视觉位置识别是计算机视觉领域最基本的课题之一,其任务是基于给定查询图像进行位置准确和有效地识别。长期以来,由于对于机器人自主性的关注逐渐增加和视觉传感器成本快速下降,视觉位置识别的研究得到了广泛的关注与快速的发展。至今,在视觉位置识别的领域仍然存在一系列的挑战。其中一个挑战即是环境中多个位置看起来非常相似,而且同一地点从不同视角看起来会不尽相同,这会导致感知混淆的问题。针对上述问题,本文提出一种新的算法以提供解决该问题的思路。通过构建地点的分类标签来分割空间信息,以避免感知混淆的问题,同时这又会减少搜索空间提升效率。该方法对在位置识别系统中每个地点其对应的视频序列段上的关键帧使用显著性算法,生成大量的视觉显著的候选对象,并用对这些候选对象有效计算其之间的评价函数,再使用层次聚类算法计算出每一段序列上具有代表性的对象,最后将这些对象组合成具有代表视频序列的标识牌。使用标识牌代表地点的方式,插入位置识别系统中搜索地点对应的大量图像集的前一个步骤中,以此来缩小搜索范围,避免感知混淆所带来的全局搜索不确定的困惑。本文的主要研究成果有:调研了视觉位置识别的发展,研究分析了视觉位置识别研究过程中具有重要意义算法,并针对其中的出现的问题,提出新的方案。同时调研了显著性检测算法的发展,对比分析了显著性检测算法研究过程中具有重要意义算法。最后针对感知混淆的问题,提出多种解决该问题的标识牌方法。