CN106445084A - 定位方法及采集设备 - Google Patents

Abstract

本发明实施例涉及虚拟现实技术领域，公开了一种定位方法及采集设备。本发明中，一种定位方法包括：获取所述摄像模组拍摄的图像；识别所述图像中所述灯组中各个灯的亮暗信息；利用所述各个灯的亮暗信息，获取所述灯组中每个灯对应的识别编码；其中，根据待获取识别编码的灯自身的亮暗信息，以及所述待获取识别编码的灯周围的N个灯的亮暗信息，获取所述待获取识别编码的灯的识别编码；所述N为自然数；根据各所述识别编码确定所述灯组中各个灯的位置信息；利用各所述灯的位置信息进行三维姿态估计，确定所述待定物的位置。通过本发明提供的定位方法及待定物，有效提高了汉明码的良好识别，从而更好的实现了单面立体视觉的效果。

Description

定位方法及采集设备

技术领域

本发明实施例涉及虚拟现实技术领域，特别涉及一种定位方法及采集设备。

背景技术

虚拟现实(Virtual Reality，简称VR)技术是20世纪末兴起的一门崭新的综合性信息技术，是一种先进的、数字化的人机接口技术，它的实时三维空间表现能力、自然的人机交互式操作环境以及给人带来的身临其境感受，将从根本上改变人与计算机之间枯燥、生硬和被动的现状，为人机交互技术开创了一个全新的研究领域。由于用户在使用VR系统时，无法进行触屏的类似操作，在手势交互的技术风险较高、且耗电量大的情况下，基于手柄的交互将会在较小的运算量的前提下，实现良好的交互。因此，随着VR技术的发展，用来实现与虚拟物交互的手柄和VR眼镜也受到了广泛的关注。

现有技术中实现手柄与虚拟物的交互主要是通过复用VR头盔上光谱波段覆盖红外线的普通彩色摄像头采集手柄上LED灯的光源，然后将手柄上LED灯用亮与暗表示一定的编码，借助单目立体成像的原理，获取手柄的空间位置，从而通手柄位置的变化实现对虚拟物的交互。

但是，在实现本发明过程中，发明人发现现有技术中至少存在如下问题：虽然在单目立体视觉的情况下，基于汉明码和反射变换，可以实现手柄的空间定位。但是由于在红外波段采集到的LED光源，因角度和运算速度的影响，难以实现汉明码的良好识别，这就导致无法准确确定手柄的位置。

发明内容

本发明实施方式的目的在于提供一种定位方法及采集设备，使得在灯组中的灯的亮度编码受角度和运算速度影响的情况下，通过扩展可供获取识别编码的信息来源，便于编码的识别，大大提高了编码的识别率。

为解决上述技术问题，本发明的实施方式提供了一种定位方法，待定物和采集设备对应，所述待定物上具有灯组，所述采集设备上具有用于拍摄所述灯组的摄像模组；所述定位方法包括：获取所述摄像模组拍摄的图像；识别所述图像中所述灯组中各个灯的亮暗信息；利用所述各个灯的亮暗信息，获取所述灯组中每个灯对应的识别编码；其中，根据待获取识别编码的灯自身的亮暗信息，以及所述待获取识别编码的灯周围的N个灯的亮暗信息，获取所述待获取识别编码的灯的识别编码；所述N为自然数；根据各所述识别编码确定所述灯组中各个灯的位置信息；利用各所述灯的位置信息进行三维姿态估计，确定所述待定物的位置。

本发明的实施方式还提供了一种采集设备，采集设备和待定物对应，所述待定物上具有灯组，所述采集设备包括：用于拍摄所述灯组的摄像模组；所述采集设备还包括：获取模块，用于获取所述摄像模组拍摄的图像；识别模块，用于识别所述图像中所述灯组中各个灯的亮暗信息；获取模块，还用于利用所述各个灯的亮暗信息，获取所述灯组中每个灯对应的识别编码；其中，根据待获取识别编码的灯自身的亮暗信息，以及所述待获取识别编码的灯周围的N个灯的亮暗信息，获取所述待获取识别编码的灯的识别编码；所述N为自然数；确定模块，用于根据各所述识别编码确定所述灯组中各个灯的位置信息；定位模块，用于利用各所述灯的位置信息进行三维姿态估计，确定所述待定物的位置。

