随着智能制造时代的到来,机器人技术的发展受到了人们的广泛关注。智能移动机器人可应用于工业和服务业,节约大量的经济与人力成本以及丰富人们的生活。在智能移动机器人执行各种不同的任务时,对其进行精确的定位是首先要解决的问题,因此具有十分重要的研究意义。本文基于自行研发的机器人编队和目标围捕实验平台,利用机器人上的单目摄像机、编码器和惯性测量单元(Interial Measurement Unit,IMU)设计并实现了一套基于多传感器的机器人自主定位系统。同时将任务执行和和定位复用于一个摄像头,节省了硬件成本和运算成本,并且定位精度高,适用于室内高精度混合编队等任务。本文的主要工作如下:(1)研究并应用目前常用的特征提取算法,包括KAZE算法、FAST算法、ORB算法和BRISK算法。研究并应用特征点配对方法,包括特征匹配和光流跟踪。在实验室场景下,通过机器人携带的摄像机设备采集图像,设计详细实验对各类算法进行比较。最终确定采用FAST算法和光流跟踪算法来分别进行图像的特征提取和配对。(2)在任务执行和定位同时进行的场景下,原本用于定位的图像中会出现大量和任务相关的动态目标,这些动态目标对单目视觉里程计定位会造成极大的干扰。针对该问题,本文设计了静态背景特征点筛选算法,有效剔除了图像中的动态目标特征点。首先提出基于IMU信息辅助图像序列特征点匹配算法。然后设计基于聚类分析的特征点分类方法。最后根据特征点分类结果对动态目标特征点进行剔除。(3)针对传统的单目视觉里程计算法估计得到的相机位姿具有尺度不确定性问题,提出了一种改进的单目视觉里程计算法,使得对单目相机的运动估计可以适用于移动机器人的自主定位。首先对IMU传感器和编码器的数据进行扩展卡尔曼滤波(Extended Kalman Filter,EKF)融合得到图像帧之间的平移向量。然后对传统单目视觉里程计算法进行改进,将2D-2D和3D-2D两种相机运动估计方法相结合,并对3D点进行二次筛选进一步得到最优3D点。(4)在数据集和室内环境使用本文算法进行实验,验证了本文算法的有效性和适用性。通过对定位误差进行分析,验证了本文方法可以实现移动机器人的精确定位,满足项目需求。