从上世纪80年代末,室内环境下移动机器人系统研究一直为机器人领域研究的热点问题,在理论与实践方面均取得了丰硕成果。由于定位是导航、任务规划和移动作业的基础,定位技术研究一直倍受关注。本文研究目的是提高机器人系统的可靠性和可移植性,研究室内移动定位技术提高其准确性和可靠性。论文从建立服务机器人系统入手,进行室内环境下移动定位技术研究,主要进行以下研究工作。基于模块化技术建立一种服务机器人系统:包括系统框架和系统模型,其中模块化思想涵盖了机器人的五个系统。在系统框架中对系统建立的可靠性问题进行探讨并提出相关解决措施,进行相关模块设计完成机器人系统研制工作;在系统模型建立中,对该机器人的运动模型及里程计模型、红外标签传感器观测模型和激光传感器观测模型进行建立和分析,并仿真实验验证。基于贝叶斯理论给出机器人定位的SLAM算法描述,针对FastSLAM2.0算法的机器人状态估计和路标估计进行解耦和推导。在充分分析算法的局限性和关键问题基础之上,提出了基于栅格的FastSLAM2.0算法。在稠密特征环境和稀疏环境特征条件下进行FastSLAM2.0算法仿真,验证了运动模型与传感器观测模型的有效性及其算法特性,并对基于栅格的FastSLAM2.0算法进行仿真。提出一种基于平方根无迹卡尔曼滤波的同步定位与地图创建(SRUKFSLAM)算法,该方法在每迭代步中采用平方根矩阵进行传播,从而保证状态矩阵非负定。采用无迹卡尔曼滤波器估计机器人状态替代FastSLAM2.0的粒子滤波器估计,同时采用SRUKF方法估计作为环境路标的红外标签,避免了原算法EKF的不足。对新算法进行推导证明,并通过仿真分析,在机器人状态、路标估计和闭环误差方面进行比较,验证了本算法估计精度高于FastSLAM2.0算法。采用MbICP算法对定位问题进行了研究及针对动态特征提出了MbICP策略,该策略采用差分扫描方法提取运动目标和对MbICP算法去噪处理,然后估计机器人状态。最后在动态环境下,改进了两个环境特征假设条件,在此基础上根据一阶Markov假设和Bayesian理论进行动态环境目标分解和相关推导证明,提出一种融合红外标签、激光传感器和MbICP策略的分层定位综合算法。综合算法层次级别从低到高概括为具有关联性的三个层次,第一层为运动目标跟踪,第二层是SLAM1局部地图,第三层采用STUKFSLAM算法的特征地图,其中第三层算法在无路标观测时机器人的状态更新采用MbICP算法,在动态环境中通过实验验证综合分层定位算法的有效性和稳定性。本论文基于模块化思想构建新型移动机器人平台,通过对系统模型研究提高系统稳定性和可移植性,有利于机器人产业化发展,同时对机器人的运动模型和传感器观测研究,为对室内环境定位研究提供有利参考。考虑静态和动态环境因素,提出了相关算法,经仿真实验验证新算法能够提高精度和稳定性,对室内机器人定位具有实用性参考价值。