1.一种智能机姿态矩阵计算方法，其特征在于，包括以下步骤：
通过智能机加速度计检测三个值{vax’,vay’,vaz’}计算ax、ay和az：
或对{vax’,vay’,vaz’}进行滤波后得到{vax,vay,vaz}，计算ax、ay和az：
其中Ra是重力加速度传感器相对于智能机的姿态转换矩阵；
通过智能机磁力计获取方位角 的三角函数；或者方向传感器获取方位角
计算姿态矩阵
姿态矩阵Rg的第1行是智能机x轴在局部坐标系下的单位矢量；第2行是智能机y轴在局部坐标系下的单位矢量；第3行是智能机z轴在局部坐标系下的单位矢量；其中局部坐标系是z轴沿重力指向地球外，x轴朝北y轴朝西的坐标系；
其中
当az<0时，s＝-1，az≥0时，s＝1；
其中mx,my,mz是智能机磁力计检测出来的三个值{vmx,vmy,vmz}，或{vmx,vmy,vmz}经过滤波得到的三个值；
若将 替换成
则算出的Rg是X轴朝东Y朝北坐标系下的姿态矩阵。
2.根据权利要求1所述的方法，其特征在于，若智能机中安装有方向传感器：则通过该智能机获取方位角 带入公式(1)计算姿态矩阵Rg，其中value[0]为方向传感器
的第一个值。
3.一种智能机姿态矩阵计算方法，其特征在于，该方法基于智能机支持Android系统，具体包括以下步骤：
获取智能机Android系统函数中的getRotationMatrix函数获取矩阵Rg纵东’,然后将Rg纵东’经过矩阵转置操作得到Rg纵东＝(Rg纵东’)T，Rg纵东是X轴指向东Y轴指向北坐标系下的姿态矩阵；
计算局部坐标系下的姿态矩阵 姿态矩阵Rg的第1行是智能机x轴在
局部坐标系下的单位矢量；第2行是智能机y轴在局部坐标系下的单位矢量；第3行是智能机z轴在局部坐标系下的单位矢量；其中局部坐标系是z轴沿重力指向地球外，x轴朝北y轴朝西的坐标系；若智能机支持旋转矢量传感器，则通过智能机旋转矢量传感器输出的3个数据q1＝values[0],q2＝values[1],q3＝values[2]，计算 如果旋转矢量传
感器能输出4个数据，则q0＝values[3]；
再按以下公式计算Rg纵东矩阵
其中，Rg纵东是X轴指向东Y轴指向北坐标系下的姿态矩阵；
再采用公式 进一步得到局部坐标系下的姿态矩阵Rg。
4.一种基于智能机姿态矩阵的指向或导航方法，其特征在于，包括以下步骤：
1)定义智能机主方向或载体主方向相对于智能机自身的矢量单位p；
2)根据权利要求1-3中任一项所述的方法计算智能机当前姿态矩阵Rg；
3)计算p┴＝RgTp，为智能机主方向或载体主方向相对于指北坐标系的矢量；
4)计算局部坐标系中的目标矢量vo＝O-P，其中局部坐标系中智能机自身坐标为P，目标的坐标为O，则目标矢量vo＝O-P；
5)计算矢量p┴与目标矢量vo之间夹角的余弦，或计算两个矢量之间的夹角；
6)若夹角的余弦或者两个矢量之间的夹角在预设范围内，则触发智能机执行预设关联事件。
5.一种2D导航方法，其特征在于，该2D导航方法应用了权利要求1的智能机姿态矩阵，具体包括以下步骤：
将智能机水平放置，利用方向传感器的第一个值value[0]得出智能机主方向角矢量与智能机到目标矢量之间的夹角，或两者之间的点积；
实时计算智能机2维主矢量{cosφ,sinφ}与2维目标矢量vo＝O-P示意图，O是局部坐标系中X，Y平面上目标的2维坐标，P是局部坐标系中X，Y平面上的智能机2维坐标；其中φ＝value[0]+△φ，value[0]是方向传感器的第一个值，△φ是在地图平面上用户定义的主方向相对于智能机主方向之间的夹角；
