视觉定位技术已被广泛应用于人工智能领域,现几乎已成为移动机器人不可或缺的功能之一。而移动机器人在室内场景的视觉定位研究属于重要研究方向之一。其中室内环境常见的光照变化以及纹理丰富度减弱均容易对移动机器人的视觉定位造成影响,故本文针对室内场景中出现的光照变化和弱纹理环境进行了研究与分析,基于单目相机提出了一套针对室内场景变化的纯视觉定位方案,在维持一定精度的同时提高了视觉定位在光照变化与弱纹理环境下的鲁棒性。除此之外提出了基于地图的紧融合定位算法,有效地限制了累积误差的增长。对于以上内容本文的主要研究工作如下:1、基于直接法与间接法的视觉定位算法。从直接法与间接法的优缺点出发,分析探讨了其在弱纹理环境、光照变化环境下的鲁棒性与定位精度。在此基础上提炼两种方法的优势融合构建了两者混合的视觉里程计。本文分别提取了梯度明显的像素特征和高区分度的角点特征,并分别针对两种特征构建了特征点在图像间的极线搜索匹配与深度收敛优化,保障算法效率的同时尽可能地使特征点恢复出深度信息。最后对像素特征构建光度匹配建立光度误差,对角点构建描述符匹配建立重投影误差来对位姿和地图点深度进行非线性优化。通过对Euroc数据集与IROS数据集进行测试,验证了算法在弱纹理与轻微光度变化环境下的有效性。2、在线图像光度矫正算法。针对光度剧烈变化的场景中本文视觉定位算法出现的尺度变化甚至失效情况进行了研究与分析,通过对相机成像过程,构建了相机的响应函数模型与渐晕模型。通过对图像特征点在连续帧上进行LK光流跟踪的方式采样得到图像间的空间位置匹配与光度变化情况,建立了关于响应函数,渐晕因子,曝光时间以及场景辐照的能量函数,并利用非线性优化求解。该算法在线地将图像光度矫正为局部一致,有效地削弱了光度剧烈变化对本文视觉定位算法的影响。3、基于地图的视觉定位算法。SLAM系统在长时间、长距离的运行过程中存在的误差累积的情况。因此本文从实际应用出发,提出了基于视觉地图定位的算法。算法利用DBOW地图与图像的特征描述符建立了相同的索引,并有效利用该方式对地图进行高效检索与匹配,建立基于地图的重定位。此外,本文提出了基于SLAM过程中的定位位姿来对局部定位地图进行预测方法,并将成功匹配后的地图点重新投影到SLAM系统的滑窗优化中,建立了基于地图的紧融合定位算法。并通过实际的测试验证了算法的有效性。