随着智能手机性能与普及率的不断提升，基于位置的服务需求与日俱增，实时并准确定位和跟踪室内外人员的能力变得越来越重要。然而，能够提供准确室外定位的全球定位系统在室内多数情况下无法定位，因此近年来室内精确定位成为受到广泛关注的研究热点。通过智能手机与基础设施(Wi-Fi、蓝牙节点等)互动能够为室内行人提供较为准确的定位，但布局设施对于个人用户成本较高，且无法应用于未知环境。基于惯性的定位系统无需基础设施辅助，但存在惯性传感器固有的误差累积问题。
　　本研究以智能手机为平台，结合航向滤波器与图像闭环检测器，设计了当目标环境无基础设施或先验信息辅助时，应用于室内的实时行人定位系统。该系统精度高、可靠性强，针对长达207米的行走轨迹，系统的平均定位误差仅为0.83米，无需Wi-Fi、蓝牙节点布局，也不需要针对目标环境建立地图或图像数据库。
　　针对该系统的行人航向估计，本文提出了混合航向滤波方法，利用信息滤波器与互补滤波器的优势，融合智能手机平台的惯性传感器与视觉传感器信息，提升行人行进方向估计的长期稳定性。实验结果表明，在总体转向1800度后，该方法的平均航向估计误差仅为3.09度。
　　由于航向滤波无法消除内部惯性导航的误差累积，因此为了通过外部图像匹配信息进一步校正定位路径，本文提出了两种面向移动平台加速的闭环检测方法：网格闭环检测与高速闭环检测。网格闭环检测分块匹配图像的词袋模型，并引入平均纹理相似性与空间相似性两个概念，结合时间连续性得到快速、准确的闭环检测结果；高速闭环检测融合灰度直方图与全局特征描述，利用局部敏感哈希方法索引并搜寻闭环图片的最佳候选，占用系统资源少。两种闭环检测方法的运行速度在移动平台上均比现有开源方法快三倍以上，高于每秒30帧。
　　面向移动平台加速的闭环检测准确度有限，难以与近年来复杂的高精度闭环检测方法相比拟。因此在前述研究基础之上，本文进一步结合深度神经网络提出了并行闭环搜索与深度验证算法架构，利用有限状态机结合闭环时间连续性控制并行架构的前后端，极大提升闭环检测的准确度。在桌面平台上，与近年来高精度闭环检测算法相比，本文所提出的框架在经典数据集中的平均检测准确度更高，运行速度更快，高于每秒80帧。