若{cosφ,sinφ}与目标矢量vo之间的夹角小于预设值说明方向吻合，或者{cosφ,sinφ}与2维目标矢量vo点积除以|vo|的结果大于预设值，则说明方向吻合；
为便于用户交互，可在地图上将目标矢量vo箭头与智能机矢量{cosφ,sinφ}同时画出。
6.一种基于智能机姿态数据的视频影像实时纠正方法，其特征在于，包括以下步骤：
采用权利要求1-3中任一项所述的方法，获取智能机拍摄视频的每一帧对应的姿态矩阵Rg，根据R＝△R·Rg得到智能机上的摄像头的局部坐标姿态矩阵R，其中△R是摄像头相对于智能机的转换矩阵；
将R矩阵分解为R＝RτR_，计算得到矩阵Rτ；
其中，R_是预设期待输出图像的姿态矩阵，Rτ是变换矩阵；
将原始图像I经过H＝K2RτTK-1的Homograph变换得到I’，
其中 是拍摄相机的内部参数矩阵，f是焦距的像素长度，(cx,cy)是相机
主点坐标，cx＝w/2，cy＝h/2，w、h是原始图像I的宽和高；
是纠正以后虚拟相机的内部参数矩阵，f2是纠正以后虚拟相机的焦
距的像素长度，(cx2,cy2)是纠正以后虚拟相机主点坐标。
7.一种基于姿态数据的智能机单像定位方法，其特征在于，包括以下步骤：
采集物方点，转化成局部坐标系坐标；
采用权利要求1-3中任一项所述的方法获取智能机的姿态矩阵Rg，根据R＝△R·Rg得到智能机上摄像头的姿态矩阵R，△R是摄像头相对于智能机的转换矩阵；
拍摄一张图像，自动提取其中的多个特征点，通过匹配算法得到与物点对应的n对物像同名点；n个物方点的坐标是Xi＝[Xix,Xiy,Xiz]T，i＝1,…,n；对应n个像点坐标是[ui vi]T，i＝1,…,n；
计算相机在局部坐标系下的坐标T＝[Tx，Ty，Tz]T：
(1)特征点无错情况下
若确认多个特征点无错误，则采用数学模型解方程得到自身在局部坐标系下坐标Tx，Ty，Tz，
其中 (cx，cy)为智能机上摄像头的像素主点坐标；
进而得到相机位置T＝[Tx，Ty，Tz]T；
(2)容错情况下
若不确认多个特征点是否全部正确，采用Ransac容错算法，通过共线方程模型随机选取两对点n＝2,根据模型式(HH2)计算相机位置T，并通过共线方程zi[u’i v’i 1]T＝KR(Xi-T)验证T，K为智能机上摄像头的内参矩阵，通过KR(Xi-T)算出的u’i,v’I与ui,vi之间的距离误差小于error像素认为是符合共线方程；选取符合共线方程点数最多的正确特征点集ζmax并计算ζmax对应的相机位置T*。
8.根据权利要求7所述的方法，其特征在于，其中单目多点容错Ransac算法流程如下：
1)从n个像点中随机挑选出2个距离足够大的像点，至少要大于容忍误差error的2倍；
2)挑选出来的2个像点与物点对应形成2对物象同名点，按式(HH2)计算智能机位置T；
3)用T验证所有n对物象同名点的共线方程对应关系，共线方程KR(Xi-T)算出的u’i,v’I与ui,vi之间的误差距离小于error像素认为是符合共线方程，统计符合共线方程的个数i_in,如果i_in数量超过前期的数量nmax则记录本组满足共线方程容忍误差数量最大的点集ζmax，并刷新nmax＝i_in；
4)更新迭代次数k+1→k；
