虚拟现实（Virtual Reality,VR）作为一种全新的视觉显示技术,通过头戴式显示器（Head-Mounted Display,HMD）等设备能够使用户沉浸于虚拟的立体环境中,为人们带来了新的视觉体验,满足了人们对新型信息展现方式的要求,逐渐成为计算机图形学、计算机视觉、运动感知等领域的重要研究课题。然而,VR显示设备在带给用户立体信息的同时,常常会引起用户视觉不适,这种视觉不适现象严重制约了VR的发展,因此开展关于视觉不适的研究具有重要的意义。本文针对VR系统无法准确定位而引起的视觉不适问题展开研究,致力于构建视觉不适预测（Visual Discomfort Prediction,VDP）模型预测用户观看立体图像时的视觉不适程度并评估引起虚拟空间定位不准的深度差异对视觉不适的影响,同时研究虚拟空间以及真实物理空间的定位算法,提高相关定位算法的准确性,为缓解视觉不适和实现友好的人机交互提供理论支持。包括以下几个研究内容:（1）研究基于图像特征的VDP模型。首先结合视觉注意力机制,设计并提取了场景结构特征和深度差异特征,并以此构建了基于场景结构和深度差异的VDP模型,该模型在预测视觉不适得分的同时能够客观评估深度差异对视觉不适的影响。然后,为了更准确的预测视觉不适得分,提出了基于双路径特征融合的多任务VDP（Two-path Feature Fusion and Multi-task Visual Discomfort Prediction,TFM-VDP）模型。该模型受人类视觉系统（Human Visual System,HVS）特征整合机制的启发,构造了双路径特征融合结构,以此挖掘更多与视觉不适相关的图像信息表征人类的视觉不适感知。并且采用多任务学习的方式,同时考虑不适等级分类任务和不适得分回归任务,通过预测不适等级类别引导不适得分预测,进一步提高模型的预测性能。实验结果表明所提TFM-VDP模型与现有VDP模型相比预测效果更好。（2）针对用户的感知深度和VR系统设定深度不一致导致虚拟空间定位不准的问题,提出了一种基于HVS深度感知的定位方法,准确定位用户视觉系统感知的自身在虚拟空间中的位置。所提方法采用视线跟踪算法建立用户的深度感知模型,获得HVS的感知深度。之后利用感知深度构建相对于人眼的内参矩阵,与相机的内参矩阵结合,在没有标记目标以获得设定深度的虚拟空间中,自适应地获得VR系统的设定深度,从而得到感知深度和设定深度的差异,最终依据深度差异正确获得用户感知的自身位置。此外,在视线跟踪丢失时,结合视线跟踪未丢失前感知的深度信息和视线注视点局部区域图像信息,加权计算局部图像区域对应的深度差值,从而在视线跟踪丢失后利用局部图像区域的深度差值仍能获得用户感知的自身位置。充足的主观视觉不适实验表明依据所提方法而改进的VR系统能够有效缓解视觉不适。（3）针对视觉同步定位与建图（Simultaneous Localization and Mapping,SLAM）方法在具有重复或相似纹理的复杂真实物理空间中定位不准的问题,提出了一种采用长距离特征描述和语义块优化（Long Distance Features Description and Semantic Block Optimization,LDFD-SBO）的定位方法,准确定位用户在真实物理空间中的位姿（包括位置及姿态）。LDFD-SBO方法在视觉SLAM的特征匹配环节,通过捕获图像特征点十字交叉路径上的长距离像素信息,生成具有长距离依赖关系的特征描述子（Long Distance Features Description,LDFD）,该描述子增强了相似或重复区域特征点的可区分性,能够减少特征的误匹配。同时,在视觉SLAM的位姿优化环节,LDFD-SBO方法以图像上不同语义类别的区域块为单位,采用互信息理论自适应地获得不同类别语义块区域内特征点与位姿估计的相关度,通过更关注相关度大的语义块区域内的特征点,避免了对图像特征点无差别处理造成的定位失败。实验结果展示了所提算法的优良性能。