随着智能控制技术、计算机和网络技术以及仿生学、人工智能等学科的飞速发展,智能移动机器人技术的研究越来越受到国内外学者的重视,而自主定位是移动机器人智能导航和环境探索研究的基础,同时多种传感器相互协助可以给移动机器人提供丰富的环境信息以实现自主定位。本文的研究工作主要是针对移动机器人在已知环境中的自主定位算法和多传感器的信息融合理论这两个方面的研究展开的。本文不仅对自主定位算法进行了仿真实验,而且还在机器人实验平台上设计并完成了移动机器人定位软件。 本文首先对移动机器人定位方法进行了综述,指出定位技术的研究重点和发展趋势。然后,对基于概率推算方法的环境特征定位方法进行了具体的研究,详细介绍了贝叶斯滤波原理以及马尔可夫定位方法;马尔可夫定位方法将机器人定位问题转化成为在某一状态空间中机器人位置概率分布的计算与更新,能够从定位失败中快速恢复,同时能很好地解决机器人被“绑架”问题。本文利用几何模型简化了传统的机器人运动模型;使用聚类算法剔除感知模型中的干扰数据;并使用离线计算以及选择计算来减少运算速度;仿真实验的结果表明机器人位置信度收敛较快,达到预期效果。 在提出和分析了改进马尔可夫算法的基础上,本文对移动机器人平台的主要传感器的模型及其不确定性进行讨论,继而提出了基于多传感器融合的改进马尔可夫算法,并分析了建立基于声纳和视觉传感器数据融合的感知模型的具体方法。 最后,在WiRobotX80机器人平台软件控件的辅助开发下,本文在VC++环境中设计并完成了移动机器人定位软件,实现环境地图和感知模型离线生成、电子地图、图像数据处理、改进马尔可夫定位算法等关键技术,完成了在结构化环境中的定位实验。通过对实验结果和数据的进一步分析讨论,论证了所提出方法的实用性、精确性和鲁棒性。