5)回到第1)步，直到满足ransac概率收敛条件(1-(nmax/n)2)k6)将前面搜索得到的最优内点集合ζmax搜集起来进行最后一次多点最小2乘计算，按公式(HH2)计算得到最终结果Tbest。
9.基于智能机姿态数据的单目单点定位方法，其特征在于，包括步骤：
假设智能机上的相机内部参数矩阵为:
fx，fy分别指相机内部参数中的水平和垂直焦距像素长，
被观察物体是一个直径＝D大小的物体,
在智能机上成像的宽度是Δu,高度是Δv,
成像中心点像坐标(u,v),(cx,cy)是相机主点坐标；
采用权利要求1-3中任一项所述的方法获取智能机的姿态矩阵Rg，R＝△RRg得到智能机上摄像头的姿态矩阵R，△R是摄像头相对于智能机的转换矩阵；
计算
(1)若已知智能机摄像头光心局部坐标系坐标是T,
单目估算出物体的局部坐标系下三维坐标X:
(2)若已知物体的局部坐标系下三维坐标X，计算相机坐标T
10.一种基于智能机姿态数据的相对定位方法，其特征在于，假设相机1，2之间有i对同名点u1i,v1i～u2i,v2i，其中i＝1..n，其中n≥2；
相机2相对于相机1的姿态矩阵R＝R2R1T；其中R1＝△RRg1R2＝△RRg2,Rg1，Rg2是智能机相机在拍摄的1,2两个地点测出来的姿态矩阵数据,△R是摄像头相对于智能机的转换矩阵；
已知相机1的内参矩阵 相机2的内参矩阵 其中(cxi,
cyi)是相机i的像素主点坐标，fi是相机i的焦距像素长，已知两相机之间的距离是Ld；计算相机2相对于相机1的位移矢量T；
方法具体包括如下步骤：
1)用权利要求1所述的方法计算智能机的姿态Rg1,Rg2，进一步计算2个智能机上各自相机姿态R1＝△RRg1R2＝△RRg2，得到相对姿态R＝R2R1T
2)首先构建矩阵A
其中uji*＝Ki-1ui＝[uji*x uji*y uji*z]T，i＝1,2；j＝1..n；ujiR*＝Ruji*＝[ujiR*x ujiR*y ujiR*z]T；
3)如果确认n对点都是正确的，则求约束||t3x1||＝1下Anx3t3x1＝0的解或采用SVD分解得到Anx3＝UnxnWnx3VT3x3,分解出来的V的最后1列的矢量，即对应于最小奇异值的特征矢量，即为t，T＝-LdRTt得到结果，结束；否则继续进行步骤4)；
4)设置迭代初值nmax＝0，k＝1；
5)随机挑选A矩阵中的2行，构建A2x3；
就是求约束||t2||＝1下A2x3t2＝0的解，或采用SVD分解得到A2x3＝U2x2W2x3VT3x3,分解出来的V的最后1列的矢量即为t2；
6)将t2＝[ttx tty ttz]T代入第j＝1...n个点，采用式(AB)验证点j是否是内点,
(uj2*zuj1R*y-uj2*yuj1R*z)ttx+(uj2*xuj1R*z-uj2*zuj1R*x)tty+(uj2*yuj1R*x-uj2*xuj1R*y)ttz＜ε(AB)其中ε表示最大容忍误差物方长度，相对于两相机之间的距离＝1而言，
满足式(AB)，则点j是内点，如果满足内点的数量nt超过最佳值nmax则ζt-->ζ，nt-->nmax；
7)如果(1-(nmax/n)2)k<0.00001，退出迭代进入步骤9)；
8)迭代次数k增加1，回到步骤5)反复迭代；
9)最后采用最小二乘法针对最大内点集ζ重新计算一次最优t；
求约束||t3x1||＝1下An’x3t3x1＝0的解；其中n’＝nmax；
或采用SVD分解得到An’x3＝Un’xn’Wn’x3VT3x3；分解出来的V的最后1列矢量,即对应于最小奇异值的特征矢量，即为t；最终得到T＝-LdRTt。
