随着经济、社会、科技的发展,以及如今社会老龄化趋势的加重,家庭服务机器人越来越受到人们的追捧。而机器人定位技术是服务机器人实现其自身功能的基础和关键所在。但随着数字图像技术日趋成熟,以及视觉信息具有信息量大、易获取、成本低等诸多优点,基于视觉信息的机器人定位技术成为诸多学者和专家研究的焦点。本文针对室内环境下机器人定位,采用普通双目相机作为传感器,获取视觉信息,利用扩展卡尔曼算法(extended kalman filter:EKF)实现机器人定位。针对传统的基于扩展卡尔曼算法的实时定位与地图创建算法的缺陷,研究了一种创建地图与定位过程相分离的定位方法,克服传统EKF算法数据关联脆弱、计算量大等问题,提高算法的实时性。具体的研究内容如下所述:第一,本文采用双目相机作为传感器,双目相机的标定显得很重要,去除摄像机畸变,可以提高建图过程和定位过程精度。第二,离线创建特征库过程。本文采用SIFT特征来描述环境,首先创建图片库,然后采用SIFT算法来提取特征,采用基于KD-tree的BBF算法快速实现左右目图像间匹配,根据双目视觉原理约束去除误匹配,采用RANSAC算法进一步提高匹配的正确率;利用双目测量原理,还原出特征点三维坐标,完成三维重建过程;在三维重建过程中,引入了数据关联方法去除特征库中部分重复特征点,考虑到特征库中特征点过于密集,特征点过多会增加计算量,影响实时性,为此引入了特征点的稀疏性策略,合理控制特征库中特征点的密度和空间均匀度,但同时确保特征库的多样性;为了将特征库中优质特征筛选出来,引入了稳健特征点筛选策略,建立了基于稳健特征点的特征库,使得特征库中特征点的数量大幅度下降,特征库不失多样性。第三,机器人基于离线特征库进行定位。首先将特征库与当前帧图像观测到的特征进行匹配,运用RANSAC算法提高匹配的准确度,找出机器人初始位置;解决完机器人的初始位置后,运用EKF算法循环迭代来估算机器人的位置;最后为了提高特征库的环境适应能力,定位过程特征库进行更新,将环境中的新的稳定的特征点更新进入特征库。最后,研究综合定位实验误差。基于离线过程创建的各个特征库,运用EKF算法实现机器人室内环境下定位;并分别给出各种模式下的特征库,给出详细的定位误差图,以及各个定位数据结果比对。