机器人定位问题是自主机器人运行过程中需要解决的难点问题之一。实际上，在很多应用领域里机器人不可能观测到全局信息，仅仅具有局部视觉功能，因此解决局部视觉机器人定位在工程上更实用、更有价值。本文系统地分析了基于二维地图匹配定位的基础理论，这种快速实用的方法不仅可以实现室内环境机器人的定位，而且由于全球GPS系统能够提供构建的世界地图，从而利用地图匹配定位算法还可以实现户外环境重构和定位，使得此算法的应用领域大幅扩展。本文的主要成果如下： 在传统的概率模型里使用矢量V_AF=（a，b）^T描述一条直线，直线公式为y=ax+b。当直线与Y轴平行时则出现一奇点，因此需要改变描述方程为：x=ay+b。两个方程的交替使用，必然使得估计方程的交替过程比较复杂。通常在接近奇点时的协方差趋近于无穷，而且计算的精确性大幅度降低。本文应用对称扰动模型（SPModel）描述任意二维几何特征以及传感器观测的不确定性。该模型特点是将机器人的位置信息定义为四部分—位置矢量、扰动量、协方差和约束矩阵。用约束矩阵和相对位置矢量的积建立超声波传感器提取的直线特征与观测读数融合的数学模型，从而避免了传统模型中的近奇点问题，提高了计算的精确性。 将固定的直线目标和传感器按照固定时序、角度旋转扫描该直线目标的过程，看成是传感器不变，目标沿着一条直线做常加速运动。根据这一思想，推导出相应的传感器状态方程，并且将观测过程系统参数不确定性定义在模型之中，采用H_∞滤波估计实现超声波传感器观测数据集合的分割，同卡尔曼滤波估计方法进行比较，该方法可以改善由于卡尔曼滤波发散而导致数据集合无法分割的现象，实现提取有效数据的目标。 将SPModel模型应用于超声波传感器识别的角、半平面特征和视觉传感器识别的垂直边界的信息融合，校正二维多边形环境地图，从而应用多传感器融合实现了较为精确的二维环境地图重建，为机器人最终实现准确定位奠定了基础。 将SPModel模型应用于重构的二维地图与环境先验地图模型匹配融合，实现机器人定位。将与几何特征相关的约束条件应用在匹配过程，从而提高了匹配速度。