为促进计算机视觉、人工智能以及智能机器人等技术在传统工程测量行业中的应用,针对于工程测量规划设计阶段绘制局部地形图的任务需求,在Robomaster EP机器人平台上集成多种传感器,经软硬件开发,提出一种非接触式的基于April Tag图像识别的机器人智能图根控制测量方法和一种非接触式的基于单目视觉测距和YOLOv5（You Only Look Once）目标识别框架的机器人智能碎部点测量方法。在机器人智能图根控制测量方法研究中,以Robomaster EP机器人作为测量平台,以机器人相机的旋转中心替代图根控制点。通过April Tag图像识别获取机器人相机的旋转中心的三维坐标,模拟实现在传统图根控制测量过程中分别使用全站仪和水准仪测定图根点平面坐标和高程的过程。在机器人智能碎部点测量方法研究中,以Robomaster EP机器人作为测量平台,以机器人相机的旋转中心替代图根控制点。然后通过YOLOv5目标识别框架自动识别机器人周围地物类型,并进行单目视觉测距,模拟实现在传统碎部点测量过程中,使用全站仪配合棱镜（杆）采集碎部点的过程。在室内环境下,通过多组实验分别研究机器人相机的俯仰角、航向角和观测距离的变化对图根控制测量精度和碎部点测量精度的影响。实验结果表明:当机器人相机的航向角∈（-7.4°,10.6°）时,或者俯仰角∈（-8.9°,9.9°）时,亦或者观测距离∈（2508）8),3008)8))时,April Tag图像识别综合误差＜0.4,识别效果良好,且以机器人相机的旋转中心替代图根控制点的三维坐标测算误差均可达到毫米级;当机器人相机的航向角∈（-7.5°,9.8°）时,或者俯仰角∈（-5.9°,5.9°）时,亦或者观测距离∈（5508）8),9508)8))等3种情况时,YOLOv5目标识别框架对机器人周围地物的识别精度都大于78%,识别时间都小于0.003s,识别效果良好,且机器人相机与地物之间的单目视觉测距误差可达到毫米级。以上实验结果初步表明在工程测量规划设计阶段的局部地形图测绘任务中,使用计算机视觉、人工智能以及智能机器人等技术进行图根控制测量和碎部点测量具有一定理论可行性,为未来工程测量行业研究新型智能工程测量机器人提供一定理论依据和技术探索。本论文有44幅图,18个表,90篇参考文献。