移动机器人系统为了安全完成工作要求,最重要的任务之一,是通过传感器测量获取工作环境的知识,然后从这些测量中提取有意义的信息,这些信息是建立环境模型、明确自身位置的基础。传统的移动机器人观测模型基于理想的假设,如在基于视觉的感知方式中,通常假设环境噪声和测量噪声是各向同性、独立同分布的高斯噪声,无法全面地反映环境变化和传感器噪声等多源不确定性信息对感知过程的影响。为保证移动机器人在多源不确定性因素干扰下感知环境信息的准确性,提高移动机器人对感知不确定性信息的适应能力,研究多源感知不确定性信息的处理方法对于提高移动机器人的感知能力有重要的意义。基于视觉的感知方法主要分为直接法和特征法,点特征由于提取过程简单、匹配过程速度快在特征法中被广泛应用。考虑到多源不确定性信息影响图像成像模式,进而影响特征点提取和匹配的情况,论文以移动机器人视觉感知系统为研究对象,研究如何将视觉感知过程中的多源不确定性信息融合到基于特征点法的移动机器人的定位过程中,以提高移动机器人对不确定性信息的适应能力。论文的主要研究内容包括:1.考虑特征点的深度不确定性与方向不确定性的视觉感知系统建模。相机噪声影响特征点的深度估计,论文通过特征点邻域内的高斯混合模型建立特征点的深度不确定性模型;环境噪声影响图像的成像模式和特征点的检测,论文通过仿射矩阵建立特征点的方向不确定性模型,同时将深度不确定性模型融合到方向不确定性模型中,最终对特征点建立多源不确定性模型。2.融合多源相似性指标的特征点匹配的证据方法。论文根据证据理论处理多源信息的优势,建立了衡量特征点相似性的多源评价指标,再运用证据组合规则融合多评价指标,得到多个匹配点对之间的基本概率指派函数（Basic Probability Assignment,BPA）,最后根据融合后的结果在匹配点对之间进行选择。针对传统证据冲突因子表达证据冲突的局限性,论文提出一种改进的冲突程度度量,并将其运用在对匹配点对的筛选过程中,给定运动初值,以虚拟特征点为中心进行搜索。3.考虑多源不确定性的移动机器人位姿求解目标函数构建。在证据融合得到的匹配点对的基础上,结合建立的特征点多源不确定性模型,将多源不确定性与位姿求解的目标函数进行融合,使得原始目标函数充分考虑了不确定性因素的影响,最终通过旋转参数和平移参数的计算,使得目标函数能够适应不同程度的多源不确定性。论文对图像建立了特征点的多源不确定性模型,模拟了多源不确定性下的位姿求解过程,用旋转矩阵和平移向量的相对误差来衡量位姿求解的准确性,验证了论文方法的可行性。