移动机器人定位技术是机器人领域的核心技术,可靠的定位性能是机器人完成作业的基础。然而在复杂拥挤环境下,由于地图结构、未知障碍物等因素,激光测距仪对真实地图信息的反馈受到影响,导致定位精度下降,甚至可能产生机器人位置的丢失。如何对机器人的可定位性进行估计,预防拥挤环境下的定位失败,是定位研究中一个重要课题。本文围绕上述问题,对机器人可定位性估计、拥挤环境下自定位算法进行了深入的研究。针对广泛使用的概率栅格地图,提出了一种可定位性估计方法。通过对定位Fisher信息矩阵的栅格离散化,提出了静态可定位性矩阵,该矩阵适用于已知地图条件下的离线估计。在此基础上,针对在线估计中环境存在的动态变化问题,采用局部感知的障碍物影响因子来修正静态可定位性矩阵,进而得到动态可定位性矩阵,该矩阵定量描述了机器人可定位性能力及其方向性。在上述可定位性估计的基础上,提出了一种修正粒子定位算法,削弱了拥挤环境下观测噪声对定位的干扰。该算法估计机器人观测模型的可定位性矩阵以及预测模型协方差,将两者作为权衡指标,在机器人的预测位姿基础上,动态调节观测信息对预测位姿的修正值,得到机器人位姿。观测模型可定位性较低时,主要依靠预测模型进行定位,预防定位跳变,保证了定位稳定性。观测模型可定位性较高时,观测修正值权重增加,粒子集依靠观测信息定位,消除了累积误差。本文以自主研发的交龙智能轮椅为实验平台,在概率栅格地图下,进行了多种典型环境下的可定位性估计、定位和导航实验。通过对比实验评估了机器人可定位性矩阵的有效性,并验证了基于可定位性的修正粒子滤波定位算法在拥挤环境下的定位可靠性,为智能轮椅的实用性奠定了基础。