随着计算机科学和传感器技术学科的不断发展,移动机器人日益向着自主化和智能化方向发展。机器人实现自主的任务必须能够判断自身的位姿,位姿计算和定位是自主移动机器人技术体系中一个非常重要的研究内容。本文围绕室内自主移动机器人的实际环境及其对导航定位精度的要求,开展了理论与实际紧密结合的微惯性定姿和RFID定位研究工作。主要内容包括以下几方面：针对现有多传感器融合方法精度低,计算复杂等问题,本文将微惯性航姿系统的高精度传感器陀螺仪、加速度计和磁力计组合,提出了一种改进卡尔曼滤波融合姿态计算方法。陀螺仪计算的角度作为预测数据,估计过程协方差Q；加速度计和磁力计的角度作为观测数据,结合陀螺仪的角度误差估计出测量噪声协方差R,通过卡尔曼滤波实现多传感信息融合。实验表明,本文所述方法具有较高姿态计算精度和较强的稳定性。针对室内基于粒子滤波的移动机器人自主定位精度低、粒子退化等问题,本文根据k-近邻权值算法和向量空间相似性度量提出一种新的无源RFID指纹自定位的方法。引入递推贝叶斯滤波的粒子滤波定位算法,通过分析不同相似性度量算法对定位精度的影响,采用了一种新的相似性度量算法HSim建立观测模型,最后,通过重采样方法准确估计机器人的真实位姿。实验表明,本文所述的改进算法能够有效提高定位的精度和效率。本文在室内环境下实现了机器人定位和定姿的功能,为自主移动机器人作业过程提供了决策信息,提升了特殊环境下机器人的智能化程度。