近年来,随着商场、车站、展览馆等场所建筑规模的不断增大,人们对室内位置服务的需求也越来越迫切。由于卫星导航系统无法在室内使用,因此研究人员开始寻求其它定位方法实现室内的位置导航服务。目前室内定位技术主要包括:红外、蓝牙、超声波、Wi-Fi、超宽带等,但是由于室内建筑格局各不相同,环境复杂多变,且存在多种不同类型的噪声干扰,因此现有的室内定位方法仍然存在精度较低、稳定性不高等问题,限制了室内位置服务的推广与应用。基于视觉的定位方法具有定位精度高,能够提供丰富的场景信息且价格便宜、携带方便等优势,逐渐成为了室内定位技术研究的热点。本课题针对目前的视觉定位方案中存在的定位结果稳定性不高,易受噪声干扰等问题展开研究,在总结分析国内外现有的视觉定位技术的基础上,将场景识别分类过程加入到视觉定位系统中,提出一种新的视觉定位方案。本课题的研究内容主要分为以下两个方面:(1)利用卷积神经网络完成室内场景的识别分类。面对越来越复杂的场景识别分类问题,传统的场景分类方法逐渐表现出局限性。卷积神经网络能够从大量的样本图像中学习到图像的深层特性,在图像的识别分类领域表现出显著的优势。本文采用AlexNet网络结构,利用正负样本进行网络训练,实现了室内场景的识别分类,并取得较高的分类准确率。(2)提出一种结合空间参考点不确定性的相机位姿计算方法。实验分为两部分,分别采用模拟数据和真实场景数据,并与传统的RPnP、EPnP和CEPPnP算法进行对比分析,实验结果表明本文提出的定位算法具有较高的稳定性,平均误差在0.08m,且70%的点定位误差小于0.1m,90%的点定位误差小于0.2m,最大定位误差为0.3m,达到了室内定位精度的标准。