移动机器人是生产制造及自动化物流行业关键的运输设备,精准定位问题是影响其推广应用的关键之一。基于单一传感器的定位方式存在着精度不足、鲁棒性较差、场景依赖度大的缺陷,而采用融合定位可显著提高定位精度和鲁棒性,是当前移动机器人导航定位的主流趋势。本文针对移动机器人精准定位需求,研究基于旋转磁罗盘的视觉惯性融合定位方法及实现,包括基于旋转磁罗盘的航向角校正、基于双目相机的视觉同步定位与建图、两级扩展卡尔曼滤波融合位姿估计等技术。主要工作包括:提出了基于两级扩展卡尔曼滤波的视觉惯性融合定位方法,规划设计了基于麦克纳姆轮的全向移动机器人实验平台及其软硬件架构,其中软件架构基于ROS操作系统,硬件包括旋转磁罗盘、惯性/磁场测量单元、双目相机和轮式里程计等多种传感器。研究了引起航向角误差的主要磁场干扰因素,针对来源于磁罗盘挂载平台的稳定磁场干扰建立了误差模型,并基于椭圆校正法消除其对航向角的影响;针对来源于机器人工作空间的环境磁场干扰,提出了基于旋转磁罗盘的磁场干扰检测方法,并定义了磁场干扰指数用于量化表征环境磁场干扰程度。实验表明该指数对环境磁场干扰具有良好的响应和重复性。提出了基于磁场干扰指数和动态扩展卡尔曼滤波的环境磁场干扰抑制算法,根据磁场干扰指数实时动态更新磁罗盘测量协方差矩阵,实现陀螺仪和磁罗盘融合程度的自适应调整。在强烈的动态环境磁场干扰下也可以获得相对可靠的航向角,当环境磁场干扰消失时,估计的航向角可以迅速恢复,并避免了使用单一陀螺仪时的持续漂移问题。建立了全向移动机器人的正逆运动学模型,实现了基于四轮编码器的轮式里程计和机器人运动控制。探讨了基于双目相机的全局位姿估计方法,建立了包括投影模型、测距模型以及畸变模型的双目相机模型。对比测试了多种典型特征提取算法在真实机器人视角下的运行效率和准确性,并评估了基于特征点法的全局位姿估计算法的实际性能。在前述工作的基础上构建了基于扩展卡尔曼滤波的视觉惯性融合姿态估计模型,实现了航向角(基于旋转磁罗盘算法)、全局位姿(基于双目相机)以及轮式里程计等多源数据的有机融合。结果表明,融合定位算法在精度和鲁棒性方面均优于基于单一传感器的定位方法。