1.一种室内停车场可见光与惯导融合定位方法，其特征在于：该方法基于隐马尔科夫模型和可见光接收信号作为指纹，并加入惯性导航模块即测距模块和测角度模块；离线建库阶段，建立室内停车场地图，并根据地图信息建立隐马尔科夫模型的参考点，地图信息包括出入口、人员通道、电梯口，然后根据每个参考点采集接收信号强度指纹信息，结合参考点的位置信息，再根据测距模块和测角度模块，计算各参考节点之间的状态转移概率，形成状态转移矩阵；在线定位阶段，用户持有信号接收器接收可见光信号，根据用户的最大速度，乘以采样时间，缩小用户的候选集，计算候选集中参考点的发射概率，再根据维特比算法，将用户状态转移概率与发射概率相乘，选取最大概率的状态作为定位结果；包括以下步骤：步骤1：建立室内停车场地图；

步骤2：根据步骤1得到的停车场地图，建立可见光与惯性导航的定位模型，将参考点加入到模型中，建立室内停车场指纹地图，并建立每个参考点之间的距离矩阵和角度矩阵；

步骤3：根据用户需求，选择是行人定位或车辆定位；如果是行人定位，测距模块包括步态检测和步长估计，以此来计算行人在采样时间内的位移；如果是车辆定位，根据加速度计，得到当前加速度值，求积分得到速度，再在采样时间内获得位移，然后结合测角度模块，最后得到用户在采样间隔中的角度变化量；

步骤4：离线建库阶段，结合步骤2得到的室内停车场指纹地图，行人手持可见光信号接收器，或安装在车辆顶部，采集每个参考点的可见光信号强度，参考点的指纹包括其坐标和可见光信号强度两部分；再根据步骤3的测距模块和测角度模块，根据位移和角度建立每个参考点之间的位移转移概率和角度转移概率矩阵：其中，si与sj分别为节点即参考点i和j；P(si|sj,m)表示节点i到j的位移转移概率；m为位移；dij为节点i和j之间的距离；σm是位移范围平均误差；

其中，si与sj分别为节点i和j；P(si|sj,θt)表示节点i到j的角度转移概率；θt为角度；hij为节点i和j之间的角度；σθ是角度范围平均误差；

设定初始概率分布，建立隐马尔可夫模型；

步骤5：在线定位阶段，用户在停车场进行移动，用可见光信号接收器和惯导模块接收信号进行定位，具体包括：设定用户最大移动速度，乘以设定的采样时间，得到用户采样时间内可能移动的范围，选取范围内的点作为候选状态集；用户在移动定位过程中持有信号接收器接收可见光信号，根据采集到的信号强度，计算发射概率：其中，Rt为实时指纹；σix为节点i处可见光信号强度RSS的标准偏差；q为AP的数量；fix和rx分别是参考指纹和实时指纹；

维特比解码算法用于计算定位结果：

δt(j)＝max(δt‑1(i)*P(si|sj,m)*P(si|sj,θt)P(Rt|sj))    (4)其中，δt‑1(i)为t‑1时刻在节点i的概率；P(si|sj,m)和P(si|sj,θt)分别为基于位移和角度的状态转移概率；P(Rt|sj)为发射概率；

选取概率最大的状态所对应的坐标即为定位结果。

2.根据权利要求1所述的一种室内停车场可见光与惯导融合定位方法，其特征在于：所述的步骤1具体通过以下方式实现：建立室内停车场地图，包括车辆入口出口、人员通道、电梯、值班室、存储室和停车位。

3.根据权利要求1所述的一种室内停车场可见光与惯导融合定位方法，其特征在于：所述的步骤2具体通过以下方式实现：基于建立好的停车场地图，在可到达区域设立参考点建立定位模型，保证参考点可以对应每个地标，包括每个车位与出入口、人员通道，并测量参考点之间的距离和角度，创立距离、角度矩阵。