实时定位与建图作为移动机器人的关键技术,在智能制造等领域具备广泛的应用价值。但是现有基于连续帧的方法随着移动机器人的长时间的作业,其误差的累积也逐步加大,导致移动机器人在长时间工作下出现位姿漂移、定位误差大的现象。鉴于此,本文从现有实时定位与建图其误差产生的原因入手,针对问题产生的原因提出在倾斜航空摄影模型中进行移动机器人全局定位的算法研究,分析倾斜航空摄影模型作为定位地图的问题所在并进行解决,最终实现移动机器人在模型中进行全局定位。首先,本文对实时定位与建图的基本原理进行阐述,通过构建实时定位与建图系统进行实验,验证现有基于增量式的方法其误差的累积对定位精度的影响,通过分析误差产生的原因为:通过连续帧之间的特征匹配计算出位姿的变化来增量式建立地图,其每一帧的误差也会逐帧积累,即使通过后端优化也难以完全消除。鉴于此提出在倾斜航空摄影模型中进行全局定位的方法,从而避免基于增量式实时定位导致的误差累积。其次,依据所提出方案建立倾斜航空摄影模型并分析该模型作为移动机器人定位地图的不足之处:倾斜航空摄影缺乏视角盲点处的数据,导致模型与真实场景相比存在许多缺陷,影响机器人利用模型作为定位地图的定位精度。同时提出解决方法:通过在地面采集倾斜摄影视角盲点处的点云数据,并将其与倾斜航空摄影点云数据进行注册,以此来补充视角盲点处缺乏的点云数据,从而对模型的缺陷进行修复。同时,对地面采集的点云数据开展地面点云去噪算法研究以及空中、地面点云数据注册方法研究。最后,以修复好的倾斜航空摄影模型为定位地图,模拟相机在模型中采集图像及对应的相机位姿以制作数据集,搭建基于深度学习的位姿估计网络进行训练,最终实现移动机器人在模型中的全局定位,位置和角度的定位精度分别为3.85m和7.73°,相对于直接采取未修复模型进行定位的最好精度:20.16m和16.98°有很大的提升,并且在实际的移动机器人上进行部署,实现移动机器人的全局定位实际应用,避免了同步定位与建图其通过增量式的构建地图进行定位和导航带来的位姿漂移和定位误差累积的问题,拓宽了移动机器人的实际应用场景。