自主机器人是机器人研究的重点方向，定位和导航是自主机器人研究的核心问题。机器人在执行任务过程中需要确定自身当前位置，根据目标位置和当前位置之间的关系计算如何到达目的地完成任务，其中前者要解决的是自定位问题，后者是导航问题，本文主要研究前者。基于视觉的定位技术还能帮助盲人、视弱以至普通人确定自身位置。 环境模型是定位的基础。基于模型的定位方法包括基于环境三维模型和基于拓扑地图的定位方法。环境三维模型的建模过程非常复杂，特别是在室外的场景中建模可能遇到极大的困难。拓扑定位用图的形式来表示环境模型，其中图中的节点表示环境中的地点，连接节点的边表示地点之间的联系，拓扑定位目的是确定机器人当前的位置与地图中的哪个节点最近，也就是机器人处于哪个地点。本文的研究工作是在拓扑定位的框架下进行的。 在拓扑定位中，需要对定位图像与环境模型中的图像进行匹配计算，确定自身位置。基于视觉的拓扑定位面临的最大困难是环境模型中的图像与定位观察图像的视点不同、光照条件可能发生变化；其次定位系统需要有较高可靠性和效率。本文致力于研究具有较高效率和可靠性、能够在室内和室外工作的基于视觉的全局定位系统。 本文研究的重点是全局定位问题，定位过程中只利用当前感知的信息，不考虑定位历史信息。针对视觉全局定位面临的问题，提出了一些解决方案。本文首先研究了基于图像局部特征匹配的拓扑定位系统。环境建模中使用图像局部特征作为自然路标，采用具有旋转不变和尺度不变特性的Harris-Laplace特征检测器和SIFT特征描述器描述环境，部分解决了视点变化、光照条件变化和局部遮蔽等问题。在此基础上进行了更深入的研究，本文的主要贡献包括： 1.为提高定位系统的效率、保证定位可靠性，提出了层次式由粗到精的定位策略。系统中粗定位效率较高，但准确率低；基于局部特征匹配的精定位效率较低，但准确率较高。粗定位和精定位的结合使用不但提高了系统的效率，同时保证了系统的定位正确率。粗定位借鉴了文本检索技术，在环境图像中局部特征描述中学习得到视觉词汇表，提出视觉词汇的选择方法。建立类似于文本检索系统的环境地点矢量空间模型LVSM(LocationVectorSpaceModel)，环境代表图像由向量描述，通过计算向量之间的关系确定图像相似度。视觉词汇表和环境地点矢量空间模型提高了系统效率。 2.提出了一种新的图像描述方法：梯度方向相邻共生直方图OACH(OrientationAdjacencyCoherenceHistogram)。OACH包含了图像的整体特性，同时保存了一些局部的特性。这种特征在视点变化和光照条件变化的情况下具有一定的鲁棒性，在局部遮蔽存在的情况下也能正确地进行匹配。OACH可以用于粗定位，也可以应用于基于内容的图像检索等领域。 3.研究了结合多种图像特征进行地点识别的方法，提出结合边缘颜色直方图和兴趣点等局部特征描述图像，同时给出了多种图像特征抽取的有效方法。多种图像特征相结合有效地提高了系统的准确率。 4.提出了利用极线几何约束对定位结果进行验证的新途径，同时探讨了利用本质矩阵计算相对位置的方法。讨论了基本矩阵的计算途径，在定位结果不确定的情况下，利用极线几何约束区分正确和错误的匹配点，从而找出正确的地点。此外，全局定位得到机器人在环境中的位置，但是定位结果不包括机器人与环境之间的精确距离和角度，本文通过本质矩阵特征值分解的方法计算相对位置。