CN103134489B - 基于移动终端进行目标定位的方法 - Google Patents

Abstract

本发明提供一种基于移动终端进行目标定位的方法，包括以下步骤：S1，基于摄影测距原理计算得到目标物体与移动终端之间的距离；S2，获取所述移动终端的位置信息以及所述目标物体相对于所述移动终端的方位信息；S3，结合S1得到的所述目标物体与移动终端之间的距离、S2得到的所述移动终端的位置信息以及所述目标物体相对于所述移动终端的方位信息定位所述目标物体的位置信息。能够快速、实时、准确、简单的对目标物体进行定位。

Description

基于移动终端进行目标定位的方法

技术领域

本发明属于目标定位技术领域，具体涉及一种基于移动终端进行目标定位的方法。

背景技术

近年来，智能手机的普及催生了一系列与位置相关的应用服务，例如路径导航，位置标注，餐厅、酒店以及娱乐场所推荐等。在上述各种应用中，通常采用基于自身位置的查询方式来进行服务；即，用户首先利用智能手机上自带的定位***来对自身位置进行定位，获得自身所在位置的位置信息，然后将该位置信息附加上查询问题发送给服务提供方，其中，具体查询问题可以为“周围的餐馆有哪些？”，“怎样从这里抵达机场？”。当服务提供方接收到用户提供的查询信息后，会根据用户的不同需求返回给用户不同的查询结果。

然而，该种基于自身位置的查询也暴露了一些负面影响。譬如用户的位置隐私无法得到有效的保护，更甚者，有不法分子通过分析用户的位置信息来对用户的日常习惯进行判断，当用户不在家时对用户家里进行偷窃。另外，当采用该种基于自身位置的查询方式时，用户首先需要靠近目标物体，然后再通过智能手机自带的定位***来进行查询，这无疑额外增加了用户的负担，降低了用户体验。

现有技术中又出现了基于目标物体所在位置的查询方式，该种方式更加适用于与位置相关的服务。例如“那间酒店标准间的价格是多少？”，“眼前这家购物中心几点关门？”。因此，在与位置相关的服务中，如何快速准确的定位目标物体非常重要。

现有技术中，通常采用计算机视觉技术实现对目标物体定位。具体的，首先从不同角度对目标物体进行拍照，然后通过计算机视觉技术重新生成该物体的三维模型，并通过景深预观察角度信息计算得到该物体与自身的距离，最终计算得到该物体的位置。

然而，该种基于计算机视觉技术对目标物体定位存在诸多缺点，首先，该技术需要用户从不同位置对目标物体进行拍照，增大了用户的使用负担，为用户带来了不便；其次，通过大量物体照片对该物体轮廓进行三维重建会带来很大的计算量以及很长的时间延迟，而这种高额的计算成本与延迟阻止了该方法在实际应用***中的普及。

发明内容

针对现有技术存在的缺陷，本发明提供一种基于移动终端进行目标定位的方法，能够快速、实时、准确、简单的对目标物体进行定位。

本发明采用的技术方案如下：

本发明提供一种基于移动终端进行目标定位的方法，包括以下步骤：

S1，基于摄影测距原理计算得到目标物体与移动终端之间的距离；

S2，获取所述移动终端的位置信息以及所述目标物体相对于所述移动终端的方位信息；

S3，结合S1得到的所述目标物体与移动终端之间的距离、S2得到的所述移动终端的位置信息以及所述目标物体相对于所述移动终端的方位信息定位所述目标物体的位置信息。

优选的，S1具体为：

S11，所述移动终端在第一位置对所述目标物体进行第一次拍照，得到第一张照片；

S12，所述移动终端从所述第一位置移动到第二位置，并在所述第二位置对所述目标物体进行第二次拍照，得到第二张照片；

S13，计算所述第一位置与所述第二位置之间的距离Δd，以及缩放比k，其中，k=z₁/z₂，z₁代表所述目标物体在所述第一位置的成像大小，z₂代表所述目标物体在所述第二位置的成像大小；

