本文主要研究非结构化环境下基于局部视觉特征的移动机器人拓扑定位问题。基于局部视觉特征的机器人拓扑定位的关键问题之一是构建拓扑地图，其中定义拓扑节点是构建拓扑地图的基础。拓扑节点的定义一般依赖于机器人执行的任务以及执行任务的环境。在较为复杂的环境中，或者需要利用拓扑地图实现较为精准的定位导航时，拓扑地图一般包含大量的拓扑节点，在这种情况下可以以关键帧信息为拓扑节点；而当环境中的不同地点区分比较明显，或者机器人与人的交互较多时，可以定义语义层次的地点作为拓扑节点。论文针对这两类情况，将模式识别领域得到成功应用的视觉词汇树技术引入机器人定位问题研究之中，提出了以关键帧信息为拓扑节点的机器人拓扑定位算法以及以语义层次地点为拓扑节点的机器人拓扑定位算法，并进行机器人在线定位实验，验证了算法的有效性。论文首先研究以关键帧信息为拓扑节点的机器人拓扑定位算法。机器人自身提取关键帧信息作为拓扑节点，是一种自主的节点定义方式。在离线构建基于关键帧信息的拓扑地图时，论文提出了基于视觉词汇树的关键帧选择算法，提取出具有代表性以及区分能力的关键帧图像，并提取局部视觉特征，然后使用视觉词汇树技术将关键帧图像的局部视觉特征稀疏化为一个特征矢量，以之作为机器人拓扑地图的节点。在线定位阶段，将机器人所采集的查询图像稀疏化为与拓扑地图节点信息类似的特征矢量，实现一种基于检索匹配的自定位，将机器人定位到与该特征矢量最接近的拓扑节点。论文然后研究语义层次地点为拓扑节点的机器人拓扑定位算法。以语义层次地点为拓扑节点时，此种方法与人类认识环境的工作方式更相符，更有利于人机交互。论文通过构建视觉词汇树将机器人位于不同地点采集的图像稀疏化为特征矢量作为训练样本，并使用支持向量机训练地点识别分类器。在线定位阶段，将机器人所采集图像稀疏化为与训练样本类似的特征矢量，并将其输入到地点识别分类器完成地点识别，即实现了基于地点识别的机器人拓扑定位。针对提出的两种拓扑定位算法，论文采用COLD图像数据库开展拓扑定位实验，并确定了定位算法最优的参数和训练条件，实验结果表明机器人使用本文提出的上述两种算法能够较为有效地实现拓扑定位。