随着科学技术的飞速发展，定位技术和人们的日常生活越来越紧密地联系在了一起，从无人驾驶到GPS，定位技术在许多行业中都扮演着极为重要的绝色。当我们把最新的机器智能领域中的研究成果和传统的定位技术相结合，并且把图像作为重要元素引入系统后，一种全新的定位方式随之产生。因为这样的系统运行方式更贴近人类的思维方式，所以我们把它叫做基于图像的位置感知系统，这也将成为定位技术研究中一个新的亮点。 基于图像的位置感知系统涉及两大关键技术：导航与定位技术和图像检索技术。导航与定位技术来源于移动机器人的行动需求，在全面地介绍和分析了导航和定位技术的相关原理和最新研究成果的基础上，我们着重指出了自主发育机器人的研究将为导航和定位技术提供更加便利和可靠的解决方案；作为另一个重要的理论基础，图像检索技术是当今计算机界最热门的研究领域之一，文章首先对基于图像内容的检索做了简要介绍，然后从特征提取、相关反馈和特征选择的角度深入分析了基于图像内容检索的实现方法和相关技术细节。 基于图像的位置感知系统由图像采集、数据传输、信息处理、数据查询、查询分析和数据库六大模块组成，其中数据查询模块作为整个系统的核心，担负着分类和检索的重要任务，它由场景发现和注意力选择两个子模块并行构成。在以复旦大学邯郸校区作为实验场景的实验系统中，基于图像的位置感知系统可以顺利完成各种学习和感知任务。 在图像的分类和检索中，以前的层次判别回归方法把分类和回归统一成回归问题，在每个内部节点进行输入和输出空间的双聚类，输入空间的分类子空间可以自动从聚类中获得，再用层次概率分布模型计算判别子空间，这样就构成了输入空间由粗到精的概率分布，可以准确而且快速地实现高维数据的检索。但是由于图像数据的非线性分布，使得分类边界模糊，从而导致检索结果出现误差，所以本文提出了利用核函数在输入空间先对样本进行核聚类，就能够有效降低非线性分类边界的影响，使得检索结果更加准确。 文章最后总结了基于图像的位置感知系统对于定位技术研究发展的重要意义，也展望了定位系统必将朝着更加智能的方向发展。