视觉位置识别是指移动无人系统根据自身视觉传感器的信息,与地图环境的先验视觉信息进行匹配,从而判断自身位置的过程。面向大规模复杂场景的位置识别是移动无人系统自主定位与导航的重要研究内容。图像是应用最为广泛的视觉数据,具有丰富的纹理信息,但是因为缺乏绝对尺度,基于单一图像的位置识别容易产生歧义的结果。随着三维视觉传感器的发展,具有几何信息的三维点云成为近两年位置识别研究的新热点,然而点云数据处理难度大且对场景结构性变化敏感,基于点云的位置识别还处于起步阶段仍有很大的提升空间。本文根据图像与点云的特性,研究基于三维视觉信息的复杂场景位置识别技术,取得优于现有方法的识别效果。本文主要研究贡献如下:首先,基于卷积神经网络与非局部操作构建一个新的图像特征提取网络,并以此设计基于图像序列的位置识别方法。在多组对照实验中,本文的网络模型与开源模型Image Net和Place Net相比性能均取得显著提升,提取的图像特征对光照与视角变化具有更强的鲁棒性;本文提出的序列位置识别算法的精确率与现有算法Seq SLAM相比平均提升了约10%,另外通过实验也验证了基于图像序列的识别效果远远超出基于单一图像的方法。其次,基于现有网络Point Net通过上下文信息融合的方式设计新的点云特征提取网络,并结合特征聚合方法构造一个基于点云的端到端位置识别网络模型。本文设计的点云特征提取网络与Point Net相比可以获得更具区分性的特征,在位置识别任务中平均召回率提升了约1.5个百分点;本文提出的端到端位置识别网络模型比现有算法Point Net VLAD提升了约2.7个百分点。最后,针对多传感器移动无人系统,提出一种先图像检索、后点云匹配的分层三维视觉位置识别策略。将图像与点云这两种视觉信息进行结合,通过多帧图像检索为点云匹配提供可靠的候选位置,与本文纯点云的方法相比平均召回率提升了约10%,与Point Net VLAD相比提升了约12%,为基于三维视觉信息的位置识别提供了新的研究思路。