随着计算机和自动化技术的发展,越来越多的移动机器人进入人们的生活,服务于社会的方方面面,尤其是在酒店服务、老年护理和医疗保健等行业受到人们的广泛欢迎。导航是移动机器人技术的核心,而定位是移动机器人导航的基本问题,只有准确的定位才能保证服务机器人可靠地完成任务。针对现有移动机器人室内定位方法存在准确性偏低和环境适应性较差等问题,本文采用深度学习结合特征点匹配的方法研究了利用门牌自然路标进行服务机器人辅助定位的方法。主要工作总结如下:（1）搭建了服务机器人软硬件平台。介绍了服务机器人硬件规格和整体结构,基于ROS（Robot Operating System）设计了服务机器人的系统程序架构,基于Qt为服务机器人设计了人机交互界面并实现了简单的人机交互功能。（2）提出了一种基于深度学习门牌检测并结合传统图像处理的门牌号识别方法。首先,利用深度学习将门牌区域提取出来;然后,对门牌区域进行阈值分割,并使用改进旋转投影法对门牌区域进行倾斜校正;最后,对门牌数字提取方向梯度直方图（Histograms of Oriented Gradient,HOG）特征,利用KNN（k-Nearest Neighbors）算法实现门牌号识别。（3）提出了一种基于特征点匹配构建Pn P（Perspective-n-Point）问题并通过坐标变换实现服务机器人定位的方法。首先,建立门坐标系,设定门牌透视变换角点并测量其物理坐标,制作门牌正视模板;然后,通过深度学习检测获得门牌区域并与门牌模板进行SURF（Speeded Up Robust Features）特征点的匹配,得到门牌透视变换角点在门牌区域的像素坐标,通过3D-2D坐标的对应关系求解Pn P问题获得相机位姿;最后,通过坐标变换计算机器人位姿。（4）通过机器人室内实验验证了本文提出定位方法的可行性。首先,设计了服务机器人路径规划及导航方法;其次,分析了本文方法获得的机器人坐标误差并与自适应蒙特卡洛定位（Adaptive Monte Carlo Localization,AMCL）方法进行了比较,通过在不同位置进行自主探索门牌的实验证明机器人全局位姿初始化的有效性;最后,设计了两个对比实验,一是对比里程计定位轨迹和里程计融合本文方法的定位轨迹,二是对比AMCL定位轨迹和AMCL结合本文方法的定位轨迹,实验说明了本文提出的方法进行服务机器人辅助定位的可行性。