面对有着巨大的室内定位服务需求的应用市场,利用WiFi、蓝牙、超宽带等进行定位的技术应运而生。而基于视觉定位的技术相对于这些技术,具备不需要提前布置设备和应用范围广等优点,使得视觉定位的技术在近几年得到了越来越多的研究者的关注。本文主要对视觉定位技术和室内场景分类技术进行了比较深入的研究。首先针对室内定位技术的基本原理进行了分析,并对视觉定位技术所涉及到的各个坐标系和理想的针孔模型作了介绍。针对室内定位广泛存在的畸变问题进行了摄像头的标定,标定技术采用的是基于棋盘格的标定方法。另外详细介绍了视觉定位中的视觉里程计模块,对特征提取和匹配还有运动估计部分均进行了详细的分析研究。其次,针对场景分类技术的经典模型即基于词袋的场景分类算法作了深入的研究,其中包括对支持向量机和空间金字塔模型的讨论。针对K-means聚类算法的易陷于局部最优化和支持向量机的高斯径向基核函数的过拟合问题进行了改进:将轮盘法融合到K-means聚类算法中,使得K-means聚类算法的聚类中心点的选取对最终聚类结果的随机性影响降低;将支持向量机过程中使用的高斯径向基核函数替换成直方图交叉核函数,从而降低了支持向量机的过拟合程度。仿真实验表明,改进的场景分类算法的分类准确度得到了较大的提高。最后,针对视觉定位技术的累积误差问题,结合惯性导航技术的短期工作的准确性高的特点,并融合惯性测量器件(Inertial Measurement Unit,IMU)的数据,实现对视觉导航定位的优化,利用IMU数据的输出结果提前除去了大批的误匹配对,从而提高了运动估计的准确性。仿真实验表明融合IMU数据的视觉和惯性导航融合定位算法的定位精确度明显高于单纯的视觉定位技术。