移动机器人在未知环境下的自主定位与导航技术是近年来的研究热门,本课题针对移动机器人采用视觉传感器完成定位和用于消除定位过程中累积误差的回环检测问题进行研究,并对机器人的点到点路径规划问题以及多机器人路径规划问题进行分析,具体内容如下:首先,针对移动机器人的视觉定位技术,采用基于特征法的视觉里程计设计方法,在该方法的特征提取与描述环节分别采用ORB、SURF、SIFT三种算法,对基于这三种算法的视觉里程计方法的时间复杂度以及定位精度进行对比,选取了最为高效的ORB特征点,并在此基础上利用EPnP算法和BA算法的组合形式对相机进行位姿的估计与优化。然后,为了解决机器人移动过程中累积误差导致估计轨迹逐渐偏离真实轨迹的问题,采用基于词袋模型的回环检测算法对累积误差进行消除,利用Kinect相机采集实验室室内环境下的多张图片,对其进行特征的提取与描述,并将这些特征训练生成每幅图像代表的字典,最后利用权重分数的大小对这些图片之间的相似程度进行描述,并利用算法检测出其中来自同一场景的图片,即检测到回环。接下来,对移动机器人点到点的路径规划算法以及多机器人路径规划问题进行研究,针对传统A*算法不能保证规划路径平滑程度和不能避免同一路径上相向碰撞的问题,在算法中加入转角约束和直线约束,并采用基于拥塞控制的多机器人路径规划的方法,最后对改进后的算法进行多次实验。实验结果表明,改进后的A*算法在不较大程度增加运行路径的基础上,明显地减少了机器人的转角次数,加入拥塞控制的多机器人系统的机器人碰撞次数也有一定程度的降低。最后,在移动机器人平台上对本课题所采用视觉定位算法和回环检测算法进行实验室环境测试,实验结果表明,基于ORB特征的视觉里程计算法在具有最低时间复杂度的同时也具有很高的定位精度,其中基于ORB特征点的平均定位误差为3.91%;本课题采用的BoW算法对采集到的图像分别进行了字典的创建和图像之间相似程度的计算,成功检测到了来自同一场景的两幅图像,验证了词袋模型算法的有效性;最后利用已经获取的信息完成实验室环境的地图创建。