S14，根据下列公式分别计算第一位置的相机镜头距离目标物体的距离d₁以及第二位置的相机镜头距离目标物体的距离d₂；

$d_1=f+\frac{1}{1-k}\mathrm{\Δd}$

$d_2=f+\frac{k}{1-k}\mathrm{\Δd}$

其中，f代表焦距。

优选的，S13中，计算所述第一位置与所述第二位置之间的距离Δd具体为：

在所述移动终端从所述第一位置移动到所述第二位置的过程中，通过所述移动终端自身配置的加速度传感器记录所述移动终端移动过程的加速度值；然后对该加速度值进行二次积分，得到Δd。

优选的，所述加速度传感器记录所述移动终端移动过程的加速度值，然后对该加速度值进行二次积分，得到Δd具体为：

对所述加速度传感器记录的所述移动终端移动过程的加速度值进行预处理，得到预处理后的加速度值；然后对所述预处理后的加速度值进行二次积分，得到Δd；

其中，所述预处理包括方向校准，噪音处理以及距离优化。

优选的，所述方向校准具体为：

假设所述移动终端自身的终端坐标系与世界坐标系分别为(x，y，z)与(X，Y，Z)；

令θ_x、θ_y与θ_z分别代表终端坐标系与世界坐标系x轴、y轴和z轴之间的夹角；则依公式a_Y=a_y·cos(θ_y)+a_x·sin(θ_x)·cos(θ_z)+a_z·sin(θ_z)·cos(θ_x)得到预处理后的加速度值；其中，a_x、a_y、a_z分别代表预处理前得到的加速度传感器记录的所述移动终端移动过程的加速度在x、y、z轴的分量，a_Y代表预处理后得到的加速度Y轴的分量；

和/或

所述噪音处理具体为：

将所述加速度传感器产生的噪音认为是符合白噪声(N(0，σ²))，假设所述加速度传感器记录的所述移动终端移动过程的加速度值符合一阶马尔可夫，采用卡尔曼滤波消除采集到的所述加速度值中伴随的***噪音；

和/或

所述距离优化具体为：

在所述移动终端从所述第一位置移动到所述第二位置的过程中，随机选择n个时间点作为标记点，将整个积分区间划分为m个子区间，然后分别在各个子区间内对所述加速度传感器记录的所述加速度值进行二次积分，分别计算得到所述移动终端在各个子区间内的位移d₁，d₂，...d_m；

设置与各个位移d₁，d₂...d_m分别对应的参数Δd₁、Δd₂...Δd_m，不断改变各个Δd₁、Δd₂、...Δd_m值，得到满足以下优化模型的s₁，s₂，...s_m；

$\begin{array}{cc}\mathrm{Min}& \underset{i-1}{\overset{m}{\mathrm{\Σ}}}\left|\mathrm{\Δ}{d}_i\right|\end{array}$

d_i+Δd_i＝s_i

s_i之间的约束等式组

优选的，S13中，缩放比k通过以下方法获得：

S131，对所述第一张照片和所述第二张照片进行预处理，提取所述目标物体在所述第一张照片的图像和所述目标物体在所述第二张照片的图像；

S132，对所述目标物体在所述第一张照片的图像进行计算，获得所述目标物体在所述第一张照片的大小即z₁；以及，对所述目标物体在所述第二张照片的图像进行计算，获得所述目标物体在所述第二张照片的大小即z₂；

