随着智能控制技术、计算机技术、仿生学、人工智能等学科的飞速发展,智能移动机器人技术的研究越来越受到重视,而自主定位是移动机器人进行自主导航和探索研究的基础,同时多种传感器相互协助提供了丰富的机器人内部状态和外部周围环境的感知信息。本文的研究工作主要是移动机器人在已知环境中的多模态信息融合理论和自主定位算法这两个方面。首先,介绍了移动机器人自定位技术,阐述了移动机器人基于多模态信息融合定位技术的研究意义及国内外发展现状和趋势。讨论了多模态信息融合技术及应用于移动机器人自定位领域的一些方法。其次,建立了长短时记忆神经网络模型,对陀螺仪信息、加速度计信息、视觉信息和机器人关节运动信息多种模态信息进行了有效的融合,通过训练后的网络模型完成机器人自定位。重点研究了基于长短时记忆神经网络模型的多模态信息融合的机器人自定位方法,同时分析了传统的扩展卡尔曼滤波和粒子滤波的机器人自定位方法。最后,设计了基于多模态信息融合的移动机器人自定位实验,验证了长短时记忆神经网络模型应用于多模态信息融合的移动机器人自定位中的有效性并取得了良好的效果。同时和扩展卡尔曼滤波和粒子滤波两种传统定位方法进行了比较,对实验结果进行了深刻分析和讨论。