移动机器人的自我位置感知是完成不同复杂工作的前提,所以移动机器人的定位技术受到了越来越广泛的关注。近年来,随着整个市场对工业和服务机器人日益增长的需求,移动机器人的定位技术引起了学术领域和工业领域的重视,并投入了大量资源来进行更深层次的理论研究和应用探索。但是,目前移动机器人定位的精度问题、实时性问题以及在复杂场景中的适应性问题仍然没有被很好地解决,这些问题导致了移动机器人在很多场合中的应用受到了限制。因此,本论文利用视觉和3D激光雷达传感器,对非结构化环境中移动机器人实时高精度室内定位技术展开研究。主要内容如下:(1)针对不同的室内定位需求,设计了不同的移动机器人定位模型,根据定位模型分析出影响定位精度的关键因素和问题,为这些定位方法提供改进思路及其理论依据。(2)提出一种基于人工信标的单目视觉定位系统。系统采用本文设计的一种能够被快速正确识别的人工信标进行定位。首先,系统通过位姿图构建信标地图,将信标在全局图像坐标系的位姿作为节点,将同一帧图像中两个不同信标的相对位置关系作为边,构建完成后使用图优化技术对地图进行优化。根据相机畸变模型和3σ模型提出相机不确定度模型,该模型可以对位姿图中的每条边进行不确定度分析,并用高斯分布表示。建图过程中,通过贝叶斯估计不断更新图位姿图优化模型中的边,从而使边信息更加准确,进一步提高信标地图的精度。最后,根据信标地图及当前帧图像中信标位姿可以对机器人的位姿进行计算。(3)提出一种改进的双目视觉定位算法。算法前端利用双目相机采集图像,通过SAD匹配算法以及抛物线拟合算法得到亚像素级精度的匹配点对,计算出特征点的深度信息,然后利用RansacPnP算法根据3D-2D匹配点对计算位姿变换初值。而后通过最小化重投影误差实现局部优化。基于匹配点对描述子的汉明距离提出一种新的匹配不确定性模型,该模型为局部优化中的约束条件提供信息矩阵,提高定位精度。算法后端通过顶视单目相机检测可靠的人工信标信息,建立闭环,进行全局位姿优化,并针对移动机器人的运动模型和工作场景,提出一种新的基于全局平面约束的优化方法,减少定位系统的误差。(4)提出一种基于3D激光雷达的里程计定位算法,可以在光照条件极差或相机失效的情况下对系统进行补偿。算法采用了 Velodyne LiDAR激光雷达作为传感器,并以一种快速高效的方式克服了 Velodyne LiDAR数据的两大痛点——稀疏性与离散性,实现精确的位姿估计。首先,我们提出了可以将地面点从整体点云中分割出来的角度滤波器和距离滤波器。然后,基于本章提出的基于几何特征的分割(GFS)算法,对每个非地面点及其邻近的若干点进行主成分分析,根据其所构成协方差矩阵的特征值判断该点的特性,将非地面点分割为面点、线点和无组织点。在点云配准过程中,利用当前帧之前的若干帧点云融合成局部点云地图,使用最近点迭代(ICP)算法,将当前帧的子点云与局部点云地图中相同属性的子点云进行匹配,从而实现精确、高效的3D激光雷达里程计定位算法。