S133，根据公式k＝z₁/z₂计算得到缩放比k。

优选的，对所述第一张照片和所述第二张照片进行预处理的方法相同，对所述第一张照片进行预处理具体为：

目标提取阶段：从所述第一张照片的CCD平面中心点开始，不断迭代寻找所述目标物体的边界线，直到寻找成功；

边界检测阶段：采用索贝尔算子对所述第一张照片中的目标物体进行边界提取。

优选的，S2中，获取所述移动终端的位置信息具体为：

通过所述移动终端自身配置的定位装置获取所述移动终端的位置信息。

优选的，S2中，获取所述目标物体相对于所述移动终端的方位信息具体为：

通过所述移动终端自身配置的方向传感器获取所述移动终端对所述目标物体拍照过程中，所述目标物体相对于所述移动终端的方位信息。

优选的，通过所述移动终端自身配置的方向传感器获取所述移动终端对所述目标物体拍照过程中，所述目标物体相对于所述移动终端的方位信息具体为：

使所述移动终端的屏幕对着天空，所述移动终端的头部指向所述目标物体，测得所述目标物体所在的方位角W′；

使所述移动终端的屏幕对着地面，所述移动终端的头部指向所述目标物体，测得所述目标物体所在的方位角W″；

根据公式计算得到所述目标物体相对于所述移动终端的方位角W。

本发明的有益效果如下：

本发明提供的基于移动终端进行目标定位的方法，在获得两次拍照位置之间的距离以及目标物体在两张照片中的缩放比之后，根据摄影测距原理计算得到目标物体与移动终端之间的距离；再获得目标物体相对于移动终端的方位以及移动终端自身方位信息，即可实现对目标物体的定位，属于一种主动式的目标定位方法，适用于对室外环境中的目标物体进行定位；而且，定位代价小、方便、定位精度高；还能够有效保护用户的个人位置隐私。

附图说明

图1为本发明提供的基于移动终端进行目标定位的方法的流程示意图；

图2为现有摄影测距原理示意图；

图3为本发明提供的一个角度下终端坐标系和世界坐标系的对照图；

图4为图3从另一个角度观察得到的终端坐标系和世界坐标系的对照图；

图5为对终端移动距离测量进行优化的示意图。

具体实施方式

以下结合附图对本发明进行详细说明：

如图1所示，本发明提供一种基于移动终端进行目标定位的方法，包括以下步骤：

S1，基于摄影测距原理计算得到目标物体与移动终端之间的距离；

S2，获取所述移动终端的位置信息以及所述目标物体相对于所述移动终端的方位信息；

其中，通过所述移动终端自身配置的定位装置获取所述移动终端的位置信息。定位装置可以为GPS定位装置。

获取所述目标物体相对于所述移动终端的方位信息可以通过移动终端自身配置的方向传感器获取，但是，由于在实际应用中，由于受到室外各种磁场以及移动终端自身电流产生的磁场的干扰作用，使用方向传感器测得的方位角会存在一定的偏差，进而影响对目标物***置的判定。

为了消除外部磁场对移动终端的方向传感器的影响，随机选择十个不同的物理位置的十个方向进行方位数据采集，结果发现，方向传感器采集到的方位角度与实际角度之间存在一个偏差角，该偏差角集中在一个特定数值附近，因此，该偏差角可被近似认为是受到一个静态磁场干扰所引起。

基于上述发现，本发明采用补偿法对方向角误差进行修正。具体方法为：

通过所述移动终端自身配置的方向传感器获取所述移动终端对所述目标物体拍照过程中，所述目标物体相对于所述移动终端的方位信息。

使所述移动终端的屏幕对着天空，所述移动终端的头部指向所述目标物体，测得所述目标物体所在的方位角W′；

使所述移动终端的屏幕对着地面，所述移动终端的头部指向所述目标物体，测得所述目标物体所在的方位角W″；

根据公式计算得到所述目标物体相对于所述移动终端的方位角W。

S3，结合S1得到的所述目标物体与移动终端之间的距离、S2得到的所述移动终端的位置信息以及所述目标物体相对于所述移动终端的方位信息定位所述目标物体的位置信息。

需要说明的是，本发明的移动终端，为具有定位和照相功能的移动终端，包括但不限于智能手机、平板电脑等。

对于第一步S1，主要是基于摄影测距原理，即：用户从与目标物体不同距离的两个位置分别对目标物体进行拍照，依照两个拍照点之间的距离关系，以及目标物体在两张照片中的缩放比，进而计算得到目标物体与智移动终端之间的距离。

