机器人是近年来发展起来的综合学科。它集中了机械工程、电子工程、计算机工程、自动控制工程以及人工智能等多种学科的最新科研成果，代表了机电一体化的最高成就，是目前科技发展最活跃的领域之一。 自主定位是移动机器人研究的最重要问题之一，是移动机器人实现自主导航的基础。本文主要针对移动机器人在已知地图及相对固定环境下的定位算法的研究。文章首先指出了目前所机器人使用的定位算法存在的问题，主要包括移动机器人在定位过程中的准确性和时效性问题。通过综述课题背景及移动机器人定位算法的研究现状，归纳了各种类型定位算法的特点。在此基础上，引入了本文重点研究算法——蒙特卡罗定位算法(MCL)和扩展卡尔曼滤波定位算法(EKF)，阐述了基于视觉传感器的蒙特卡罗定位算法和扩展卡尔曼滤波定位算法架构。通过对其中的MCL进行改进，成功地将其应用于的机器人定位过程；然后分析EKF在局部定位中的作用，提出一种新的基于视觉的定位算法—扩展卡尔曼滤波-蒙特卡罗定位算法(EKF-MCL)。最后，利用移动机器人AIBO实验平台，实现了上述定位算法在移动机器人避障应用，并且通过实验比较了它们的优劣，提出了有待改进的地方。