基于图像的定位算法作为一门融合计算机视觉、机器学习、多视图几何、图像检索等众多科研领域的交叉性学科技术,在机器人导航定位、现实增强、三维重建、地标识别等领域有着关阔的应用前景和巨大的研究价值。基于图像的定位技术也是高层次图像处理任务不可缺少的组成部分,其典型应用包括图像中物体的语义标注、通过提供相机初始姿态加速大规模SFM模型重建等。本文在阐述相机模型、PNP算法、RANSAC算法、SFM算法、CNN理论、传统VLAD算法的基础上,总结归纳了基于图像检索、基于特征匹配和基于逻辑回归三大主流图像定位算法的优缺点,并提出了基于VLAD-CNN图像检索的定位算法。本文的研究内容和主要工作如下:(1)在对现有算法和理论深入理解的基础上,实现了 SPTR-RANSAC算法、P4Pf算法。从包含噪声数据的2D-3D匹配关系中,利用融合P4Pf的SPTR-RANSAC算法可快速、有效的求解待定位图像的6-DOF。(2)针对图像检索过程中,实时构建k-d树搜索结构容易造成算法效率低下的问题,本文实现了 GPU版本的KNN(K Nearest Neighborhood)算法,用于加速邻近点的查找。通过GPU强大的并行执行能力减少特征匹配所需时间,提高基于图像检索定位算法的效率。(3)针对传统图像检索定位算法的不足,本文提出了基于VLAD-CNN的图像定位算法,并详细论述了 NetVLAD网络层基本原理,介绍了 VLAD-CNN网络的基本结构、基于SFM模型的自动样本标定方法和训练过程中采用的损失函数。通过与现有主流算法在公共数据库上的对比实验,验证基于VLAD-CNN图像检索定位算法的合理性和有效性。