首先介绍现有的摄影测距原理，然后介绍本发明的实现过程：

一、现有的摄影测距原理

为方便理解，首先介绍现有的摄影测距原理：

图2中，Object代表目标物体，CCD代表图像传感器，LENZ代表镜头；

假设目标物体与镜头之间的距离为d，目标物体的实际大小为s，目标物体在相机中的成像大小为z，f代表焦距，l代表像平面与镜头之间的距离。则有公式

$\frac{1}{l}+\frac{1}{d}=\frac{1}{f}$

(一)：z·d＝s·l；

移动相机，在拍照点1和拍照点2分别对目标物体进行拍照，则：

在拍照点1位置，得到以下参数：d₁---目标物体与镜头之间的距离；z₁---目标物体在相机中的成像大小；l₁---像平面与镜头之间的距离；

在拍照点2位置，得到以下参数：d₂---目标物体与镜头之间的距离；z₂---目标物体在相机中的成像大小；l₂---像平面与镜头之间的距离；

根据公式(一)，得到下述公式(二)：

d₂-k·d₁-f·(1-k)＝0；其中，k表示z₁/z₂。

进一步的，根据公式(二)，可以得到下面的公式(三)和公式(四)：

$d_1=f+\frac{1}{1-k}\mathrm{\Δd}$ 公式(三)

$d_2=f+\frac{k}{1-k}\mathrm{\Δd}$ 公式(四)

由公式(三)和公式(四)可以看出，只需对目标物体进行两次拍照，获得目标物体在两张照片中缩放比，同时，获得两个拍照点之间的距离，即可计算得到目标物体与拍照点之间的距离，实现对目标物体的定位。

二、本发明的目标物体与移动终端之间的距离计算

基于上述的摄影测距原理，目标物体与移动终端之间的距离可以通过以下方式获得：

S11，所述移动终端在第一位置对所述目标物体进行第一次拍照，得到第一张照片；

S12，所述移动终端从所述第一位置移动到第二位置，并在所述第二位置对所述目标物体进行第二次拍照，得到第二张照片；

S13，计算所述第一位置与所述第二位置之间的距离Δd，以及缩放比k，其中，k=z₁/z₂，z₁代表所述目标物体在所述第一位置的成像大小，z₂代表所述目标物体在所述第二位置的成像大小；

其中，第一位置与第二位置之间的距离Δd通过下列方式获得：在移动终端从第一位置移动到第二位置的过程中，通过移动终端自身配置的加速度传感器记录移动终端移动过程的加速度值；然后对该加速度值进行二次积分，得到Δd。

在实际应用中，往往无法要求用户在距离很远的两个点对目标物体进行拍照。因此，本发明中，假设用户只需首先令移动终端靠近自己的头部对目标物体进行第一次拍照，然后伸直胳膊对目标物体进行第二次拍照。在胳膊伸展的过程中，加速度传感器记录胳膊的加速度变化。然后对该加速度值进行二次积分得到胳膊的运动距离，即Δd。

然而在实际中，受限于设备的造价，移动终端中的加速度传感器的感知精度往往较差，无法直接进行距离计算。其次，由于在胳膊运动中，移动终端的姿态并不与世界坐标系完全重合，因此无法只利用移动终端上沿一个方向的加速度记录值来进行积分。因此在计算胳膊的位移之前，需要对采集到的传感器数据进行预处理。该预处理过程包括方向校准，噪音处理以及距离优化。

