基于位置的服务已成为当今智能移动终端应用程序的重要组成部分,并为人们带来了全新的用户体验。然而,大多数智能移动终端配备的位置服务借助于全球定位系统仅限于在室外使用,无法很好地适应室内环境。因此,在这种情况下,提出了各种各样的室内定位技术,例如射频识别、Wi Fi、超宽带等等。然而,这些方法均具有一定的缺陷,如很难独立于外部基础设施,且受环境因素的影响较大。此外,定位成本高也是制约室内定位技术发展的重要因素。现有技术的替代方案是使用智能移动终端摄像头进行视觉室内定位,该技术能够以低成本实现高精度的室内定位。同时,图像中包含了丰富的颜色、纹理、形状等信息,这在一定程度上使得视觉室内定位能够为用户提供更好的可视化服务。而在众多视觉室内定位系统中,单目视觉室内定位系统因其具有结构简单、性价比高且计算量小等独特的优势,在近年来受到了国内外学者的广泛关注。单目视觉室内定位可以实现低成本高精度的定位,并完成位置空间映射,其有助于室内定位与导航技术的推广。但总体来说,基于单目视觉的室内定位系统还面临着如下几个问题有待解决。首先,在线阶段用户通过智能移动终端进行查询图像采集时,由于相机抖动或成像目标运动等原因会导致获取的图像存在模糊,这将对图像特征的提取与匹配造成较大影响;其次,遍历式的图像检索方法时间开销较大,同时仅采用基于内容的图像检索算法无法有效区分较复杂的室内场景;最后,由于基于单目视觉的室内定位系统无法获取深度信息,因此存在尺度歧义问题,更重要的是,查询相机位置估计过程中的累积误差问题没有有效的解决方法。因此,本文从单目视觉室内定位系统的实际应用需求出发,分别研究了图像去模糊算法、图像检索算法和查询相机位置估计算法。本文的具体研究内容如下:第一,针对模糊图像对高层语义分析造成的严重影响,以及从模糊图像无法获取高质量的图像特征进而导致特征匹配准确率较低的问题,本文提出了一种用于视觉室内定位的基于深度多块网络的图像去模糊算法。该算法采用端到端的方式直接获取去模糊图像,这样可以有效避免由于模糊核的不准确估计导致去模糊性能较差的问题。同时,在该算法中,针对网络模型参数量较大的问题,还建立了一种各级编码器/解码器对之间的权重选择共享模型,这样可以有效降低图像去模糊算法的时间开销,同时又可以获得更多的局部视觉信息用于视觉室内定位。通过仿真实验证明,相比于现有的基于卷积神经网络的图像去模糊算法,本文算法可以更加有效地复原模糊图像并获取更多的局部信息,这样则可以从去模糊图像提取更多的图像特征,进而有效降低图像模糊对定位精度的影响。第二,针对离线数据库中图像数量过多导致在线阶段图像检索时间开销较大的问题,本文提出了一种基于语义和内容的图像检索算法。在离线阶段,本文选择室内常见的且有代表性的基础设施作为语义,其可以在一定程度上避免由室内环境变化导致的图像检索准确率下降。接下来,本文对采集的图像进行语义提取和分类,以建立基于语义的离线数据库。在线阶段,为了提高图像检索的效率,本文提出将基于语义的粗检索和基于内容的精检索相结合。对于用户输入的查询图像,同样进行语义特征提出,并将其与语义数据库进行匹配,这样则可以确定查询图像的初始检索区域。在精检索的过程中,采用流行排序计算查询图像与数据库图像之间的相似性以获得最优匹配图像。仿真实验表明,相比于基于内容的图像检索算法,本文算法可以极大地提高图像检索的效率。第三,针对单目视觉室内定位中的尺度歧义和累积误差问题,本文提出了一种基于漂移检测的单目相机位置估计算法。由于单目相机具有尺度不确定性,因此无法获得查询相机的绝对位置,针对这一问题,本文采用IMU信息来补偿视觉信息以解决尺度歧义问题。此外,本文结合了查询相机的绝对位置估计和相对位置估计以降低视觉室内定位的时间开销。对于相对位置估计中的累积误差问题,本文提出了基于MAPSAC的位置漂移检测算法以实现对相机位置漂移的实时监测,并适时地对相机位置进行修正。仿真实验表明,本文提出的尺度估计算法可以获得查询相机的精确位置,同时位置漂移检测算法可以有效解决视觉室内定位过程中的累积误差问题以保障视觉室内定位的精度。