随着人工智能与机器人技术的发展，各种各样的机器人已经被成功地应用在科学考察、工业制造、太空探索、灾后救援、农业生产、智能交通等领域，以辅助甚至替代人类完成简单或危险的工作。在这些机器人当中，由于轮式机器人具有结构简单、性能稳定、成本低廉等优点，其应用最为广泛。　　自主移动是轮式机器人的一个最为基础的功能。为了实现机器人精准的位姿控制，一个基本的前提是保持对位姿的精确感知。然而，对于在复杂环境下工作的轮式机器人，实现低成本、高精度、低时延、稳定而又可靠的位姿估计仍然是一个热点问题。由于环境中存在着大量的不可预测的干扰，致使与位姿相关的传感器出现读数异常、丢失等问题，为机器人的位姿估计带来了巨大的挑战。　　本文从实际出发，充分考虑复杂环境下可能出现的地形变化、轮胎-地面滑动、运动学模型不准确、传感器噪声统计特性未知或缓慢变化、传感器异常等问题，借助于机器学习、状态估计、图像处理、区间分析等技术，针对不同场景下的轮式机器人位姿估计提出了一系列解决方案。主要研究内容与创新点如下所示:　　针对轮式机器人可能存在的滑动问题，对传统的运动学模型进行改进，引入转向阻力系数来描述轮胎-地面滑动效应，并且基于运动分解得到一种更为准确的运动学模型的时间离散形式。基于该运动学模型能够实现更为准确的航迹推算。　　针对传统里程计容易发散的问题，提出了一种基于地形分类的自适应里程计。该方法采用了简单紧凑特征、结构简单但性能较弱的分类器与贝叶斯滤波器组合的地形分类框架，能够在降低运算复杂度的情况下保证地形分类的准确度。基于该分类器，机器人在运动过程中实时地观测其当前地形并获取该地形对应的转向阻力系数，进而减缓了里程计误差的发散速度。　　针对磁式罗盘与信标定位系统不可靠的问题，提出了一种可控环境下的位姿估计方法。基于事先在地面布置好的辅助带与地面视觉，机器人可以实时、准确地估计当前位姿信息。由于避免了使用磁式罗盘与信标定位系统，该方法不会受到由铁磁、电磁物质与地面障碍物带来的干扰，具有较强的可靠性，适用于需要长时间稳定工作的工业场景。　　针对复杂环境下由地形变化、噪声统计特性未知或缓慢变化、传感器异常等引起的问题，提出了一种不可控环境下的位姿估计方法，设计了陀螺仪、罗盘组合，编码器、罗盘组合，陀螺仪、编码器、罗盘组合，以及航向角估计器、信标定位系统组合的数据融合方法，实现了不可控环境下准确且可靠的机器人位姿估计。