所述方向校准具体为：

方向校准主要用于滤除重力对移动终端的加速度值产生的干扰。

假设所述移动终端自身的终端坐标系与世界坐标系分别为(x，y，z)与(X，Ｙ，Z)；

令θ_x、θ_y与θ_z分别代表终端坐标系与世界坐标系x轴、y轴和z轴之间的夹角，该夹角可以通过对移动终端自带的陀螺仪所记录的角加速度进行积分而获得；则依公式a_Y=a_y·cos(θ_y)+a_x·sin(θ_x)·cos(θ_z)+a_z·sin(θ_z)·cos(θ_x)得到预处理后的加速度值；其中，a_x、a_y、a_z分别代表预处理前得到的加速度传感器记录的所述移动终端移动过程的加速度在x、y、z轴的分量，a_Y代表预处理后得到的加速度Y轴的分量；

和/或

所述噪音处理具体为：

噪音处理主要用于对加速度传感器由于自身精度不够带来的读数误差进行处理。

将所述加速度传感器产生的噪音认为是符合白噪声(N(0，σ²))，假设所述加速度传感器记录的所述移动终端移动过程的加速度值符合一阶马尔可夫，采用卡尔曼滤波消除采集到的所述加速度值中伴随的***噪音；

和/或

所述距离优化具体为：

在所述移动终端从所述第一位置移动到所述第二位置的过程中，随机选择n个时间点作为标记点，将整个积分区间划分为m个子区间，然后分别在各个子区间内对所述加速度传感器记录的所述加速度值进行二次积分，分别计算得到所述移动终端在各个子区间内的位移d₁，d₂...d_m；

设置与各个位移d₁，d₂...d_m分别对应的参数Δd₁、Δd₂...Δd_m，不断改变各个Δd₁、Δd₂、...Δd_m值，得到满足以下优化模型的s₁，s₂，...s_m；

$\begin{array}{cc}\mathrm{Min}& \underset{i-1}{\overset{m}{\mathrm{\Σ}}}\left|\mathrm{\Δ}{d}_i\right|\end{array}$

d_i+Δd_i＝s_i

s_i之间的约束等式组

如图3所示，以n＝3，m＝6为例，介绍一种具体的距离优化方案：

在移动终端的移动过程中，***随机选取3个时间点作为标记点，将整个积分区间划分为6个子区间(图3)。然后分别在各个子区间内对加速度做二次积分(d＝∫(∫adt)dt)，求得移动终端在各个子区间内的理想位移，即s₁，s₂，...s₆。

假设在这6个子区间内，移动终端的理想位移分别为s₁，s₂，s₃，s₄，s₅和s₆。而通过积分计算得到的各个子区间内的位移为d₁，d₂，d₃，d₄，d₅和d₆。理想情况下，d_i＝s_i。然而由于噪音的影响，各个子区间的理想位移与计算得到的相应位移会有差别。因此，本发明优化目标为：通过改变每段子区间的计算得到的位移来保证子区间长度之间的相互关系。

优化模型如下：

$\begin{array}{cc}\mathrm{Min}& \underset{i=1}{\overset{6}{\mathrm{\Σ}}}\left|\mathrm{\Δ}{d}_i\right|\end{array}$

s₁+s₂＝s₄

s₂+s₃＝s₅

s₁+s₂+s₃＝s₆

d_i+Δd_i＝s_i

其中，Δd_i代表移动d_i的距离，通过该优化模型，进一步提高了测距精度。

缩放比k通过以下方法获得：

S131，对所述第一张照片和所述第二张照片进行预处理，提取所述目标物体在所述第一张照片的图像和所述目标物体在所述第二张照片的图像；其中，对所述第一张照片和所述第二张照片进行预处理的方法相同，对所述第一张照片进行预处理具体为：

目标提取阶段：在使用移动终端对目标物体进行拍照过程中，通常会将许多无关物体拍摄进来，而这些无关物体会对目标物体的自动识别造成严重影响，降低目标识别率。为了降低无关物体对目标物体识别造成的影响，本发明通过采用由内向外的检测方式来迭代寻找目标物体。具体做法是从CCD平面中心点开始，不断迭代寻找目标物体的边界线，直到首次寻找成功为止。该方法主要基于的思想是：在拍照过程中，用户往往会将目标物体集中在CCD平面中心。

