随着科学技术的飞速发展,人们对位置服务的需求越来越大。在可以为用户提供位置服务的通信系统中,位置信息的精确获取一直是关键因素,并且已经成为了该领域的一个研究热点。在室内场景中,由建筑物等因素对GPS信号的屏蔽效应,会导致GPS等信号在室内环境中难以获取。因此,近年来研究人员提出一种基于视觉的室内定位方法。视觉定位方法由于其部署成本较低,并且具有丰富信息的特点获得广泛关注。本文对视觉室内定位系统的研究目的意义、其相关技术的国内外研究现状进行分析,对视觉定位等相关理论进行分析研究,完成了以下研究内容:针对现有视觉室内定位在线阶段图像匹配阶段耗时较长的问题,提出了一种基于有监督学习的快速图像检索算法。实验结果表明,在数据库中图像数量较多时,本文提出的算法,与传统算法和其他算法相比,在保证图像检索准确率的基础上有效的降低了时间消耗。由于数据库中存储的图像信息量越大越有利于提高定位精度,然而过大的数据库会引起图像检索阶段耗时较长的问题。因此,本文根据定位环境中的视觉特征,对定位环境进行分类。在离线阶段,采用SVM算法对数据库中图像进行有监督训练,得到分类器用于在线阶段的图像匹配中,以提高系统的时间性能。针对图像误匹配点剔除阶段所使用的RANSAC算法迭代次数较高、计算量较大和耗时较长的问题,提出了一种改进的RANSAC求解算法。实验结果证明,本文提出的改进RANSAC算法能够显著加快误匹配剔除阶段RANSAC算法的效率,降低了计算复杂度并减少了算法所需时间。由于使用原始RANSAC算法对样本进行模型估计时需要随机选取样本,当随机选取得到的样本不全为内点时,则需要重新选取样本,导致RANSAC算法迭代次数多,耗时长。因此,在改进算法中引入衡量因子η,衡量因子η的大小可以反映出一对匹配点是内点的可能性大小。在取样时优先选取衡量因子值比较高的点为样本,从而减少了取样迭代次数与时间消耗。将本文算法应用于室内定位环境中进行算法性能测试,测试结果表明本文提出的算法可以提高用户输入的查询图像的检索与误匹配特征点剔除阶段的效率,在保证定位精度的同时,大幅减少定位系统的时间消耗。