随着智能技术的不断发展,移动机器人作为人工智能技术的重要载体,近年来在各个领域内都得到了广泛的应用。其中,高精度定位作为移动机器人系统的核心技术难题,在室外环境可以依靠全球导航卫星系统（Global Positioning System,GPS）进行定位,而室内环境由于无法接收GPS信号,对机器人实现自主定位具有一定限制。因此,建立一套准确实时的室内定位系统对智能机器人发展至关重要。本文面向室内场景中移动机器人的定位问题,开展了基于卡尔曼滤波框架下融合WiFi、激光雷达与地图的定位方法研究。本文主要研究工作如下:（1）多环状图下基于信号强度加权的WiFi指纹定位研究。在面向机器人平台传感器系统设计与标定的基础上,离线构建WiFi指纹表征时,采用所提出的多环状指纹表征构建方法对室内环境进行WiFi数据采集。在定位阶段,针对目前传统WiFi指纹定位算法存在的不足之处,提出基于信号路径传播损耗模型下的WiFi信号加权距离算法,根据不同信号强度下的WiFi信号对物理距离约束的强弱分配不同权值,从而实现机器人的WiFi定位,并获取机器人全局物理坐标。（2）地图辅助的激光雷达定位方法研究。针对解决传统基于激光里程计定位方法在特征单一重复的特殊室内场景下容易造成错误定位的问题,该方法利用激光雷达本身测距精度高,以及室内建筑环境大多固定易于构建地图的优势,通过对扫描获取的环境激光点云进行建筑结构直线检测拟合,计算得到机器人在室内与建筑轮廓的相对横向距离信息。同时,利用室内地图中预先存储的墙面位置信息（如墙面在二维地图中对应的直线方程）,来对机器人位置坐标建立线束约束方程。由于激光和地图均具有较高的精度（厘米级误差）,这种线性约束条件是一种高度可靠的约束。通过将其转换为卡尔曼滤波器高精度的观测值后,可用于后续融合定位算法中使用。（3）基于卡尔曼滤波的融合定位方法研究。研究结合WiFi、激光雷达与地图得到的多源定位信息,构建一种线性距离约束下的卡尔曼滤波器。在融合定位过程中,将机器人当前与历史时刻的位置序列作为卡尔曼滤波器状态,观测值则由以下三个部分组成:1)多环路分割图下基于信号强度加权的WiFi指纹全局定位坐标结果;2)基于特征匹配获得的激光里程计位姿矩阵变换;3)利用激光雷达获取的局部横向距离结合场景地图信息构建的机器人位置约束方程。通过融合方法充分利用传感器与应用环境的优势,使移动机器人在不同类型的室内场景下均能实现实时精确定位。