边界检测阶段：本发明采用索贝尔算子(SobelOperator)来对照片中的目标物体进行边界提取。采用该算子的优势在于该方法不但计算量小而且可以在成像质量较差的图片中获得不错的边界提取效果。实验证明该方法在较低分辨率的图像中依然可以获取较高的边界提取精确度。因此，尤其适合智能手机等计算能力较弱的电子设备。

S132，对所述目标物体在所述第一张照片的图像进行计算，获得所述目标物体在所述第一张照片的大小即z₁；以及，对所述目标物体在所述第二张照片的图像进行计算，获得所述目标物体在所述第二张照片的大小即z₂；

S133，根据公式k=z₁/z₂计算得到缩放比k。

S14，根据下列公式分别计算第一位置的相机镜头距离目标物体的距离d₁以及第二位置的相机镜头距离目标物体的距离d₂；

$d_1=f+\frac{1}{1-k}\mathrm{\Δd}$

$d_2=f+\frac{k}{1-k}\mathrm{\Δd}$

其中，f代表焦距。

综上所述，本发明提供的基于移动终端进行目标定位的方法，在获得两次拍照位置之间的距离以及目标物体在两张照片中的缩放比之后，根据摄影测距原理计算得到目标物体与移动终端之间的距离；再获得目标物体相对于移动终端的方位以及移动终端自身方位信息，即可实现对目标物体的定位，属于一种主动式的目标定位方法，适用于对室外环境中的目标物体进行定位；而且，定位代价小、方便、定位精度高；还能够有效保护用户的个人位置隐私。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。

Claims (6)

1.一种基于移动终端进行目标定位的方法，其特征在于，包括以下步骤：

S1，基于摄影测距原理计算得到目标物体与移动终端之间的距离；

S2，获取所述移动终端的位置信息以及所述目标物体相对于所述移动终端的方位信息；

S3，结合S1得到的所述目标物体与移动终端之间的距离、S2得到的所述移动终端的位置信息以及所述目标物体相对于所述移动终端的方位信息定位所述目标物体的位置信息；

其中，S1具体为：

S11，所述移动终端在第一位置对所述目标物体进行第一次拍照，得到第一张照片；

S12，所述移动终端从所述第一位置移动到第二位置，并在所述第二位置对所述目标物体进行第二次拍照，得到第二张照片；

S13，计算所述第一位置与所述第二位置之间的距离Δd，以及缩放比k，其中，k＝z₁/z₂，z₁代表所述目标物体在所述第一位置的成像大小，z₂代表所述目标物体在所述第二位置的成像大小；

S14，根据下列公式分别计算第一位置的相机镜头距离目标物体的距离d₁以及第二位置的相机镜头距离目标物体的距离d₂；

$\begin{array}{c}{d}_1=f+\frac{1}{1-k}\mathrm{\Δ}d\\ d_2=f+\frac{k}{1-k}\mathrm{\Δ}d\end{array}$

其中，f代表焦距；

其中，S2中，获取所述移动终端的位置信息具体为：

通过所述移动终端自身配置的定位装置获取所述移动终端的位置信息；

其中，S2中，获取所述目标物体相对于所述移动终端的方位信息具体为：

通过所述移动终端自身配置的方向传感器获取所述移动终端对所述目标物体拍照过程中，所述目标物体相对于所述移动终端的方位信息；

通过所述移动终端自身配置的方向传感器获取所述移动终端对所述目标物体拍照过程中，所述目标物体相对于所述移动终端的方位信息具体为：

使所述移动终端的屏幕对着天空，所述移动终端的头部指向所述目标物体，测得所述目标物体所在的方位角W'；

使所述移动终端的屏幕对着地面，所述移动终端的头部指向所述目标物体，测得所述目标物体所在的方位角W″；

根据公式计算得到所述目标物体相对于所述移动终端的方位角W。

2.根据权利要求1所述的基于移动终端进行目标定位的方法，其特征在于，S13中，计算所述第一位置与所述第二位置之间的距离Δd具体为:

