本申请提供了一种基于数字孪生建筑和异质特征融合的室内定位方法，涉及室内视觉定位技术领域，包括根据目标室内图像中的每个实体的视觉特征，生成目标室内图像的图像特征；根据目标室内图像中的每个实体的位置特征、视觉特征和语义特征以及目标室内图像的融合语义图，生成目标室内图像的语义图特征；根据目标室内图像的图像特征和语义图特征，融合生成目标室内图像的第一融合特征；根据第一融合特征，确定出当前建筑物对应的数据库中满足匹配条件的目标第二融合特征，以输出目标第二融合特征对应的视觉定位信息作为目标室内图像的视觉定位信息，以在弱视觉特征下更稳定的确定出室内图像的视觉定位信息。