本发明实施方式相对于现有技术而言，通过识别摄像模组拍摄的图像中灯组中各个灯的亮暗信息，利用多个灯的亮暗信息同时获得某一灯的识别编码，扩展了可供获取识别编码的信息来源，使得在灯组中的灯的亮度编码受角度和运算速度影响的情况下，可以便于编码的识别，大大提高了编码的识别率。

另外，所述利用各个灯的亮暗信息，获取所述灯组中每个灯对应的识别编码，具体包括：根据预设的亮暗信息和信息编码的对应关系，获取每个灯对应的信息编码；获取所述待获取识别编码的灯自身的信息编码，作为第一编码；获取所述待获取识别编码的灯周围的N个灯的信息编码，作为N个第二编码；组合所述第一编码和所述N个第二编码，获得所述待获取识别编码的灯对应的识别编码；其中，所述N为大于1的自然数。通过将多种类型的信息编码组合，增加了可获取的识别编码，从而大大提高了识别编码的获取。

另外，所述亮暗信息为：不同的亮度等级；其中，不同等级的亮度，对应不同的信息编码。通过将灯的亮暗划分为不同的亮度等级，并为每一等级的亮度设置一个与之对应的信息编码，然后将编码信息的组合，使得获取到的识别编码所要传递的信息更加丰富，从而可以更加准确的获取到待定物的具体空间位置。

通过这种编码获取的方法，细化了编码可以由多个信息编码组合而成，利用识别编码的获取。

另外，所述根据各识别编码确定所述灯组中各个灯的位置信息，具体包括：在确定一个所述灯的位置信息时，利用一个所述识别编码对预存的P个模型进行测试，确定所述识别编码所属的模型；根据与所述模型一一对应的位置信息，确定所述识别编码所对应的灯的位置信息；其中，所述P为大于1的自然数。通过对不同位置预设模型，对各个灯的识别编码进行测试，从而获得各个识别编码所属的模型，根据提供的预设位置作为参考，增加编码识别的准确度。

另外，所述预存的P个模型利用以下方法计算得到：在所述待定物处于M个不同位置时，所述摄像模组分别拍摄所述LED灯组的图像，得到M个图像；分别识别所述M个图像中所述灯组中各个灯的亮暗信息；利用所述M个图像中所述灯组的亮暗信息，获取所述灯组中每个灯对应的M个识别编码；标记所述灯组中各个灯的位置信息；针对每个位置上的灯，利用对应的M个识别编码进行训练，分别获得每个位置的灯所对应的模型；其中，所述M为大于1的自然数。通过拍摄模组分别拍摄待定物处于多个不同位置时的LED灯组，获取多个图像，丰富样本，使得利用机器学习法进行训练后可以获得多个预设模型，从而丰富对比检测位置信息。

另外，所述利用对应的M个识别编码进行训练中，利用多分类的机器学习算法训练。通过提供一种简单、高效的多分类的机器学习算法，实现了高效的从训练样本到预设模型的转换。

附图说明

图1是本发明第一实施方式一种定位方法的流程图；

图2是本发明第二实施方式一种定位方法的流程图；

图3是本发明第三实施方式一种定位方法的流程图；

图4是本发明第四实施方式一种采集设备的结构框图；

图5是本发明第五实施方式一种采集设备的结构框图；

图6是本发明第六实施方式的用户终端实际装置结构框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。

本发明的第一实施方式涉及一种定位方法，具体流程如图1所示。

在步骤101中，获取摄像模组拍摄的图像。

具体的说，本实施方式中定位方法主要应用于具有灯组的待定物，并且组成灯组的灯为形状各异，排列不规则的灯(本实施方式中的灯为红外LED灯，在实际应用中并不局限于红外LED灯，也可以为其他普通灯)。

更具体的说，待定物需要和采集设备对应，并且采集设备上具有用于拍摄灯组的拍摄模组，通过拍摄模组对待定物上的灯组进行拍摄，得到具有各个灯亮暗信息的图像。本实施方式中以待定物为手柄，采集设备为VR眼镜为例进行说明。

在步骤102中，识别图像中灯组中各个灯的亮暗信息。

比如说，通过拍摄模组拍摄的图像中灯组中有A、B、C、D、E和F，一共六个灯，因为每个灯的亮暗度不同，因此表达的亮暗信息也不同，分别为：1、2、3、4、5和6，六种亮暗信息。

