移动机器人定位是机器人学的重要研究方向,也是机器人实现自主导航的关键,对于提高机器人自动化水平具有重要意义。定位方法分为两类:绝对定位和相对定位。绝对定位要求机器人在不指定初始位置的情况下确定自己的位置。相对定位指机器人在给定初始位置的条件下确定自己的位置,是机器人定位处理中主要的研究方向。论文对相对定位技术进行了深入分析和系统研究,包括机器人系统参数校核、轮子打滑辨识与校核、测程法噪声建模和噪声统计特性的自适应估计、激光扫描数据和环境地图的匹配及基于激光扫描数据的机器人位姿误差补偿等问题。准确的机器人系统参数是精确定位的前提。UMBmark 校核算法是最广泛使用的机器人系统参数校核方法; 然而在实验机器人控制精度较低的情况下,该算法不能有效校核由于驱动轮实际直径的均值和名义直径不相等导致的方向误差,从而影响校核效果。论文深入分析UMBmark 校核算法,提出改进算法以测量低控制精度机器人的系统误差。改进算法以不相等的轮直径、轮距的不确定及驱动轮实际直径均值和名义直径不相等为测程法系统误差的主要来源,建立新的测程法系统误差模型,给出详细算法计算机器人的系统参数及对应的校核系数。实验结果表明改进算法比UMBmark校核方法具有更好的校核效果。校核轮子打滑导致的误差是提高机器人定位精度的关键。在电磁罗盘不受磁场干扰的前提下,基于编码器和电磁罗盘的测量信息,提出移动机器人直线移动时轮子打滑辨识和校核算法。基于实验数据,利用统计理论建立机器人直线移动时的轮子打滑模型。该模型能够判断机器人移动过程中轮子是否发生滑动; 当轮子打滑时,提出一种新颖的算法来判断哪个轮子发生滑动并校核对应的位置误差和方向误差。基于轮子打滑模型,进一步提出一种间接卡尔曼滤波器校核机器人驱动轮直径和轮距。实验结果表明:通过校核轮子打滑导致的误差,机器人的定位精度得到显著提高,且间接卡尔曼滤波器对机器人驱动轮直径具有良好的校核效果。测程法噪声统计特性的自适应估计问题是机器人定位研究的难点。论文系统分析了测程法的噪声来源,考虑编码器测量精度的影响,建立测程法噪声模型。基于该噪声模型,推导出计算测程法噪声统计特性的方程,使机器人在移动过程中能够根据导航环境的变化实时地、自适应地估计测程法噪声统计特性。激光定位是目前定位研究的热点,快速实现激光扫描数据和环境地图匹配以提取线段特征是激光定位研究的重要步骤。论文定义g-权重Hough 转换,提出“平面有效区域”的概念,从激光扫描数据中提取线段特征的同时实现了线段特征和环境地图的