1.一种基于位置与视觉信息优化的室内云机器人角度定位方法，包括云端、待定位的移动机器人、以及设置于移动机器人上的RFID读写器和摄像头，其特征在于，该方法包括以下步骤：
步骤1）接收初步定位信息，移动机器人通过RFID读写器接收有源标签发出的信号强度RSSI及其对应的标识ID值作为初步定位信息；
步骤2）获取初步位置信息，移动机器人将接收到的初步定位信息发送给云端，云端根据获得的RSSI值计算出移动机器人的初步位置坐标；
步骤3）确定图像搜索范围，选择以步骤2）RFID定位的初步位置坐标结果为圆点，以先验概率误差R为半径的区间范围作为图像数据库中的图像搜索区域；
步骤4）进行图像匹配，移动机器人端通过摄像头获取周围环境景物的图像，并发送给云端，利用图像处理方法对实时获取的图像信息进行去噪处理，采用结构相似性SSIM算法将实时拍摄到的图像与步骤3）的图像搜索区域中图像进行匹配，寻找最佳匹配图像，若匹配成功则进入下一步，若匹配不成功则跳转步骤1）；
步骤5）获得坐标位置及角度信息，根据匹配到的图像数据库中的相应的图像，获取其位置坐标及角度信息。
2.根据权利要求1所述的基于位置与视觉信息优化的室内云机器人角度定位方法，其特征在于，所述步骤1）和步骤2）中，根据信号传播模型的方程将RFID读写器读取的信号强度RSSI值转化为RFID读写器到对应标签的绝对距离，再利用三边定位法获得移动机器人的位置坐标。
3.根据权利要求2所述的基于位置与视觉信息优化的室内云机器人角度定位方法，其特征在于，所述信号传播模型为：RFID读写器接受到标签发送的信号强度RSSI在室内环境下随着传播距离增加而衰减程度的方程，信号传播模型采用一种对数-常态分布传播损耗模型，其方程为：
，
式中， 为RFID读写器接受到标签的信号强度RSSI值， 为RFID读写器在
参考点 接受到标签发送的信号强度RSSI值；N为与环境有关的路径损耗指数； 为平均值为0的高斯分布随机变量，即信号穿过障碍物的衰减； 为近地参考距离；为读写器与标签之间的距离间隔；
采用该对数-常态分布传播模型，得到RFID读写器到标签的距离 和RFID读写器接收到的该标签信号强度 之间的函数关系式为：
，
式中，常数 和N的数值确定了接收信号强度RSSI值和信号传输距离的关系，和N与使用环境密切相关，当使用环境确定后，即都可作为常量使用。
4.根据权利要求2或3所述的基于位置与视觉信息优化的室内云机器人角度定位方法，其特征在于，在同一个标签位置接收到的n个信号强度RSSI值，采用高斯模型选取高概率发生的RSSI值，然后再取其几何均值，用于减少一些小概率出现噪声数据，增加定位的准确性，其中，高斯分布函数为： ，
式中， ， ，
通过上述高斯滤波后，得到有效信号强度RSSI值的范围为 ，将该范围内的信号强度RSSI值全部取出，再求几何平均值，得到最终的信号强度RSSI值。
5.根据权利要求1所述的基于位置与视觉信息优化的室内云机器人角度定位方法，其特征在于，所述步骤1）中，设有多个标签，多个标签分别放置在室内空间的各个角落。
6.根据权利要求1所述的基于位置与视觉信息优化的室内云机器人角度定位方法，其特征在于，所述步骤3）中，所述图像数据库是将要定位的室内空间分为若干个部分，以每隔一段距离为一个点，在该点以一个固定变化的角度，拍摄周围的所有场景，并记录这些场景图像拍摄时的位置坐标及角度信息，建立相应数据库存储于云端构成图像数据库。
7.根据权利要求1所述的基于位置与视觉信息优化的室内云机器人角度定位方法，其特征在于，所述步骤2）中，所述移动机器人与云端通讯采用C/S架构，其中，移动机器人作为客户端负责数据的采集，云端作为服务器端负责数据相关运算及操作。
8.根据权利要求1所述的基于位置与视觉信息优化的室内云机器人角度定位方法，其特征在于，所述步骤4）中，结构相似性SSIM算法如下：



其中,  代表亮度函数， 代表对比度函数， 代表结构函数，
和 分别代表两张图像块对应的像素矩阵， 和 、 和 、 分别代表均差、方差和协方差； 、 、 是很小的常数，用来防止分母等于0；
由以上三个公式可得图像相似度公式为：

其中a,b,c用于调整三个成分的重要程度，自定义取值，图像相似度公式计算的结果越大说明两张图像的匹配度越高。