实时准确地获取机器人的位姿信息是室内机器人作业的前提和基础。仓库通道环境属于一类特殊的室内环境,仓库整体空间较大而单个通道内定位区域有限,不同通道之间相似度高。环境的特殊性要求定位算法对机器人位置分布具备较强描述能力。蒙特卡罗定位方法使用粒子描述机器人位置分布,粒子群能有效覆盖定位空间并灵活调整分布范围。然而直接应用该算法仍存在以下不足,首先方法缺乏有效的粒子数调整策略,粒子过多导致定位效率不高而数量过少导致定位精度不足,其次方法缺乏通道辨识手段,粒子分布范围难以实现灵活调整。论文以蒙特卡罗定位方法为研究内容,针对该算法在仓库通道环境下定位的不足进行改进,主要内容包括:(1)激光雷达运动状态下似然观测模型的修正方法。针对激光雷达扫描周期内机器人运动对于测量数据的影响,提出考虑运动特性的似然观测模型,补偿了运动对于观测模型造成的误差,提升了定位算法的精度。(2)考虑货包位置关系的通道环境特征-占用栅格混合地图。针对仓库通道环境特点,建立描述货包及其关系的链式地图,并结合栅格地图,完成对环境的准确描述。混合地图的建立是区分不同通道并进行精确定位的基础。(3)动态调整采样数量和范围的采样策略。针对蒙特卡罗定位算法的效率问题,提出了自适应空间大小的KLD采样策略,该策略通过调整采样单元的大小实现采样数的动态调整。此外,根据货包位置关系的搜索结果,策略动态调整了采样范围的大小。最后,将上述方法应用于蒙特卡罗定位算法中,完成在实验仓库环境下的位置跟踪和全局定位。实验结果表明:自适应蒙特卡罗定位算法在保证定位精度的同时提升了算法效率,满足仓库通道环境下的定位要求。