智能机器人在室内的消防救援、智能化物流、仓储物料运输等任务中都需要进行自主导航,而定位是自主导航的基础。基于Kinect传感器的视觉定位能获取丰富的环境信息,价格低廉,但是受环境和自身因素的影响,会出现定位误差和稳定性差的问题,惯性导航自主性好,不受外界干扰,短期内精度较好,因此,研究视觉和惯性导航进行组合定位,借助于多源信息之间所具有的相关性和互补性,以达到提高定位系统的稳定性和可靠性的目的。论文首先基于Kinect传感器的成像模型,设计了基于平面模板的并行标定方法,对Kinect传感器的内参和外参进行了估计,在此基础上,配准彩色图像与深度图像,实现了彩色信息与深度信息的融合。针对移动Kinect采集的序列图像存在不同视角和模糊,引起帧间特征匹配的不确定性问题,从特征点的提取数量和匹配数量,分析了三种常用的特征提取与匹配算法对图像旋转、降质的不变性,并进行了实验对比,确定采用稳定性较好的SURF特征提取与匹配算法。分析了特征点的误匹配现象,改进了二维特征点误匹配剔除算法,提高了特征匹配的准确性;并设计了融合深度信息的ICP三维点集配准算法,估计旋转矩阵和平移向量,实现了运动估计与视觉定位。针对Kinect传感器受环境和自身因素影响导致定位性能下降的问题,研究了融合惯性导航进行动态组合定位的方法。对惯性导航和Kinect传感器的数据进行了时空对准,提出了将正确匹配的特征点数量和深度误差作为组合策略的判定条件,设计了基于扩展卡尔曼滤波组合定位的融合算法,利用惯导的定位数据构建过程模型,融合Kinect传感器视觉定位的位姿估计结果,对Kinect传感器的定位进行选择性修正。在室内实验室和过道走廊两种场景对机器人进行定位实验,结果表明惯导和视觉组合定位的方法有效的提高了稳定性和可靠性。