在步骤103中，利用各个灯的亮暗信息，获取灯组中每个灯与其周围5个灯共同对应的识别编码。

具体的说，根据待获取识别编码的灯自身的亮暗信息，以及待获取识别编码的灯周围的5个灯的亮暗信息，获取待获取识别编码的灯的识别编码。

比如说，针对步骤102中的情况，在识别到图像中6个灯各自对应的亮暗信息后，根据灯A自身的亮暗信息，以及灯A周围的B、C、D、E和F这5个灯的亮暗信息，获取到灯A的识别编码为由灯A的亮暗信息1和灯A周围的5个灯：B、C、D、E和F对应的2、3、4、5和6这5种亮暗信息共同对应的识别编码。

需要说明的是，在实际应用中待获取识别编码的灯周围的灯的个数不局限于5个，可以为多个，只要保证待获取识别编码的灯周围的灯的个数大于1即可。

在步骤104中，根据各识别编码确定灯组中各个灯的位置信息。

比如说，根据步骤103中获取到的识别编码，通过计算可以获取到每个红外LED灯对应的位置信息。

在步骤105中，利用各灯的位置信息进行三维姿态估计，确定待定物的位置。

需要说明的是，姿态估计是一种用于确定某一三维目标物体的方位指向问题的方法，主要应用于机器人视觉、动作跟踪和单照相机定标等应用领域。不同的应用领域，使用的姿态估计方法也不相同，本实施方式中所涉及的主要为基于视觉的姿态估计中根据算法划分的基于学习的姿态估计。

具体的说，三维姿态估计是利用待定物上的各点在二维投射后的平面成像，分析后确定待定物的三维姿态，是一种三维坐标和二维坐标的转换方法。本实施方式中，由于在步骤104中对各灯的位置信息进行了标定，所以在步骤105中，可以仅根据步骤101中获取的一幅二维投射图估计各灯的三维姿态。

本实施方式中，通过识别摄像模组拍摄的图像中灯组中各个灯的亮暗信息，利用多个灯的亮暗信息同时获得某一灯的识别编码，扩展了可供获取识别编码的信息来源，使得在灯组中的灯的亮度编码受角度和运算速度影响的情况下，可以便于编码的识别，大大提高了编码的识别率。

本发明的第二实施方式涉及一种定位方法，本实施方式为第一实施方式的优化，通过将灯组中灯的亮度按照不同的亮度等级划分，从而获取各个灯对应的亮暗信息，并将与每个待获取识别编码灯间隔一个灯距离的周围灯的亮暗信息组合得到各个待获取灯的识别编码，具体流程如图2所示。

在步骤201中，获取摄像模组拍摄的图像。

由于图2中的步骤201与图1中的步骤101完全一样，旨在通过采集设备(本实施方式中的采集设备可以为VR眼镜或VR头盔，实际应用中可与为其他采集设备)的拍摄模组对待定物(本实施方式中的待定物可以为手柄)上灯组进行拍摄，从而获取含有亮暗信息的图像，这里不再赘述。

在步骤202中，识别图像中灯组中各个灯的亮暗信息。

具体的说，识别到的各个灯的亮暗信息为不同的亮度等级。

更具体的说，由于不同的亮度等级与不同信息编码相对应，所以利用亮暗信息可以实现对灯组中各个灯的信息编码的获取。

在步骤203中，根据预设的亮暗信息和信息编码的对应关系，获取每个灯对应的信息编码。

具体的说，将识别到的灯组中的各个灯的亮暗信息与系统预设的亮暗信息进行对比，通过预设亮暗信息和信息编码对应关系，可以获取到当前灯组中各个灯的亮暗信息对应的信息编码。

在步骤204中，获取待获取识别编码的灯自身的信息编码，作为第一编码。

具体的说，将灯组中各个灯自身亮暗信息对应的信息编码均作为第一编码。

在步骤205中，获取待获取识别编码的灯周围的5个灯的信息编码，作为5个第二编码。

具体的说，待获取识别编码的灯周围的灯，与该待获取识别编码的灯间隔为1个灯，并将与每个待获取识别编码的灯间隔一个灯的5个灯的信息编码作为这5个灯的第二编码。

在步骤206中，组合第一编码和5个第二编码，获得待获取识别编码的灯对应的识别编码。

值得一提的是，本实施方式中利用步骤203先行获取了所有灯的信息编码，再从中选出需要组合的编码，在实际应用中，也可以先选出需要组合的灯的亮暗信息，再针对选出的灯的亮暗信息获取编码，可以减少编码获取量。

