，通过多层感知器(MLP)和最大池化操作来提取第一融合数据和第二融合数据的特征，并对点云数据中每个点的特征进行编码，学习到点云数据的全局和局部特征表示。通过输入包含语义信息的点云数据，PointNet提取到的特征会包含室内环境下的详细设备分类信息，得到第一融合数据的特征编码f

本实施例的技术方案，通过对第一融合数据和第二融合数据进行特征提取，不需要计算点云之间的一一对应关系，加速点云的匹配，并且提取到的特征中包括语义信息，能够大幅提高在复杂的室内场景中点云匹配和无人机定位的精度。

S240、基于第一融合数据的特征编码和每一位置点的第二融合数据的特征编码确定每一位置点对应的刚体变换矩阵。

在本实施例中，刚体变换矩阵T

具体的，使用迭代算法，通过最小化变换后的第一融合数据的特征编码到第二融合数据的特征编码

示例性的，基于LK算法得到第一融合数据的特征编码f

使用雅可比矩阵计算距离残差对于变换参数的导数：

更新刚体变换矩阵：

T

重复迭代，通过最小化残差来收敛刚体变换矩阵，当迭代过程达到收敛条件时，结束迭代过程。收敛条件可以为迭代次数等于最大迭代次数，即b＝B，也可以为连续多测迭代的残差d

将收敛的刚体变换矩阵作为第一融合数据的特征编码f

S250、基于多个位置点的刚体变换矩阵确定无人机的位置信息。

具体的，比较多个位置点的刚体变换矩阵，将其中一个刚体变换矩阵对应的位置点作为无人机的位置信息。

可选的，确定多个位置点的刚体变换矩阵中的最小刚体变换矩阵；基于最小刚体变换矩阵的位置点确定无人机的位置信息。

具体的，比较利用不同位置点的刚体变换矩阵变化后的第一融合数据的特征编码到相应位置点的第二融合数据的特征编码

示例性的，假设第一融合数据X

本实施例的技术方案，通过获取无人机在飞行过程中采集的源点云数据和源全景图像，将源全景图像的语义信息与源点云数据进行融合，得到第一融合数据；从预设数据库中提取多个位置点的目标点云数据和目标全景图像，将目标全景图像的语义信息与目标点云数据进行融合，得到位置点的第二融合数据；获取第一融合数据的特征编码和多个位置点的第二融合数据进行特征编码；基于第一融合数据的特征编码和每一位置点的第二融合数据的特征编码确定每一位置点对应的刚体变换矩阵；基于多个位置点的刚体变换矩阵确定无人机的位置信息，将室内复杂场景的语义分割数据与点云数据的特征融合，解决了室内环境的结构复杂性导致无人机定位容易出现偏差的问题，实现无人机的室内精准定位，保障无人机在室内的飞行安全。

实施例三

图3是本发明实施例三提供的一种室内无人机定位装置的结构示意图。如图3所示，该装置包括：

第一融合模块310，用于获取无人机在飞行过程中采集的源点云数据和源全景图像，将源全景图像的语义信息与源点云数据进行融合，得到第一融合数据；

第二融合模块320，用于从预设数据库中提取多个位置点的目标点云数据和目标全景图像，将目标全景图像的语义信息与目标点云数据进行融合，得到位置点的第二融合数据；

位置信息确定模块330，用于将第一融合数据与多个位置点的第二融合数据进行匹配，确定无人机的位置信息。

本实施例的技术方案，通过获取无人机在飞行过程中采集的源点云数据和源全景图像，将源全景图像的语义信息与源点云数据进行融合，得到第一融合数据；从预设数据库中提取多个位置点的目标点云数据和目标全景图像，将目标全景图像的语义信息与目标点云数据进行融合，得到位置点的第二融合数据；将第一融合数据与多个位置点的第二融合数据进行匹配，确定无人机的位置信息，将室内复杂场景的语义分割数据与点云数据的特征融合，解决了室内环境的结构复杂性导致无人机定位容易出现偏差的问题，实现无人机的室内精准定位，保障无人机在室内的飞行安全。

在上述实施例的基础上，可选的，第一融合模块310，具体用于：

对源全景图像进行语义分割，确定源全景图像的语义信息；

将源点云数据和源全景图像进行对齐处理，将源全景图像的语义信息与源点云数据进行融合处理，得到第一融合数据。

在上述实施例的基础上，可选的，源全景图像的语义信息或目标全景图像的语义信息中包括突出物语义信息，用于在平滑过程中进行突出物提示；

第一融合模块310和第二融合模块320，还包括：

对第一融合数据和第二融合数据进行平滑处理。

在上述实施例的基础上，可选的，位置信息确定模块330，包括：

特征编码单元，用于获取第一融合数据的特征编码和多个位置点的第二融合数据进行特征编码；

刚体变换矩阵确定单元，用于基于第一融合数据的特征编码和每一位置点的第二融合数据的特征编码确定每一位置点对应的刚体变换矩阵；

位置信息确定单元，用于基于多个位置点的刚体变换矩阵确定无人机的位置信息。

在上述实施例的基础上，可选的，位置信息确定单元，具体用于：

确定多个位置点的刚体变换矩阵中的最小刚体变换矩阵；

基于最小刚体变换矩阵的位置点确定无人机的位置信息。

在上述实施例的基础上，可选的，预设数据库的创建方式，包括：

控制无人机基于预设的飞行路径进行飞行，并获取无人机在预设位置点时采集目标点云数据和目标全景图像，基于预设位置点的目标点云数据和目标全景图像创建预设数据库。

在上述实施例的基础上，可选的，预设数据库的创建方式，还包括：

获取无人机在以预设位置点为中心的多个误差位置点采集的点云数据和全景图像；

将多个误差位置点的点云数据的均值点云数据确定为预设位置点的目标点云数据；

确定与预设位置点误差最小的误差位置点，将误差最小的误差位置点的全景图像确定为预设位置点的目标全景图像。

本发明实施例所提供的室内无人机定位装置可执行本发明任意实施例所提供的室内无人机定位方法，具备执行方法相应的功能模块和有益效果。

实施例四

图4是本发明实施例四提供的一种电子设备的结构示意图。电子设备10旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其他类似的计算装置。本文所示的部件、它们的连接和关系，以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)，以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如室内无人机定位方法。

在一些实施例中，室内无人机定位方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的室内无人机定位方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行室内无人机定位方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置和该至少一个输出装置。

用于实施本发明的室内无人机定位方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

实施例五

本发明实施例五还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行一种室内无人机定位方法，该方法包括：

获取无人机在飞行过程中采集的源点云数据和源全景图像，将源全景图像的语义信息与源点云数据进行融合，得到第一融合数据；从预设数据库中提取多个位置点的目标点云数据和目标全景图像，将目标全景图像的语义信息与目标点云数据进行融合，得到位置点的第二融合数据；将第一融合数据与多个位置点的第二融合数据进行匹配，确定无人机的位置信息。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的，或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备，或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其他种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈，或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者，触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)，或者包括中间件部件的计算系统(例如，应用服务器)，或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)，或者包括这种后台部件、中间件部件，或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。