近年来随着移动互联网的迅猛发展以及人们对位置服务的需求增多,室内定位技术成为了国内外各大科研机构争相研究的重点课题。室内定位技术亟待应用于商场、地下停车场等消费场所,以方便人们的室内活动,此外以室内定位技术为基础的室内导航技术还可应用于机场、医院等对公共安全要求较高的场所。但由于室内无法接收GPS信号,因此目前尚未存在准确可靠的室内定位系统。本文首先提出基于MAC地址的WiFi定位算法,在离线阶段利用Android手机在WiFi采样点处获取无线AP(Access Point)的MAC地址,生成包含WiFi指纹与WiFi采样点坐标的WiFi指纹数据库,在线阶段利用Android手机采集待定位点的实测指纹,通过指纹匹配算法与KNN算法得到指纹数据库中与实测指纹匹配度较高的k个指纹,进而得到WiFi定位范围及定位坐标。其次本文提出基于门牌标志的快速视觉定位算法,在离线阶段采集定位区域内的所有门牌图片,生成训练图像集,将其与标志采样点坐标共同构成视觉定位数据库,并且计算出训练图像的SURF(Speeded-Up Robust Feature)与ORB(Oriented FAST and Rotated BRIEF)全局特征描述符,通过提取训练图像的SURF与ORB全局特征,极大地提高了计算速度。在线阶段利用图像特征匹配算法与KNN算法在训练图像集中得到与被测试图像相匹配的训练图像,即匹配图像,然后查询视觉定位数据库得到视觉定位坐标。在视觉定位阶段,本文还将二维码作为视觉标志进行了定位实验,二维码图片制作成本低、布署灵活、用户识读方便,可实现精准定位,定位精度接近100%,在WiFi信号较少或允许部署二维码的室内环境中有明显的技术优势。最后考虑到基于MAC地址的WiFi定位与基于门牌标志的视觉定位各自的优缺点,在得到WiFi定位坐标与视觉定位坐标后可以进行融合定位,在WiFi粗定位的基础上加入视觉定位,避免了传统视觉定位中由于误匹配产生的较大误差,有效地提高了定位精度与鲁棒性。实验中选取了3个不同的室内环境对本文算法进行验证,分别为7200平米的商场、24000平米的行政楼和5800平米的大学生活动中心。实验结果表明,本文融合算法的平均定位误差是0.7m,能够有效地实现高精度的室内定位。