移动机器人运作的稳定性和定位的的准确性是推动其产业化的关键前提。同时定位与地图构建(SLAM)赋予了机器人具有良好的定位和导航能力,该技术获得了国内外研究者的广泛关注。目前视觉SLAM技术常采用自然环境特征或人工路标。当自然环境的纹理信息较弱时,SLAM算法会不稳定甚至失效,基于人工路标的方法有助于提高SLAM算法精度和稳定性。本文基于人工路标展开SLAM技术的研究,着重点在地图构建和精确定位。首先,本文介绍了移动机器人相关基本原理,移动机器人SLAM定位与地图构建,以及人工路标和相机位姿估计求解理论。其次,挑选并建立人工路标系统和相机传感器的数学模型,搭建实验所需平台。通过相机观测和识别环境中任意预设的人工路标,得到相机与人工路标的相对位姿。根据相机所摄视频序列帧中出现的多个人工路标,建立这些路标间的位姿转换关系,并以此构建环境地图。再次,基于重投影误差思想构建立优化目标函数,根据人工路标地图进行SLAM后端优化。通过优化人工路标间位姿转换以及相机初始值相对位姿,寻找最优的初始值。以解决优化时目标函数无法收敛或者得到错误优化值的问题。增加回环检测机制和去除异常位姿估计机制,提高人工路标地图构建的稳定性和准确性。最后,实验分析人工路标地图的构建能力和定位精确性。在不同尺度的场景下验证本文系统的地图构建能力;根据预先设定人工路标的分布的方式验证其地图构建的精确性;与经典的SLAM算法(ORB_SLAM和LSD_SLAM)对比,分析三种SLAM算法中相机计算轨迹与真实轨迹的误差,从而证明人工路标比自然特征点具有更高精度的定位能力。根据上述人工路标地图,结合移动机器人自适应蒙特卡洛算法,实现移动机器人在栅格地图中的全局定位。相比于人工给定机器人初始位置,本方案更加精准快速,工业适用性更强。本文通过对人工路标地图的构建和定位以及移动机器人全局定位的研究,得到一套稳定且高精度的移动机器人定位系统。