近年来,随着无线通信技术的迅猛发展,用户对位置服务的需求也在不断增长。通过智能移动终端获取位置信息并为生活提供帮助,已经成为当下人们生活中不可或缺的一部分。基于位置信息的应用服务已经逐渐渗透到了生活中的各个领域,并表现出了良好的市场前景。然而,目前室内场景中的定位服务仍处于研究和开发阶段,大规模投入商业运营的室内定位系统并不多。定位精度较低以及定位成本较高是制约室内定位技术发展的主要原因。室内场景中的视觉定位由于其自身的技术特点,在实际应用中表现出了较高的定位精度和较低的定位成本,因此,近年来受到了越来越多的关注。通过分析视觉定位技术的国内外研究现状可知,已有的室内视觉定位系统存在以下几个问题:首先,视觉定位算法对三维稠密地图的精度要求较高,而目前并没有针对视觉定位需求而提出的高精度三维稠密地图创建算法;其次,在视觉定位过程中,利用已有算法进行数据库图像检索时,由于这些检索算法并没有针对数据库图像的特点进行优化和改进,因此,图像检索效率较低,图像检索的时间开销较大;最后,虽然可以通过不同的方法解决单目视觉定位中的尺度歧义问题,但是,这些方法在确定尺度系数的过程中,并没有充分考虑相机位置关系对尺度估计的影响。更重要的是,目前没有效的手段可以解决视觉定位过程中的累积误差问题。针对上述问题,本文的研究内容主要集中于以下三个方面:第一,针对三维稠密地图创建精度偏低的问题,本文提出了基于多源数据约束的三维稠密地图创建算法。在室内三维稠密地图创建中,为了使地图创建算法适用于不同的室内环境,本文算法利用二维点云、三维点云和视觉特征,并通过多维迭代最近点方法进行三维稠密地图的创建。同时,利用图像点优化函数和空间点优化函数将地图优化问题转化为多目标优化问题,并通过第二代非支配排序遗传算法对优化问题求取帕累托最优解,从而实现了三维稠密地图的局部优化。此外,本文算法还利用多源数据实现了相机轨迹的闭环检测,并在此基础上完成了地图的全局优化。与现有的地图创建算法相比,利用本文算法创建的三维稠密地图在相机位置精度方面和地图精度方面具有明显优势,即使在视觉特征密度较低的室内场景中,本文算法也表现出了良好的建图性能。第二,针对室内定位系统中图像检索时间开销过大的问题,本文提出了面向视觉定位的图像分层聚类检索算法。该算法首先在离线阶段对数据库图像进行分层聚类,然后,查询图像根据聚类结果对数据库图像进行分层检索。在同一场景中,数据库图像的视觉特征具有较高的相关性。因此,根据数据库图像的这一特点,本文提出了基于全局特征变点检测的图像聚类方法以及基于局部特征跟踪的图像聚类方法,并在此基础上构造了用于图像检索的搜索树,从而实现了查询图像对数据库图像的分层检索。此外,本文从理论上分析了分层图像检索算法的时间开销,并通过仿真实验证明了利用本文算法对数据库图像进行分层聚类后,图像检索效率明显提高。相比单层图像聚类检索算法以及其他多层图像聚类检索算法,本文算法在检索图像数目上具有明显优势。第三,针对单目相机位置估计中的尺度歧义和累积误差问题,本文提出了基于漂移检测的单目相机位置估计算法。该算法以室内三维稠密地图为基础,并充分考虑相机间相对位置关系对尺度估计的影响,提出了基于加权最小二乘的视觉定位尺度估计方法。此外,该算法中还提出了基于地图交互的相机位置漂移检测方法。该方法以相机与地图之间的信息交互为基础,通过线模型随机采样最大似然估计算法对相机的累积位置误差进行计算,从而实现了对相机的位置漂移检测。本文分析了相机绝对位置估计算法中可能存在的异常值,并给出了基于肖维勒准则的异常值剔除方法。此外,本文从理论上对相机位置估计算法的不确定度进行了分析。仿真实验结果表明,本文提出的尺度估计算法有助于提高相机的绝对位置估计精度,漂移检测算法可以实现对相机累积位置误差的估计,通过适时地切换定位方式,可以有效解决定视觉定位中的累积误差问题。