精确的机器人自主定位是当今机器人研究的重要领域。传统的GPS定位精确度高但受环境影响大,惯导属于自主导航并且能同时输出多种导航信息但存在累积误差影响。本文首先介绍了GPS/INS组合导航系统取长补短兼具两者的优势,是当今机器人导航中最常用的组合定位方法之一,同时介绍双GPS测向系统可用于惯导初始化当中,实验表明系统具有较好的精确度。但系统的抗干扰性不强,但在实际过程中,很多场合下GPS信号会受到遮挡而无法使用,导致组合系统整体定位精度下降很快。此后本文立足寻找GPS之外的可靠的机器人定位手段,一方面提出基于自然视觉路标的机器人全局定位方法。以自然场景作为视觉路标,利用机器人在导航中获得新图像与路标图像进行匹配定位,建立了GIST全局特征和SURF局部特征相结合的图像快速匹配框架,并以图像间匹配的特征点数目结合其尺度信息作为其相似性判定准则。实验表明,系统具有较高的全局定位精度和实时性,匹配法则具有较好的敏感性。同时也分析了特殊复杂环境对图像匹配系统鲁棒性的影响。另一方面,建立姿态解耦估计模型使惯导输出较为可靠的姿态信息,同时引入轮式里程计与惯导进行航位推算以适当降低惯导累积误差影响。最后,利用kalman滤波器将基于视觉自然路标的全局定位与惯导/里程计系统有效的融合起来并结合基于单目的运动估计算法修正惯导解算的航向。在这个组合中,以惯导/里程计作为主要的导航方式,视觉定位数据相当于精确的GPS定位数据对惯导系统进行修正。实验基于典型的室外环境,使用全站仪作为机器人定位测量的真值,提高可靠的定位误差精度分析手段。实验结果表明,惯导和视觉全局定位方法的融合有效提高了定位精度,有较好的实用性。