移动机器人在各类环境中准确的定位以及在未知环境下构建地图均需要依靠惯性测量单元、相机、激光雷达等多种不同设备感知当前环境,并解算得到机器人自身准确的位置与姿态。这个过程中包括了移动机器人利用相机获取当前环境的实时图像和采集其他传感器信息从而求解移动机器人的位姿、同步建立点云地图或稀疏特征点地图等步骤。其中,移动机器人对自身位姿的估计精度是影响地图准确度的重要因素之一。针对以上问题,本文采用ROS系统,对基于惯性/视觉/UWB的组合定位多传感器融合算法进行了研究,并在移动机器人样机上对该融合算法的有效性进行了验证。本论文的具体研究工作内容如下:第一,研究了惯性导航、视觉导航、UWB技术定位的基本原理。本文实现了采用纯惯性解算的方法进行位置、姿态的估计,实现了基于图像相邻帧之间的特征点匹配的相机位姿估计,并且实现了基于UWB测距技术的传统方程解算的定位方法。第二,研究了图优化理论。本文针对移动机器人在三维环境中运动的实际情况,推导了测距残差、运动约束残差的表达式,并通过计算能使整体损失函数取最小值的数值解作为定位结果的方法实现对移动机器人的实时定位,实验结果表明该方法的定位精度高于传统的方程解算定位方法。第三,研究了惯性/视觉/UWB定位技术的多传感器融合定位理论。本文采用联邦Kalman滤波的框架,并将惯性测量单元取为参考系统,惯性与视觉定位、惯性与UWB定位分别取为两个子系统,从而建立了联邦Kalman滤波方程,实现了多传感器的融合定位。第四,研究了基于ROS的移动机器人的样机平台。在硬件平台上,搭建了整套样机实验环境,包括各类传感器的安装、基站位置的摆放与定位等。在软件平台上,编写了UWB测距模块的串口解析程序,并将本文采用的各种算法均移植在移动机器人内,并实时地验证了本文的视觉、惯性、UWB定位技术的多传感器融合定位算法。本文对惯性/视觉/UWB组合定位技术进行了研究,对室内定位、导航以及后续避障所需的地图构建有极其重要的意义,能提高移动机器人系统在室内的定位精度,为避障提供可靠的地图,在仓库中进行物流运输、军事机器人等方面有充分的应用前景。