11.一种基于姿态矩阵的智能机3D遥控方法，其特征在于，包括以下步骤：
设计关于姿态矩阵Rg的n个函数f1(Rg),…,fn(Rg)，实现智能机姿态的n自由度遥控；
首先用权利要求1-3中任一项所述的方法获取遥控智能机的姿态矩阵Rg，假设rij是Rg第i行j列的元素值；
然后按以下方法实现x方向，y方向，旋转三个自由度控制：
1)控制y值：y轴ry的z分量控制y方向上下移动
控制对象的屏幕y坐标Ym＝(h/2)(1+kyr23)或者
其中h为屏幕高度，ky为某一灵敏系数，ky＝0.01～1之间的某值；
2)控制x值：y轴ry的x,y分量控制x方向水平移动
初始时Xm＝W/2，W是显示屏幕宽度；根据实时不停采集到的姿态矩阵R，不停修正控制对象的屏幕x坐标Xm，Xm不断减小Tkx(φ-φ’)，其中φ＝atan2(r22,r21)；φ’是上次得到的φ值；kx为某一灵敏系数，kx＝0.01～1之间的某值，T是两次采样时间间隔；在不停的修改过程中若Xm小于0则Xm等于0，若Xm大于W则Xm等于W；
3)控制旋转值：绕y轴ry旋转控制旋转
根据采集得到的R矩阵得到绕y轴ry旋转的角度弧度值τ＝atan2(r13,r33)。
12.根据权利要求11所述的方法，其特征在于，如果智能机安装了陀螺仪，则采用以下方法连续获取姿态矩阵Rg：
第1步 计算Rg的初值
az>0，±和 取上半部分，其中ax,ay,az是当前加速度计的采样值，
当az≤0时，s＝-1，az>0时,s＝1；
将Rg转换成四元数q0,q1,q2,q3作为以下第2-7步迭代的初值；
第2步 设定exInt，eyInt，ezInt原始值为0，exInt＝0，eyInt＝0，ezInt＝0；
第3步 根据接收到的重力加速度计数据ax,ay,az,
得到误差矢量{ex,ey,ez}并计算其累计值exInt，eyInt，ezInt；
先将矢量{ax,ay,az}替换成将其单位化以后的矢量
vx＝2*(q1*q3-q0*q2)；
vy＝2*(q0*q1+q2*q3)；
vz＝q0*q0-q1*q1-q2*q2+q3*q3；
ex＝(ay×vz-az×vy)；
ey＝(az×vx-ax×vz)；
ez＝(ax×vy-ay×vx)；
计算误差累计值
exInt替换为exInt+ex×Ki；eyInt替换为eyInt+ey×Ki；ezInt替换为ezInt+ez×Ki；
其中Ki为一可调节的正系数，Ki在0.00001至0.5中任意选取；
第4步 根据误差矢量{ex,ey,ez}及其累计值纠正陀螺仪数据{gx0,gy0,gz0}
假设智能机读出当前的一组陀螺仪数据为{gx0,gy0,gz0}，gx＝gx0+Kp×ex+exInt；gy＝gy0+Kp×ey+eyInt；gz＝gz0+Kp×ez+ezInt；
其中Kp为一可调节的正系数，Kp在0.000001至20.0中任意选取；
第5步 根据陀螺仪数据gx,gy,gz修正四元数
随着不断接收到陀螺仪数据gx,gy,gz，对四元数按如下方式修正，halfT为修正周期，halfT＝0.00001～-10.0*与上次循环的时间间隔
q0替换为q0+(-q1×gx-q2×gy–q3×gz)×halfT；
q1替换为q1+(q0×gx-q3×gy+q2×gz)×halfT；
q2替换为q2+(q3×gx+q0×gy-q1×gz)×halfT；
