伴随着智能电网和移动机器人的同步定位技术的快速发展,智能电力巡检机器人已成为各电力行业的研究热点领域。目前巡检机器人普遍采用预设磁轨和射频识别技术进行定位,存在灵活性低,抗干扰能力弱,定位精度低等缺点,导致机器人巡检工作效率低下甚至无法完成日常任务。而基于单一传感器的定位方式不能很好的适应电厂、变电站等复杂工作环境。为了保证巡检器机器人定位的稳定性和精度,融合多个传感器进行定位已经成为发展趋势。本文面向巡检机器人定位系统低成本、高精度和高稳定性的应用需求,对多传感器融合定位算法进行研究。主要工作如下:1.对比研究ORB(Oriented FAST and Rotated BRIEF)特征点法和光流跟踪法,针对光流法出现的特征点聚集和误匹配问题,对LK(Lucas-Kanade)光流法做出改进,并通过实验证明其有效性。建立单目视觉里程计并设计滑动窗口和关键帧选择策略,保证系统实时性。为单目视觉定位添加闭环检测模块,消除系统长时间运行产生的累积误差。通过实验验证改进算法的效果和回环检测模块的作用。2.分析了里程计和IMU(Inertial Measurement Unit)各自的特点,并通过建立误差校正模型对其标定和校准。提出一种多传感器融合的外参在线标定方法,通过预积分的方法将不同频率传感器实现同步,然后以相机与IMU的外参标定为例给出了该算法的具体实现过程。通过实验验证提出算法的有效性,为之后的多传感器融合的实现打下基础。3.针对移动平台上IMU激励不充分导致的初始化成功率低、误差大等问题,本文考虑了里程计预积分与相机对齐过程,同时提出一种基于动态加权的求解尺度参数的方法,提高了初始化过程的成功率和估计参数的精度。针对单目视觉惯导定位算法在移动平台上精度不高的问题,本文使用紧耦合后端优化算法框架,构建系统模型和观测模型,并通过非线性优化的方式对机器人进行位姿估计。最后,搭建了所需的机器人软、硬件平台和室内检测平台,在室内和室外环境下测试算法。通过实验,验证了融合定位算法与单目视觉惯导定位相比在定位精度和稳定性上都有较大提升。