在所述移动终端从所述第一位置移动到所述第二位置的过程中，通过所述移动终端自身配置的加速度传感器记录所述移动终端移动过程的加速度值；然后对该加速度值进行二次积分，得到Δd。

3.根据权利要求2所述的基于移动终端进行目标定位的方法，其特征在于，所述加速度传感器记录所述移动终端移动过程的加速度值，然后对该加速度值进行二次积分，得到Δd具体为：

对所述加速度传感器记录的所述移动终端移动过程的加速度值进行预处理，得到预处理后的加速度值；然后对所述预处理后的加速度值进行二次积分，得到Δd；

其中，所述预处理包括方向校准，噪音处理以及距离优化。

4.根据权利要求3所述的基于移动终端进行目标定位的方法，其特征在于，所述方向校准具体为：

假设所述移动终端自身的终端坐标系与世界坐标系分别为(x,y,z)与(X,Y,Z)；

令θ_x、θ_y与θ_z分别代表终端坐标系与世界坐标系x轴、y轴和z轴之间的夹角；则依公式a_Y＝a_y·cos(θ_y)+a_x·sin(θ_x)·cos(θ_z)+a_z·sin(θ_z)·cos(θ_x)得到预处理后的加速度值；其中，a_x、a_y、a_z分别代表预处理前得到的加速度传感器记录的所述移动终端移动过程的加速度在x、y、z轴的分量，a_Y代表预处理后得到的加速度Y轴的分量；

和/或

所述噪音处理具体为：

将所述加速度传感器产生的噪音认为是符合白噪声(N(0,σ²))，假设所述加速度传感器记录的所述移动终端移动过程的加速度值符合一阶马尔可夫，采用卡尔曼滤波消除采集到的所述加速度值中伴随的***噪音；

和/或

所述距离优化具体为：

在所述移动终端从所述第一位置移动到所述第二位置的过程中，随机选择n个时间点作为标记点，将整个积分区间划分为m个子区间，然后分别在各个子区间内对所述加速度传感器记录的所述加速度值进行二次积分，分别计算得到所述移动终端在各个子区间内的位移d₁,d₂,…d_m；

设置与各个位移d₁,d₂,…d_m分别对应的参数△d₁、△d₂,…△d_m，不断改变各个△d₁、△d₂、…△d_m值，得到满足以下优化模型的s₁,s₂,…s_m；

$\begin{array}{cc}Min& \underset{i=1}{\overset{m}{\Σ}}\left|{\mathrm{\Δd}}_i\right|\end{array}$

d_i+Δd_i＝s_i

s_i之间的约束等式组。

5.根据权利要求1所述的基于移动终端进行目标定位的方法，其特征在于，S13中，缩放比k通过以下方法获得：

S131，对所述第一张照片和所述第二张照片进行预处理，提取所述目标物体在所述第一张照片的图像和所述目标物体在所述第二张照片的图像；

S132，对所述目标物体在所述第一张照片的图像进行计算，获得所述目标物体在所述第一张照片的大小即z₁；以及，对所述目标物体在所述第二张照片的图像进行计算，获得所述目标物体在所述第二张照片的大小即z₂；

S133，根据公式k＝z₁/z₂计算得到缩放比k。

6.根据权利要求5所述的基于移动终端进行目标定位的方法，其特征在于，对所述第一张照片和所述第二张照片进行预处理的方法相同，对所述第一张照片进行预处理具体为：

目标提取阶段：从所述第一张照片的CCD平面中心点开始，不断迭代寻找所述目标物体的边界线，直到寻找成功；

边界检测阶段：采用索贝尔算子对所述第一张照片中的目标物体进行边界提取。