近年来,视觉定位是一种备受关注的自主导航方式,这种利用视觉图像实现对自身位姿确定的定位方式已经在室内定位、自动驾驶和机器人等领域中有十分广泛的应用。目前常见的视觉定位的基本流程主要包括特征提取、匹配及运动估计等步骤,其中,常见的特征提取是提取图像的角点特征,如SIFT特征点、ORB特征点。然而这种像素级的角点特征缺乏对场景的理解,已经越来越无法满足环境感知和与复杂环境交互的现实需求,语义特征作为一种更加抽象的特征,能更好的实现对周围环境的表达。此外,在目前常见的导航地图中,很难存储视觉SLAM中特征点的点云,因此,这种基于角点特征的视觉定位很难利用常见导航地图。本文提出一种采用语义特征的视觉定位方法,通过提取图像中的语义特征实现位姿的确定。本文的主要工作包含以下三个方面:(1)研究了采用语义特征的视觉定位方法。区别于传统的基于局部特征点的视觉定位,引入语义特征可以克服特征点的一些缺点,提高了对周围环境更抽象的识别能力,丰富了视觉定位中图像特征的多样性。(2)针对图像中语义特征位置确定问题,提出并实现了一套提取语义特征并恢复其几何模型的方法。为了更加高效准确的实现语义特征的提取,本文采用深度学习的方法对图像进行目标检测,在经过大量数据对所需语义进行训练后,神经网络能够准确的检测出图像中的目标。此外,本文结合多视图几何和点云的处理方法,实现了将图像中语义特征恢复出几何模型。(3)针对语义特征的匹配定位问题,提出了一种适用的匹配定位方法。基于已经确定出位置的语义特征和已知的地图,本文在传统的点云匹配的思想上,实现了带有语义的点的匹配定位方法。