q3替换为q3+(-q2×gx+q1×gy+q0×gz)×halfT；
第6步 输出Rg矩阵和四元数
将四元数{q0,q1,q2,q3}单位化成 输出；
四元数转Rg矩阵公式如下
第7步 回到第3步继续接收陀螺仪运动数据更新姿态四元数q0～q3，在循环的过程中每次到第7步都能输出当前的Rg矩阵和四元数。
13.一种基于姿态数据的运动方向测定及导航方法，其特征在于，包括以下步骤：
步骤1.根据权利要求1-3中任一项所述的方法获取智能机的姿态矩阵Rg；
步骤2.测量局部坐标系下物体的运动加速度a┴，a┴的x分量代表往北移动的分量，a┴的y分量代表往西移动的分量；
步骤3.对运动加速度a┴积分一次，得到目标在指北坐标系下的移动速度v┴，积分两次，得到目标在指北坐标系下的位移s┴；
步骤4.为避免累积误差，若获取到其它精确的定位方法得到的定位值，则立即对目标位置进行纠正；
步骤5.回到步骤1进行下一轮的定位位置修正。
14.根据权利要求13所述的方法，其特征在于，步骤2中测量局部坐标系下物体的运动加速度a┴通过以下方法得到：
(1)若智能机中有线性加速度传感器，则利用线性加速度传感器得到加速度a，再通过T
公式a┴＝Rga计算出为指北坐标系下智能机的加速度a┴；其中Rg是指北坐标系下的姿态矩阵；或者
(2)如果没有线性加速度传感器，测量智能机重力加速度矢量ag＝[agx agy agz]T，通过公式a┴＝RgTag-[0 0 g0]T计算得到，其中ag是重力加速度传感器的测量值，g0是重力加速度的传感器平均幅值,即重力加速度计在静止条件下测得的加速度矢量模的均值。
15.一种基于姿态数据的虚拟现实方向漫游控制方法，其特征在于，包括以下步骤：
1)根据漫游者的输入或者漫游者的自身位置设置局部坐标系中的初始坐标位置(ex,
ey,ez)；
2)采用权利要求1-3中任一项所述的方法得到智能机的姿态矩阵Rg，R＝△RRg得到智能机显示屏的姿态矩阵R，△R是智能机显示屏相对于智能机的转换矩阵；
3)获取智能机漫游者手指在屏幕本体上的滑动数据；
4)在滑动数据是漫游者单指相对于智能机屏幕本体滑动矢量△X,△Y的情况下，如果|r33|>|r13|且|r33|>|r23|，其中rij是R矩阵的i行j列元素值，则单指滑动后，在局部坐标系中的定位坐标改正数(vx，vy)，vx＝ΔXr11+ΔYr21，vy＝ΔXr12+ΔYr22；否则：
5)在滑动数据是漫游者双指做拉开或合拢操作所获得的情况下，则得到拉开和合拢之前双指之间的屏幕距离，以及拉开和合拢之后双指之间的屏幕距离；
6)根据步骤4)和5)中得到的数据修正漫游者在局部坐标系中的坐标位置(ex,ey,ez)，并根据修正后的坐标位置显示局部坐标系中的三维场景。
16.一种基于姿态数据的视频图像投影到地图的方法，其特征在于，包括以下步骤：
采用权利要求1-3中任一项所述的方法得到智能机的姿态矩阵R＝△RRg，△R是智能机摄像头相对于智能机的转换矩阵；
根据GPS测得拍摄相机在局部坐标系中的坐标为T，此时相机或摄像头拍摄下图像帧I；
将图像帧I经过Homograph变换Hmap＝[K[r1r2-RT]]-1＝[r1r2-RT]-1K-1得到Imap，Imap是视频图像映射到地图上的正射影像，其中r1，r2分别是R矩阵的第1列和第2列，K是智能机上的相机内部参数矩阵， fx，fy分别指相机内部参数中的水平和垂直焦距像
素长，cx,cy是相机主点坐标。