定位一直是户外移动机器人导航系统的一个重要组成部分。尤其对于运行于户外大场景的机器人而言,现今主流的定位方法仍然是基于惯导技术和全球卫星定位系统(GPS),其定位功能一直受限于惯性传感器的精度、GPS信号的质量以及机器人本体处理器有限的运算和存储能力。随着互联网通信技术的快速发展,云机器人的概念应运而生。通过网络连接,将大量的实验数据以及繁重的计算任务转移到云端,从而大幅降低机器人成本,增加机器人的便携性。本课题的主要目的是设计一种基于云端的机器人架构以实现运行于户外大场景的移动机器人的准确定位。从而解决传统方法因过于依赖于惯性导航传感器以及GPS信号而导致定位不准确的问题。整个系统主要分为离线过程和在线过程两个部分。离线过程主要包括提取道路网信息以及采集带有位置信息的参考图像。前者是为了提取新的道路网信息并将其更新至云端的服务器中以备定位使用。参考图像数据库中的每幅图像都包含一个道路网上的地理坐标与其相对应,用于通过视觉补充提高机器人的定位精度。在线过程主要是基于云端的机器人定位过程,通过道路网信息计算机器人倾斜模型(RTI),采用粒子滤波融合RTI模型、传感器数据以及云端视觉补充结果得出准确的定位结果。同时,对于机器人和云端通信所产生的时间延迟而导致的定位误差,本文也采用了有效的误差补偿算法对其进行了补偿。本文设计了三个场景的实验来验证定位算法。三个场景分别选择了不同的道路类型,其中包含了次干道、支路、城市峡谷以及隧道等具有较高定位难度的复杂城市道路环境。最长实验路线长度为13.1千米。良好的实验结果充分验证了本文方法的实用性以及算法的有效性,适用于户外大场景的机器人自主实时定位。