精确的室内定位由于其广泛的应用价值备受研究者的关注,它在室内导航定位、机器人技术以及增强现实技术有着广泛的应用价值。这些应用可以利用提前建立的室内模型和视觉定位技术来实现。但是室内定位目前存在以下挑战,一是环境中缺乏明显的纹理,很多场景特征点缺少或不足;二是场景建模的数据量大以及计算量大,难以用于大规模场景的定位;三是系统复杂,对数据和设备的要求高,同时也导致系统成本高。针对这些问题,本文从多层级特征建模与定位以及无监督多层级定位框架设计进行了研究,文章主要工作和研究成果包括以下几个方面:（1）本文提出了一种基于空间垂直线和垂直面的多层级特征混合建模方法。该方法能够检测并投影3D空间中的垂直平面以生成空间垂直平面模型,并在平面模型的基础上,对一些显著存在的空间垂直线进行检测和定位,进而建立多层级特征混合模型。在垂直线模型建立过程中,使用了改进的动态时间规整（Dynamic Time Warping,DTW）算法用于同名直线的匹配,并配合卡尔曼滤波跟踪检测到的同名垂直线,算法复杂度低,计算速度快。建立的室内混合模型具有轻量级特征并能够用于室内定位。（2）本文设计了一种能够用于提取图像全局特征的变分自编码器（Variational Auto Encoder,VAE）网络模型,它能在没有数据标签的情况下有效的学习图像的信息,并编码到隐含向量中用于图像检索。为了避免VAE的KL（Kullback-Leibler）散度消失情况发生,也称为后验坍塌（posterior collapse）,在训练过程中使用了KL退火以及自由位（free bits）相结合的策略进行网络的训练。本文提出的方案能够避免图像检索任务中的数据标注,极大的节省人工成本和维护成本。（3）针对室内定位方法系统复杂、定位精度低、难以用于大规模场景的不足,本文提出了一种无监督的多层级室内定位框架,该框架仅利用RGB图像进行建模和定位,大大降低了定位系统对数据需求。定位准备阶段,该定位框架利用VAE模型提取图像的全局特征,同时利用Sf M（Structure from Motion）提取图像中的局部特征构建出场景的3D模型。在定位过程中,将使用图像的全局特征用于地图级别的图像检索,以获得候选图像完成粗略定位,再计算查询图像和候选图像之间的局部特征点匹配关系,根据2D-3D匹配估计相机位姿。该定位框架能够系统简单易实施,能够用于大规模室内场景下的高效高精度定位。