人工智能时代的到来掀起了机器人领域发展的浪潮,机器人技术伴随着计算机技术,计算机视觉技术等多种技术的飞跃性发展,不断迈向智能化。现代机器人技术不再是程序控制的器械,而是具有自适应能力的“智能”机器系统,这种智能化系统离不开机器感知系统和机器学习。在感知系统方面,类比于人类可以依靠发达的视觉信息在场景中快速构建出场景模型,获取丰富且有效的视觉性信息,因此视觉感知无疑是一个发展趋势;在机器学习方面,包括有监督学习,半监督学习和无监督学习三种学习方式,神经网络是有监督学习的典型代表,具有较强的学习能力。如果将视觉技术,机器学习技术和机器人技术有效融合,通过多种传感器数据的有效配合,取长补短,必将推动机器人领域相关技术实现质的飞跃。自主定位导航是实现机器人智能化系统的核心之一,是赋予机器人实现环境感知和移动能力的关键影响因素。为了使得机器人可以在室内场景中具有良好的定位和导航效果,同时具有一定的普适性,本文提出从计算机视觉的角度出发,基于神经网络进行机器人定位,结合机器人系统完成机器人定位导航任务,并在实际场景中加以利用,进而验证系统方法的实用价值。通过视觉传感器,机器人可以获取更丰富的场景环境信息,解决了使用激光传感器只能获取较少的二维环境信息的问题,同时降低了使用成本。其中定位部分采用基于全卷积神经网络的定位方法进行密集地回归场景坐标,定义图像和场景空间之间的对应关系,即场景定位,实现机器人通过获取当前视角下单张RGB图像即可实现自身定位的功能,定位的结果对于机器人的移动并规划通往目的地坐标点的路径起到关键性作用,结合机器人移动平台系统,最终完成机器人导航任务。