随着城市的发展以及智能手机使用量日益增加,人们对室内自身位置的需求越来越大。在室外环境中广泛使用的GPS定位方法由于存在楼宇的遮挡和反射,很难在室内环境中使用,同时,传统的基于Wi Fi、蓝牙等信号的室内定位方法都存在部署成本高的问题。因此,在室内环境中,考虑到视觉信息的优势和用户获取场景视觉信息的便捷性,基于视觉的定位方法受到广泛关注。本文研究了室内视觉定位的研究目的与意义以及国内外现状,并对视觉定位的研究现状进行重点研究。根据视觉定位系统中摄像机建模、特征描述子提取和位姿求解算法的相关理论知识,本文主要的研究内容如下:首先,针对传统视觉数据库建立方法只利用图像平面信息进行定位时存在较低定位精度的问题,提出了一种Visual-Depth Map数据库建立方法,该方法将深度信息引入到Visual Map视觉定位数据库,从而提高了室内定位精度。其次,针对传统视觉定位数据库采用逐点采样和视频流采样方式存在较多冗余信息的问题,提出了一种基于图像关键帧算法的数据库建立方法。该算法利用相邻图像序列之间相似性,将原始图像序列经过筛选后组成关键帧序列,并将关键帧序列和深度信息组成视觉定位数据库。实验结果表明,基于图像关键帧算法建立的视觉定位数据库在相同场景下具有更小的规模,同时,使用该方法所建立的数据库定位时,在保证了定位精度的情况下,具有更低的时间复杂度,从而减少了在线定位的时间。最后,针对传统的基于RANSAC的位姿求解算法存在特征点位置误差较大、迭代次数不稳定以及求解结果精度不高的问题,本文提出了一种基于分层光束平差法的位姿求解算法。该算法采用分层的方式对特征点进行处理以减少时间复杂度,同时构建了重投影误差最小化的目标函数,对位姿和特征点位置进行修正。实验结果表明,分层光束平差法在计算位姿时具有较高的精度,在视觉定位方法中应用本算法能够减少定位误差。