科技时代的不断发展，使得人们对于室内定位的需求也在不断地提高。视觉定位作为一种室内定位的方式，不受室内复杂环境的影响，只凭借视觉传感器来获取图像信息，以特征匹配为手段，估计出位移信息，从而实现定位。这种精度可高达厘米级的技术，逐渐被人们所关注。本文主要研究一种基于图像特征匹配的室内视觉定位方法。为实现室内的视觉定位方法，本文的主要工作如下：1、对SIFT、SURF和SUSAN这三种主流的特征提取和匹配算法进行了性能对比实验，验证了SUSAN算法的精确性和SURF算法的快速性。2、根据视觉定位的需求，对SUSAN算法在精确性上进行了改进：采用像素投影法来检测特征点，降低了漏检率，提高了算法在提取特征点方面的精确性。并通过实验，与原算法对比验证了改进后算法的有效性。3、对SURF算法的实时性进行了改进：针对原SURF算法在匹配过程中较为费时的问题，本文采用K最邻近节点算法KNN，提高算法的匹配效率，降低了时间复杂度。通过实验与原算法对比，验证了改进后SURF算法的可行性。4、结合SUSAN轮廓信息强的优点和SURF快速性的优点提出了一种SUSAN-SURF算法，编写程序并调试成功，通过实验验证了该算法良好的实时性、精确性以及适应性。5、为提高精确性，进一步对SUSAN-SURF算法进行优化，加入RANSAC矩阵对错误的匹配点对进行剔除，实验证明获得了良好的特征点匹配效果。6、为了进一步增加运动估计的实时性，采用常规卡尔曼滤波来预测重叠区域，只在重叠区域进行特征点的提取与匹配，减少了计算量，增加了运动估计的实时性。7、开发了室内视觉定位系统并完成了实验验证。通过搭建软件和硬件结合的平台，对本文方法进行了实验，实验结果表明，该方法可以很好的应用于室内的视觉定位中。