视觉定位技术在人工智能中具有广泛应用。例如，在汽车或机器人上安装摄像头，通过计算机对摄像头拍到的图像进行运算分析，进而得出汽车或机器人的当前位置并绘制出行进轨迹，谷歌的自动驾驶汽车就使用了视觉定位作为其定位方法之一。
视觉定位技术的前世今生
20世纪美苏太空争霸时，美国和苏联均向月球发射了探测器，由于遥控存在延迟，所以着陆后的探测工作需要遥控与自动控制相结合，这样定位探测器自身定位工作就显得尤为重要。月球上无法使用GPS信号，探测器行进过程中只能通过安装在轮子上的里程计进行自身的定位，但由于月球表面沙石环境使得探测器难以平稳前进，在行进过程中探测器普遍存在颠簸、打滑的现象，造成里程计定位出现误差。随着火星探测项目的开展，对机器人自身定位精度的要求提升到了新高度。火星距离地球最近时也有5500万千米，地球发送的信号传递过去单程就需要3分钟的时间，而要等到从火星返回来的信号还要再过3分钟，这就要求机器人在大部分时间是自动执行任务，而当时却缺乏在火星环境中可以精确定位的方法。
为了解决这一问题，人们开始着手研究机器视觉定位方法，2004年登录火星的“勇气号”和“机遇号”火星探测车上，均采用了视觉定位方法，探测车顶端的两个摄像头分别对同一时刻拍摄到的两幅图像进行特征点（如石头的棱角等）的提取并配对，进而获得每个特征点相对摄像头的三维位置信息，当探测车移动时，这些特征点相对于摄像头的位置发生变化，根据这些变化就可以完成火星车自身的定位。2011年美国国家航空航天局发射“好奇号”火星探测车，视觉定位导航系统做了进一步完善，同时为了增加视觉定位所需的特征信息，“好奇号”还对车轮进行改进，使其行驶过的路面上可以留下明显的纹理痕迹。
我国于2013年12月发射了“嫦娥3号”月球车，“嫦娥3号”上安装了三对立体相机，其中包括一对全景相机和一对导航相机安装在月球车前方的横杆上，这两对相机的主要任务是获取远、近距离的图像并完成导航。一对壁障相机安装在车头，用来判断车前方障碍物的位置并完成壁障，对地形、地貌的探测主要也是由该对相机完成的。
