定位是指无人车等移动机器人准确确定自身位置的能力。准确且鲁棒的定位是移动机器人进行自主导航的前提和不可缺少的部分。为了解决这一问题,GPS、轮式里程计等传统的定位手段被广泛应用。但由于传统定位手段存在的一些缺陷,近年来基于视觉的定位方法得到了迅速的发展。视觉里程计是视觉定位中一种经典的方法,它具有性价比高、环境适应性强的优点。但作为一种航位推算算法,视觉里程计不可避免地存在误差累积的问题。特别是对于无人车等需要在长距离下进行位姿估计的移动机器人,视觉里程计的误差累计问题将变得更为突出,这也将直接影响到视觉里程计更广泛的应用。针对这一问题,本文针对城市环境下的无人车,提出了一种基于路网地图和粒子滤波框架的视觉里程计定位优化方法。为了有效地将车辆轨迹与地图中的各种复杂路段进行匹配,首先提出了一种基于锚点的轨迹表示方法,用以刻画轨迹上的独特的弯曲点。在此基础上,针对轨迹匹配中不确定度较大的问题,基于粒子滤波框架,提出了一种灵活的多位置联合粒子滤波(MPJPF)方法,用于修正视觉里程计位姿估计后产生的累积误差。相比传统方法,本文的方法具有如下特点和优势:(1)只需要相对简单的路网地图,就可以对视觉里程计累积误差进行有效修正;(2)方法具有自适应地联合估计轨迹中一系列锚点位置的能力,并仅在不确定性较低的情况下进行粒子更新,它有效地避免了在不确定性较大的情况下确定当前锚点位置带来的错误;(3)方法计算代价较小,具备一定实时性,适合在无人车上应用。在KITTI数据集和自行采集的10公里长距离数据集上进行了实验,并与其他同类算法进行了比较。实验证明,本文的方法能很好地修正视觉里程计的误差累计问题,并在准确性、鲁棒性等方面都具有优越性。