在步骤207中，根据各识别编码确定灯组中各个灯的位置信息。

在步骤208中，利用各灯的位置信息进行三维姿态估计，确定待定物的位置。

由于图2中的步骤207、步骤208与图1中的步骤104、步骤105完全一样，旨在通过各个灯的位置信息，根据三维姿态估计得到待定物的具体位置，这里不再赘述。

本实施方式中定位方法，通过识别摄像模组拍摄的图像中灯组中各个灯的亮暗信息，利用多个灯的亮暗信息同时获得某一灯的识别编码，扩展了可供获取识别编码的信息来源，进一步优化了在灯组中的灯的亮度编码受角度和运算速度影响的情况下，可以便于编码的识别，大大提高了编码的识别率。

本发明的第三实施方式涉及一种定位方法，本实施方式为第二实施方式的进一步优化，利用机器学习法获取各个灯的识别编码，使确定识别编码对应的灯的具体位置信息更为准确，可识别性高，具体操作流程如图3所示。

由图3中的步骤301至步骤306与图2中的步骤201至步骤206完全一样，旨在，这里不再赘述。

在步骤307中，利用各识别编码与预存的3个模型测试，确定灯组中各个灯的位置信息。

具体的说，在确定一个灯的位置信息时，利用一个识别编码对预存的3个模型进行测试，确定识别编码所属的模型；根据与模型一一对应的位置信息，确定识别编码所对应的灯的位置信息。

需要说明的是，预存的3个模型可以利用以下方法计算得到：

首先，在待定物处于M个不同位置时，通过摄像模组分别拍摄LED灯组的图像，得到M个图像，其中，M为大于1的自然数；

然后，分别识别M个图像中灯组的亮暗信息，即不同的亮度等级；

然后，利用识别到的M个图像中灯组的亮度等级与预设的亮度等级对应的识别编码的关系，获取灯组中每个灯对应的M个识别编码；并标记灯组中各个灯的位置信息；

最后，针对每个位置上的灯，利用对应的M个识别编码，根据SVM(Support VectorMachine支持向量机)多分类或者其他多分类的机器学习算法进行训练，分别获得每个位置的灯所对应的模型。

具体的说，SVM多分类算法是一种具有监督的学习算法，可以快速高效的进行模式识别、分类、以及回归分析。通过SVM多分类算法，可以有效避免待定物在运动中造成的“维数灾难”，快速高效的训练出可以用于进行对比检测的模型，并且还可以通过采集到的新样本，预测出识别编码的所属类别。

于实际应用中，预存的模型不局限于3个，可以为多个，只要保证预存模型个数大于1即可；并且待定物处于的M个不同位置，M需要至少为1000，通过这种获取众多位置上拍摄的LED灯组图形中的识别编码，丰富了训练样本，从而可以获取到多个可以用于对比检测的模型。

在不在308中，利用各灯的位置信息进行三维姿态估计，确定待定物的位置。

由于图3中的步骤308与图1中的步骤105完全一样，旨在通过各个灯的位置信息，根据三维姿态估计得到待定物的具体位置，这里不再赘述。

本实施方式中的待定物定位方法，优化了在灯组中的灯亮度编码不明显的情况下，可以利用多个识别编码与预设的多个模型进行测试，从而获得各个识别编码所属模型对应的预设位置，确定灯组中各个灯的具体位置信息，然后通过三维姿态估计得到待定物的准确位置，通过这种方式提高编码的识别度，从而大大提高了编码识别的准确度。

上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包含相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。

本发明第四实施方式涉及一种采集设备，具体结构如图4所示。

采集设备400具体包括：获取模块401、识别模块402、确定模块403、定位模块404。

需要说明的是，本实施方式中的采集设备400为与待定物对应的采集设备，并且具有用于拍摄灯组的拍摄模组。

获取模块401，用于获取摄像模组拍摄的图像。

需要说明的是，获取模块401，还用于利用各个灯的亮暗信息，获取灯组中每个灯对应的识别编码；其中，根据待获取识别编码的灯自身的亮暗信息，以及所述待获取识别编码的灯周围的N个灯的亮暗信息，获取所述待获取识别编码的灯的识别编码；所述N为自然数。

