随着科技的发展，人们对室内定位的需求越来越高，室内定位技术逐渐成为学者们的研究热点。室内环境比较复杂，在定位的过程中信号容易受到障碍物（人员、物品、墙壁等）的影响，所以本课题采用不受障碍物影响的视觉定位方法。本课题对基于单目视觉序列图像的定位进行了研究，提出了基于MIC-SURF算法的室内视觉定位方法，主要工作如下:　　(1)对国内外的室内定位及视觉定位进行了分析总结，指出了本课题研究的必要性。　　(2)对常用的特征点提取算法:SIFT算法、SURF算法和MIC算法进行了介绍，并编写上位机界面程序对它们的性能进行了对比实验。　　(3)在对MIC算法分析的基础上对其进行了改进:首先对图像进行自适应平滑滤波，然后在图像的非平坦区域运用8邻域像素相似法检测需要的几何角点。实验证明改进后提高了算法的实时性和精确性。　　(4)结合改进的MIC算法和SURF算法提出本文的MIC-SURF算法，并与SURF算法、SUSAN-SURF算法进行了性能对比实验，验证了本文算法的有效性。　　(5)为了进一步提高算法的实时性，减少计算量，本课题通过采用Kalman滤波算法预先估计出两幅待匹配图像的重叠区域，只对重叠区域进行图像特征点的提取和匹配，提高了算法的实时性。　　(6)采用六参数仿射模型对序列图像进行运动估计，计算出移动目标的相对位移和方向，并进行了不同地面适应性实验。　　(7)搭建了基于视觉定位的硬件和软件平台，软件采用C++语言在VS2008上编程实现，实验证明该方法较好的满足了室内视觉定位的要求。