隨著物聯(lián)網(wǎng)、AI、大數(shù)據(jù)、計算機技術(shù)的快速發(fā)展，計算機視覺技術(shù)在公安、應(yīng)急、住建等多個行業(yè)得到了廣泛和深入的應(yīng)用。在萬物互聯(lián)時代，人們生活中的種種需要均與位置息息相關(guān)，定位需求無處不在，如出行導(dǎo)航為乘客和司機提供了精確的位置信息，O2O平臺在提供海量產(chǎn)品和服務(wù)信息的同時還精準定位了用戶及配送員的所在位置。目標(biāo)定位作為計算機視覺領(lǐng)域中極具挑戰(zhàn)性的研究課題，探討如何在復(fù)雜場景下準確、實時獲取位置信息對諸多領(lǐng)域的發(fā)展都有著十分重要的意義和價值。

當(dāng)人類社會發(fā)展還處于農(nóng)業(yè)時代時，由于定位技術(shù)的發(fā)展缺位從而使得迷路成為人們的普遍痛點。然而到了智能科技快速發(fā)展的現(xiàn)代社會，迷路問題依舊沒有得到很好解決，迷路的語境僅僅是從野外遷移到了城市。

一方面，現(xiàn)有關(guān)于解決定位問題的主流解決方案如GPS、GLONASS、北斗等已基本具備滿足室外開闊場景下的定位需要的要求，如車載導(dǎo)航、手機導(dǎo)航等，但是卻無法有效解決有遮擋的場景下的定位問題，如城市峽谷、地下停車場、大型高鐵站、地鐵站等室內(nèi)場景，在這些場景下無線電波的傳播會因為障礙物的遮擋發(fā)生散射、折算或反射作用，從而大大影響定位的精度和準確性。同時，GNSS在內(nèi)的無線電定位技術(shù)屬于3DoF，沒有定向信息，靠電子羅盤定向容易被干擾，使得此類定位無法滿足指向性傳感器的需求。

另一方面，藍牙、UWB等無線電定位系統(tǒng)面臨成本高、難維護且作用距離短等缺陷，同時在精度上也難以滿足特定復(fù)雜場景下的需要，如Wi-Fi定位精度一般為2-5米，藍牙定位精度一般為4米左右，蜂窩定位技術(shù)的精度一般為10米以上。

一、視覺定位技術(shù)的發(fā)展背景

近年來基于視覺傳感器的視覺定位技術(shù)受到了廣泛的關(guān)注，該技術(shù)基于相機交互的方法，利用視覺傳感器獲取環(huán)境圖片并提取特征值來獲取當(dāng)前相機的實時位置和姿態(tài)的變化情況，進而實現(xiàn)定位的需求。視覺定位技術(shù)的起源和發(fā)展同人工智能技術(shù)類似，都是從模仿人類的角度出發(fā)。稍加思考我們就會有這樣的疑問，為什么人類無需借助任何輔助設(shè)備，只靠視覺就能在熟悉的場景中知道自己在哪，知道該如何走，并且能夠順利到達目的地?人是如何做到純靠視覺進行定位和導(dǎo)航？

我們可以發(fā)現(xiàn)人的這一定位行為具體由以下兩個過程組成：首先，人去過一個區(qū)域后，大腦中會構(gòu)建出這個區(qū)域的地圖，即建圖；其次，人再一次來到這個區(qū)域會識別出之前去過的區(qū)域，并通過各種地物特征分析出自己在地圖上位置，即重定位。而這兩個過程都可以被計算機模擬，視覺定位技術(shù)因此應(yīng)運而生，并且由于其具有成本更低、適用范圍廣等特點，在實際應(yīng)用過程中更加直觀且更容易被用戶感知而受到了各個行業(yè)的重視。

二、視覺定位技術(shù)的基本原理

視覺定位技術(shù)的關(guān)鍵步驟主要包含基于視覺的三維重建（建圖）和基于視覺的定位（重定位）兩個部分。接下來對其相關(guān)技術(shù)的基本原理進行簡要介紹：

1、基于視覺的三維重建技術(shù)

針對于室外場景的模型重建，主流的三維重建技術(shù)通常采用攝影測量技術(shù)。以攝影測量技術(shù)中的傾斜攝影技術(shù)為例，一般來說使用無人機設(shè)備通過傾斜攝影技術(shù)開展航空攝影測量工作的整體作業(yè)流程包括資料收集、技術(shù)方案設(shè)計、航攝準備、傾斜航空攝影、像控點采集、航測成果檢查、空三加密、影像密集匹配、紋理映射、生成三維模型、質(zhì)量檢查、提交成果，要求嚴格控制質(zhì)量關(guān)鍵節(jié)點，各環(huán)節(jié)質(zhì)檢合格后方可移交下一環(huán)節(jié)。其傾斜攝影模型數(shù)據(jù)生產(chǎn)流程圖及成果展示如圖1、圖2所示。

