定位系统是车辆、飞机、航天器等载体上的重要设备,其中车辆定位系统的应用最为广泛,它能提供高精度的位置信息,已经成为汽车工业技术发展的热点之一,在人们的日常生活中起着越来越重要的作用,同时也广泛应用于军事、交通、地质勘探等领域。在众多车辆定位方法中,基于视觉的车辆定位算法具有不受天气条件的影响、不向外界辐射能量、隐蔽性好和信息量大等优点。随着计算机视觉的发展和视觉传感器在价格和信息量方面的优势,基于视觉的车辆定位系统越来越受到研究者的重视。因此,本文研究的内容是基于计算机视觉的车辆自定位技术。提出了基于自定义视觉路标的车辆自定位方法。本文的主要研究内容和成果如下：首先,本文用SURF算法对图像进行特征提取,得到视觉路标,针对该路标存在的冗余和重复信息,提出了基于角点度量值的视觉路标选择、基于边缘信息的视觉路标选择和基于几何分布的视觉路标选择三个策略,实现了视觉路标的精选择与精匹配。其次,本文对基础矩阵的估计算法进行了比较深入的研究,基础矩阵的估计是基于视觉的目标自定位技术的核心问题,其精度对于本文基于视觉的车辆定位技术有很大的影响。因此,本文提出了基于自定义视觉路标的改进RANSAC算法用于基础矩阵的估计。该算法首先用SURF提取图像特征得到匹配点,并对匹配点用基于角点和几何分布的方法进行精选择,将其用于基础矩阵的估计。再通过RANSAC去除误匹配点,重新用归一化八点算法估计基础矩阵,最后用非线性迭代的办法对结果进行优化。实验结果表明,该新算法得到的基础矩阵的精度较高。再次,针对传统摄像机标定方法需要参照物或者要求摄像机做规定运动等限制,结合本文的车辆自定位算法,用基于遗传算法的摄像机分层自标定的办法实现了摄像机内部参数的标定,然后通过对基础矩阵的归一化和分解,最后得到摄像机的外部参数,进而计算出车辆的位姿。实验结果表明,该方法定位精度较高,鲁棒性较好。最后,基于本文设计的定位算法,实现了车辆在校园建筑物环境下车辆的自定位。实验结果表明本文算法能够快速的得到车辆的定位信息,具有可行性和可靠性。