具体的说，获取模块401通过根据拍摄的图像中灯组中各个灯的灰度值来提取编码值，最终获取各个灯的识别编码。

识别模块402，用于识别图像中灯组中各个灯的亮暗信息。

具体的说，识别模块402通过对设置编码的熵约束编码值的提取，将编码值和历史记录相结合，实现对编码的识别。

需要说明的是，熵可以被用于计算一个系统中的失序现象，是一个描述系统状态的函数，在实际应用中经常用熵的参考值和变化量进行分析比较。由于熵的计算以及应用以及属于本领域的公知常识，本领域的技术人员可以根据现有技术利用熵的原理及计算方法对编码值在提取过程中的约束，将编码值和历史记录相结合，实现对编码的识别，这里不再赘述。

确定模块403，用于根据各识别编码确定灯组中各个灯的位置信息。

定位模块404，用于利用各灯的位置信息进行三维姿态估计，确定待定物的位置。

通过本实施方式中的提供的采集设备，可以利用多个灯的亮暗信息同时获得某一灯的识别编码，扩展了可供获取识别编码的信息来源，使得在灯组中的灯的亮度编码受角度和运算速度影响的情况下，可以便于编码的识别，大大提高了编码的识别率。

不难发现，本实施方式为与第一实施方式相对应的系统实施例，本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第一实施方式中。

本发明第五实施方式涉及一种采集设备，本实施方式为第四实施方式的优化，通过将获取模块进行功能划分，实现对第一编码和第二编码的获取以及组合，具体结构如图5所示。

图5中的模块402、模块403、模块404与图4中的对应模块一样，其所起的功能作用也相同，这里不再赘述。

图5与图4的主要区别在于模块401中还包括有以下子模块，具体说明如下：

获取模块401包括：第一获取子模块4011、第二获取子模块4012、第三获取子模块4013、组合子模块4014。

第一获取子模块4011，用于根据预设的亮暗信息和信息编码的对应关系，获取每个灯对应的信息编码；

第二获取子模块4012，用于获取待获取识别编码的灯自身的信息编码，作为第一编码；

第三获取子模块4013，用于获取待获取识别编码的灯周围的N个灯的信息编码，作为N个第二编码；

组合子模块4014，用于组合第一编码和所述N个第二编码，获得待获取识别编码的灯对应的识别编码；其中，N为大于1的自然数。

本实施方式中的提供的采集设备，通过将第二获取子模块4012和第三获取子模块4013经组合子模块4014组合，扩展了可供获取识别编码的信息来源，使得在灯组中的灯的亮度编码受角度和运算速度影响的情况下，可以便于编码的识别，大大提高了编码的识别率。

由于第二实施方式与本实施方式相互对应，因此本实施方式可与第二实施方式互相配合实施。第二实施方式中提到的相关技术细节在本实施方式中依然有效，在第二实施方式中所能达到的技术效果在本实施方式中也同样可以实现，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第二实施方式中。

下面对本发明涉及的用户终端的实际装置结构进行说明。

本发明的第六实施方式涉及一种用户终端，其具体结构如图6所示。该用户终端600包括：发光组件601、摄像模块602、显示屏603、处理器604、定位器605、存储器606。其中发光组件601可以为LED发光二极管，可以通过LED二极管发出的光的亮暗表示一定的信息。其中摄像模块602可以为VR采集设备上的普通彩色摄像头，用于拍摄发光组件601发射的光源图像，获取其表达的信息。其中显示屏603主要用来显示拍摄模块602拍摄的图像，并识别出图像中各个灯的亮暗信息。其中处理器604为终端的核心，上述装置实施例中涉及的确定模块处理的功能主义由处理器604实现。其中定位器605具有GPS定位系统，用于实现对发光组件601位置的确定。其中存储器506用于存储处理器604可执行代码或其他信息。

本实施方式中，当用户终端600中的发光组件601在位置变化过程中发出光后，通过拍摄模块602对发光组件601所处不同位置时进行拍摄，并从拍摄的图像中获取需要识别的信息，将获取到的信息传递给显示屏603，显示屏识别到各个灯的亮暗信息后，再传到处理器604，处理器经过处理后，将处理后的结构发送至定位器605进行发光组件实际位置的最终确定，并发送到存储器606保存该具体信息。

值得一提的是，本实施方式中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本发明的创新部分，本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。

本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims (10)