針對室內(nèi)地圖的構(gòu)建問題，一般需要借助SFM（Structure from Motion，運動恢復(fù)結(jié)構(gòu)），與室外傾斜攝影技術(shù)的內(nèi)業(yè)數(shù)據(jù)處理流程大體類似，SFM的技術(shù)框架也主要包含以下四個步驟：數(shù)據(jù)采集、特征點提取、數(shù)據(jù)關(guān)聯(lián)、結(jié)構(gòu)恢復(fù)等。而在處理算法層面來看，數(shù)據(jù)處理主要分別包含以下五個流程：提取圖像特征、連續(xù)楨特征匹配、軌跡匹配、相機姿態(tài)求解、恢復(fù)三維環(huán)境點云地圖等。依照上述原理，通過視頻采集及服務(wù)端建圖的方式來完成對目標(biāo)空間高精地圖的構(gòu)建工作。

2、視覺定位技術(shù)

視覺定位技術(shù)的基本原理是對相機拍攝到的環(huán)境圖片進行特征提取，并將提取到的特征點與通過三維重建技術(shù)構(gòu)建的模型進行檢索和匹配，根據(jù)提取到的一致性信息不斷求解當(dāng)前畫面在模型中所處的位置與姿態(tài)，如圖3所示。而按照系統(tǒng)中相機的個數(shù)，視覺定位技術(shù)又可分為多目視覺定位、雙目視覺定位和單目視覺定位。

三、視覺定位技術(shù)的發(fā)展趨勢

1、實際落地應(yīng)用將與AR、AI等技術(shù)相融合

如果說視覺定位技術(shù)借助三維地圖重建、計算機視覺分別解決了“場景所在區(qū)域的全局地圖建設(shè)”“用戶處于當(dāng)前場景中地圖里面的哪個位置”這兩個問題，視覺定位技術(shù)與AR（Augmented Reality，增強現(xiàn)實）技術(shù)的融合將進一步解決了“如何引導(dǎo)用戶以更為友好、更為直觀的方式順利到達目的地”的問題。AR技術(shù)可以簡單理解為通過融合虛擬信息世界和真實物理世界，在真實世界中疊加一些必要的虛擬信息，實時計算當(dāng)前攝像機影像所處的位置和角度變化來引導(dǎo)呈現(xiàn)虛擬信息，進而幫助人們更好的理解真實世界。AR技術(shù)與視覺定位技術(shù)的融合可謂是相輔相成，AR技術(shù)的運用將會為視覺定位技術(shù)的應(yīng)用提供“所見即所得”的交互體驗，充分利用其可視化方面的能力從而大大提升產(chǎn)品和服務(wù)的用戶體驗。

位置、狀態(tài)、事件、資源這四大要素是不同行業(yè)場景下的通用關(guān)注要素，圍繞著這四大要素進行業(yè)務(wù)構(gòu)建方可完成業(yè)務(wù)流程的閉環(huán)。如果說視覺定位技術(shù)解決的是位置問題，那么AI技術(shù)解決的是狀態(tài)問題，當(dāng)感知到人的不安全行為與物的不安全狀態(tài)時進行事前預(yù)警，事件和資源則是事后處置流程中的必須要素。因此，可以預(yù)見的是視覺定位技術(shù)的落地將與AI、AR等技術(shù)緊密結(jié)合，利用AI帶來的智能化來提升AR的想象空間，提升業(yè)務(wù)應(yīng)用效率和用戶體驗。

2、應(yīng)用領(lǐng)域?qū)⒅鸩较鲁恋絋o C市場

從技術(shù)發(fā)展的普遍規(guī)律來看，任何一項智能技術(shù)的發(fā)展和應(yīng)用，其演進歷程幾乎都依次經(jīng)歷了從軍工（航天）、到政府（To G）、到企業(yè)（To B）、到B2B2C、再到消費者（To C）這幾個階段，在此暫不論述規(guī)律背后的原因。從目前的發(fā)展現(xiàn)狀來看，視覺定位技術(shù)也符合技術(shù)演化的大趨勢。

針對To G方面，現(xiàn)階段視覺定位技術(shù)將大大提升政府部門的工作效率。以公安行業(yè)的相關(guān)業(yè)務(wù)為例，視覺定位技術(shù)的使用將對視頻監(jiān)控的應(yīng)用效率產(chǎn)生顯著影響。當(dāng)前行業(yè)內(nèi)對視頻監(jiān)控的使用，普遍的應(yīng)用場景是在發(fā)生事件后，利用視頻監(jiān)控去查看事發(fā)地點周邊的視頻畫面，這就意味著一線公安民警需要在大量的視頻監(jiān)控中進行篩選出周邊的視頻監(jiān)控，由于視頻設(shè)備的位置信息不準確，確定周邊視頻這一過程將會浪費大量的時間成本。而隨著視覺定位技術(shù)和AR三維實景融合技術(shù)的融合應(yīng)用，針對全市乃至全省范圍內(nèi)的視頻設(shè)備在三維地圖上的覆蓋范圍一目了然，通過對其進行可視域分析從而掌握該區(qū)域范圍內(nèi)的水平覆蓋率，對前端攝像機設(shè)備進行查漏補缺和去盲補重。

