定位技术是实现移动机器人全自主导航的基础,解决定位问题对于保证其稳定作业有着重要意义。平面轮式移动机器人以其成本优势和运动效率被广泛应用,论文研究以通用移动平台为代表的轮式移动机器人。激光定位算法是轮式移动机器人定位算法的主流,然而由于激光数据有限、场景识别能力弱,激光定位算法始终无法解决机器人在特征单一、退化环境中的定位精度差和定位丢失问题。相较于激光方法,视觉图像携带有丰富的场景纹理信息,便于识别空间更多的特征信息而为激光定位带来更多的观测约束。为提高机器人在环境中的定位能力,论文在调研激光定位与视觉定位相关理论及已有研究的基础上,提出了激光与视觉融合定位算法。论文主要研究内容包括:(1)提出一种二维栅格-三维点云联合地图构建算法。轮式移动机器人做平面运动,只有三自由度,而现有视觉SLAM算法对相机位姿进行六自由度优化,过优化会导致相机位姿产生跳动,进而导致算法生成的空间3D点质量较差。为解决此问题,并构建具有激光和视觉信息的联合地图,论文提出了一种二维栅格-三维点云联合地图构建算法。算法通过对激光位姿进行插值获取相机位姿的初值,然后在相机帧间通过极线搜索和三角化的方式生成三维空间点,最后再对空间点和相机位姿进行优化,建立尺度统一对齐的联合地图。算法实现了基于SE(2)位姿约束的光束平差法和基于激光位姿约束的相机位姿图优化,两种优化方法共同完成对空间点坐标的优化和相机位姿的约束。(2)构建激光与视觉融合定位模型。论文基于贝叶斯估计推导了定位问题的概率学模型,该模型旨在构建机器人的运动和观测模型来量化求解机器人在地图上的位姿和不确定性。融合模型采用地图空间点重投影误差的卡方分布和地图空间点描述子与图像特征点描述子的汉明距离共同表示视觉观测概率,采用视觉观测概率与激光观测概率的乘积作为二者融合的后验观测概率。基于该模型的贝叶斯滤波通过不同形式的实现来解决不同的定位问题。(3)提出一种激光与视觉融合的全局定位算法。机器人在地图中的初始位姿是未知随机的,初始定位算法需通过多个状态来对位姿进行估计,粒子滤波作为非参数化的贝叶斯滤波被用于解决该问题。为提高激光全局初始定位的效率和准确率,论文提出了一种激光与视觉融合的全局定位算法,算法综合运用粒子滤波、激光似然域模型、激光波束模型、视觉观测模型,使得机器人能够在少量先验和运动信息的情况下完成更加快速准确的全局定位。(4)提出了一种激光与视觉融合的EKF局部定位算法。粒子滤波中的粒子群是离散和随机的,故基于粒子滤波的定位缺乏连续性且存在较大的随机误差。为了提高机器人位姿追踪的精度,论文采用扩展卡尔曼滤波对机器人位姿估计进行闭式计算,提出了一种激光与视觉融合的EKF局部定位算法,作为贝叶斯滤波在连续高斯空间下的一种实现。算法以轮式里程计运动模型实现对EKF预测均值的计算,再利用激光和视觉观测模型对环境共同观测的结果来计算卡尔曼增益,进而修正EKF预测的均值,完成整个定位流程。论文采用MIT STATA数据集并同时利用实验平台对所提算法进行实验验证和分析,实验结果证实了论文提出的定位算法的有效性。