移动机器人的自主定位与轨迹构建是实现机器人智能化的关键技术之一。深度传感器因为可以直接获取深度信息,为视觉定位的实现提供了新的思路,受到越来越多研究者的关注。本文利用Kinect v2传感器作为深度视觉传感器,对移动机器人室内自定位技术进行相关研究,针对传统视觉定位技术存在的缺点,提出一种基于Kinect的移动机器人室内自定位技术的优化方案,旨在提高移动机器人自定位的鲁棒性和精确性。本文的主要研究工作如下:1.阐述了Kinect v2传感器的主要结构和深度测量原理;对相机成像的数学模型进行了推导,确定了相机标定所需要的参数;利用iai＿kinect工具对Kinect传感器进行标定实验,得到相机的内参和畸变系数。2.研究了基于特征点的视觉定位算法,提出一种基于改进ORB特征的视觉定位优化方法。针对特征匹配阶段存在大量错误匹配的问题,结合基于网格运动统计优化的特征匹配方法,有效剔除错误的匹配点对,为运动估计的求解提供了更加准确的输入,从而使得定位估计的准确性提高了23%。3.针对在缺少纹理的室内环境下,基于特征点法的视觉定位算法鲁棒性低的问题,本文分析了基于直接法的视觉定位方法的原理,融合改进的ORB特征点法和半稠密直接法,实现一种融合特征点法和直接法的视觉定位方法。该方法通过建立环境特征评估函数对移动机器人所处环境的纹理特征进行评估,当环境的纹理特征丰富时,选择改进的ORB特征点法进行定位估计;当环境纹理特征稀疏时,选择半稠密直接法完成定位估计。4.基于上述改进的相关模块,设计并实现基于Kinect传感器的移动机器人室内自定位软件系统,并通过标准公开数据集和移动机器人采集的真实环境测试数据对系统进行验证。实验结果表明,融合改进特征点法和半稠密直接法的移动机器人视觉自定位系统在纹理特征丰富以及纹理特征稀疏的室内环境下,具有可靠的精度和良好的鲁棒性。