針對To B方面，視覺定位技術(shù)將深入和賦能到實際業(yè)務(wù)流程中去，為企業(yè)的生產(chǎn)和運營降本增效。視覺定位技術(shù)可完美應(yīng)用于企業(yè)風(fēng)險巡檢，一線巡檢人員只需手持智能終端，即可在終端實時畫面中查看當(dāng)前區(qū)域的設(shè)施設(shè)備的實時風(fēng)險狀態(tài)，大大提高企業(yè)的安全巡檢效率，降低人力成本的同時也實現(xiàn)了對企業(yè)風(fēng)險底數(shù)清、狀態(tài)明的目標(biāo)。而隨著技術(shù)的不斷發(fā)展與成熟，視覺定位技術(shù)將逐漸應(yīng)用到To C市場，如AR導(dǎo)航，實現(xiàn)實時定位并通過AR虛擬路線引導(dǎo)用戶到達目的地；AR營銷活動，在導(dǎo)航過程中根據(jù)用戶的位置和用戶畫像，智能推薦用戶附近的營銷活動信息；AR智能推薦，識別用戶所掃描的場景，智能推薦場景內(nèi)容，如對機場內(nèi)的商戶、服務(wù)設(shè)施、廣告牌等進行識別后，展示相應(yīng)的商戶信息、服務(wù)指南和營銷內(nèi)容；除上述舉例的應(yīng)用場景外，AR游戲等娛樂場景也將為企業(yè)創(chuàng)造巨大的營收價值。

四、基于視覺定位技術(shù)的便民服務(wù)應(yīng)用

廣州南站核心區(qū)0.5平方公里、中央商務(wù)區(qū)4.5平方公里，室內(nèi)面積廣、客流量多、人流密集，2021年春運期間，僅統(tǒng)計1月28日至2月23日，廣州南站共服務(wù)到發(fā)旅客841.8萬人次（日均31.2萬人次）。在車站內(nèi)部，站內(nèi)公共設(shè)施服務(wù)眾多，旅客的內(nèi)部路線距離較遠且復(fù)雜，由于在室內(nèi)場景常常面臨GPS信號不準確不穩(wěn)定、實體指引標(biāo)志覆蓋不全面、旅客判斷方向難等情況，首次到站或?qū)囌静皇煜さ穆每统３龅缴宪圏c、洗手間、服務(wù)臺咨詢臺、出租車乘車點、檢票口等類似目的地導(dǎo)航的問題。

利用創(chuàng)新技術(shù)改善提升廣大群眾的生活，以人民需要為中心、為群眾干實事，既是科技創(chuàng)新的源動力，也是廣州番禺警方的科技賦能警務(wù)的實踐方向。基于AR+視覺定位技術(shù)的廣州南站AR導(dǎo)航平臺，為廣大旅客提供了室內(nèi)AR導(dǎo)航服務(wù)，大大提升旅客的進出站效率和公共設(shè)施的便利使用體驗。平臺會根據(jù)旅客手持手機的相機姿態(tài)和匹配場景環(huán)境的特征情況，實現(xiàn)厘米級精度實時定位，準確辨明旅客所在的位置和視角。旅客只需點擊或輸入搜索需要到達的目的地和服務(wù)點，平臺將在實時畫面中通過AR虛擬路線來引導(dǎo)旅客到達對應(yīng)的目的地，給用戶提供所見即所得的交互體驗，全面提升旅客的乘車體驗。

五、結(jié)語

隨著視覺定位技術(shù)的不斷發(fā)展與逐漸成熟，攝像頭、視覺定位模組、AR眼鏡等前端硬件將會在視覺定位技術(shù)的賦能下不斷增強和釋放其自身價值，與視覺定位相對應(yīng)的設(shè)備接入條件要求也將會逐漸標(biāo)準化、規(guī)范化。同時，在高精度地圖構(gòu)建層面，眾包模式將有望成為主流，在POI創(chuàng)建方面，AR資源創(chuàng)作和共享交易平臺將會逐漸興起。而隨著海量室內(nèi)外影像數(shù)據(jù)不斷地被采集并在統(tǒng)一坐標(biāo)系進行發(fā)布，視覺定位技術(shù)的融合應(yīng)用將致力于建設(shè)和不斷完善一個全球?qū)Ш蕉ㄎ恍亲罱K打造一個全球級視覺定位服務(wù)平臺以賦能千行百業(yè)，徹底滿足人們不同場景下的定位需求。

文/葉盛清（中國安防協(xié)會）