在复杂的室内环境中获得精确鲁棒的位置信息一直是定位领域的研究热点,随着微电子机械技术的发展,利用惯性传感器信息进行航位推算的室内定位技术因其自身较高的精确性、鲁棒性和不需要部署外部辅助设施的便捷性而逐渐成为室内定位领域的热门研究课题。行人航位推算是利用惯性传感器的输出信息对行人位置进行估算的一种自主相对定位算法,通过对行人进行步态检测、步长估计和航向计算来确定行人的相对位置变化量。然而,由于惯性传感器件存在自身累积误差,行人航位推算法在长时间连续进行位置估算时定位误差也会越来越大,并且传统行人航位推算技术只能在同一平面内进行位置更新,无法解决三维空间中的定位问题,在实际应用中具有明显的局限性。视觉位置识别作为一种图像检索技术,其实现同样不依赖外部设备部署,可以很好地用于解决行人航位推算存在累积误差和缺乏三维定位能力的问题。本文深入研究了行人航位推算算法,在专门的室内场景数据集上构建并训练了视觉位置识别神经网络,提出了视觉位置识别辅助下的行人航位推算算法,并在实际室内场景中进行了和传统行人航位推算算法的对比实验。本文提出的融合方法的定位误差约为行进路程的0.68%,与行人航位推算相比取得了57.7%的定位精度提升,并且融合方法能够成功应对类似上下楼梯这种行人空间位置变化的情况。