伴随机器人越来越多地走进我们的生活，家庭和办公环境中的服务型机器人的研究具有越来越重要的理论意义和实际应用价值，成为机器人研究领域的热点。定位和导航技术是家庭服务机器人研究的关键和基础。对于结构化环境中移动机器人的定位问题，要充分发挥其不同于室外完全未知环境的环境优势，利用可获知的训练学习信息，进一步提高移动机器人定位的时间效率和精度。　　本论文首先从项目和应用前景两方面分析了论文选题的研究意义。基于对移动机器人定位技术和二维码识别和定位技术研究现状的调研和分析，本文选取了贴于家居环境地板上的二维码作为定位标志，并提出了一种基于训练模型的二维码快速定位和识别系统。本系统利用通过识别二维码获得的位置信息和通过对旋转角度识别得到的姿态估计，来最终实现移动机器人的自主定位。　　论文围绕训练学习的核心思想提出了贯穿整个系统的训练学习模型，模型包括图像预处理训练模型和识别定位算法训练模型两大部分。预处理模型又包括灰度恢复模型和几何畸变校正模型。识别算法训练模型包括二维码阵列位置训练模型、梯度训练模型和阈值分割及几何特征训练模型，为算法提供必要的参数支持，提高算法运行效率和精度。　　在图像预处理部分建立基于训练模型的暗角恢复模型对图像暗角失光现象进行补偿恢复，使得灰度恢复算法适应不同相机和环境的变化。畸变矫正模型采用建立畸变矫正表，进行快速查表的方法对摄像机畸变进行矫正。预处理训练模型确保后期目标识别算法获得高质量、低畸变的图像输入，提高定位精度和算法效率。　　针对现在二维码识别技术中普遍存在的算法时间效率低和一般只针对单码识别的缺点，本文给出了两种基于训练模型的快速二维码定位识别算法。第一种算法设计了基于训练模型的针对单一线采样灰度变化的分类器，使得定位算法运行速度实现了2至3倍的提升。　　第二种算法设计了基于训练信息的几何特征评价算子，快速识别探测块的位置。目标分割的过程中，在对大量阈值分割算法实验分析的基础上，给出了了一种改进的基于训练模型的自适应变阈值目标分割方法。本算法的运行速度较之传统算法实现了2至3倍的提升，为二维码的快速识别和定位问题提出了一种崭新的方法。　　最后对本文的研究内容进行了总结并给出了对今后工作的展望。