1.一种定位方法，其特征在于，待定物和采集设备对应，所述待定物上具有灯组，所述采集设备上具有用于拍摄所述灯组的摄像模组；所述定位方法包括：

获取所述摄像模组拍摄的图像；

识别所述图像中所述灯组中各个灯的亮暗信息；

利用所述各个灯的亮暗信息，获取所述灯组中每个灯对应的识别编码；其中，根据待获取识别编码的灯自身的亮暗信息，以及所述待获取识别编码的灯周围的N个灯的亮暗信息，获取所述待获取识别编码的灯的识别编码；所述N为自然数；

根据各所述识别编码确定所述灯组中各个灯的位置信息；

利用各所述灯的位置信息进行三维姿态估计，确定所述待定物的位置。

2.根据权利要求1所述的定位方法，其特征在于，所述待获取识别编码的灯周围的灯，与所述待获取识别编码的灯间隔一个灯。

3.根据权利要求1所述的定位方法，其特征在于，所述利用各个灯的亮暗信息，获取所述灯组中每个灯对应的识别编码，具体包括：

根据预设的亮暗信息和信息编码的对应关系，获取每个灯对应的信息编码；

获取所述待获取识别编码的灯自身的信息编码，作为第一编码；

获取所述待获取识别编码的灯周围的N个灯的信息编码，作为N个第二编码；

组合所述第一编码和所述N个第二编码，获得所述待获取识别编码的灯对应的识别编码；其中，所述N为大于1的自然数。

4.根据权利要求3所述的定位方法，其特征在于，所述亮暗信息为：不同的亮度等级；其中，不同等级的亮度，对应不同的信息编码。

5.根据权利要求1所述的定位方法，其特征在于，所述根据各识别编码确定所述灯组中各个灯的位置信息，具体包括：

在确定一个所述灯的位置信息时，利用一个所述识别编码对预存的P个模型进行测试，确定所述识别编码所属的模型；根据与所述模型一一对应的位置信息，确定所述识别编码所对应的灯的位置信息；其中，所述P为大于1的自然数。

6.根据权利要求5所述的定位方法，其特征在于，所述预存的P个模型利用以下方法计算得到：

在所述待定物处于M个不同位置时，所述摄像模组分别拍摄所述LED灯组的图像，得到M个图像；

分别识别所述M个图像中所述灯组中各个灯的亮暗信息；

利用所述M个图像中所述灯组的亮暗信息，获取所述灯组中每个灯对应的M个识别编码；

标记所述灯组中各个灯的位置信息；

针对每个位置上的灯，利用对应的M个识别编码进行训练，分别获得每个位置的灯所对应的模型；其中，所述M为大于1的自然数。

7.根据权利要求6所述的定位方法，其特征在于，所述利用对应的M个识别编码进行训练中，利用多分类的机器学习算法训练。

8.根据权利要求1至7中任意一项所述的定位方法，其特征在于，所述采集设备为VR眼镜或VR头盔。

9.一种采集设备，其特征在于，采集设备和待定物对应，所述待定物上具有灯组，所述采集设备包括：用于拍摄所述灯组的摄像模组；

所述采集设备还包括：

获取模块，用于获取所述摄像模组拍摄的图像；

识别模块，用于识别所述图像中所述灯组中各个灯的亮暗信息；

获取模块，还用于利用所述各个灯的亮暗信息，获取所述灯组中每个灯对应的识别编码；其中，根据待获取识别编码的灯自身的亮暗信息，以及所述待获取识别编码的灯周围的N个灯的亮暗信息，获取所述待获取识别编码的灯的识别编码；所述N为自然数；

确定模块，用于根据各所述识别编码确定所述灯组中各个灯的位置信息；

定位模块，用于利用各所述灯的位置信息进行三维姿态估计，确定所述待定物的位置。

10.根据权利要求9所述的采集设备，其特征在于，所述获取模块，包括：

第一获取子模块，用于根据预设的亮暗信息和信息编码的对应关系，获取每个灯对应的信息编码；

第二获取子模块，用于获取所述待获取识别编码的灯自身的信息编码，作为第一编码；

第三获取子模块，用于获取所述待获取识别编码的灯周围的N个灯的信息编码，作为N个第二编码；

组合子模块，用于组合所述第一编码和所述N个第二编码，获得所述待获取识别编码的灯对应的识别编码；其中，所述N为大于1的自然数。