随着大量的机器人应用于工业制造和生活服务上,机器人在人类社会中已经承担着越来越重要的角色。机器人要想精准工作,定位是非常重要的环节,在室外环境下可以通过全球导航卫星系统(GNSS)来定位,然而GNSS在室内定位精度往往达不到要求,因此针对机器人在室内的定位成为了当下国内外学者研究的热点。近年来,由于视觉传感器的成本不断降低,而且相比较于WIFI、红外和超声波等室内定位技术,其在定位精度和处理速度上有着明显的优势,使得基于视觉传感器的机器人室内定位得到了广泛的关注。因此,本文提出了采用视觉定位和里程计航迹推算融合的组合定位方法来实现移动机器人的实时定位,论文主要研究内容和创新如下:1.通过查阅国内外主流的机器人室内定位方法,总结了不同定位方法的局限性和优缺点,分析了机器人在生活服务中常见的室内环境特点,提出一种基于地面特征的移动机器人室内定位系统。2.根据机器人运动及本文采用的定位方式,搭建了底部装有广角相机的移动机器人硬件平台,并在此移动机器人平台上展开算法研究和实验测试。3.对移动机器人平台底部安装的相机进行标定,得到相机内外参数和镜头畸变系数;然后对采集到的灰度图先进行Canny边缘检测和8邻域边缘分组,再对边缘图像进行图像畸变矫正,通过对比实验证明了该图像预处理的运算效率较高。针对图像中存在的地面方格直线特征,分析对比了主流的直线拟合算法的优缺点,提出结合预检验的随机采样一致性(Random Sample Consensus,RANSAC)算法和最小二乘法的直线拟合算法,并通过对比实验验证了算法的有效性。最后,通过逆透视变换(Inverse Perspective Mapping,IPM)算法将拟合得到的地面方格直线转换到世界坐标系,并计算得到直线在相机坐标系下的位姿数据,以此作为视觉模块的输出信息。4.建立了移动机器人里程计航迹推算模型,分析了卡尔曼滤波算法原理,采用扩展卡尔曼滤波算法对移动机器人位置传感器和视觉传感器的信息进行融合,并根据室内环境地面特征,提出基于线预测算法的位姿修正。实验结果表明该系统能够实现较高精度的定位,能有效的排除地面干扰线段的影响,具有一定的创新性和工程应用前景。