当前,移动机器人已经应用到工业、服务、军事等各个领域。在探测、巡逻等多种任务场景中,移动机器人都需要自主导航以完成规定任务,其运动的基础是机器人定位。由于在城市高楼环境或复杂电磁干扰环境下,GPS信号误差过大无法用于定位,机器人需要寻求新的定位方式。而现有的单传感器的定位方式鲁棒性不强,机器人需要综合应用多种异构传感数据提高定位能力。因此,本文针对机器人定位的具体应用展开研究,提出了基于图像-点云异构数据关联的机器人初始位置估计方法和实时位姿估计方法,并且在此基础上设计实现了大范围机器人自主导航系统。本文的主要内容及创新点包括:·研究分析异构传感数据关联的基础理论与基本方法（第二章）本文系统阐述了异构传感数据关联的理论和方法,根据异构传感数据关联的不同场景,将其分为多传感器相同维数、多传感器不同维数和多位置点多传感器三种情况,并分别对其处理思想和方法进行了阐述,为机器人应用异构传感数据关联解决具体应用提供了理论指导。·提出基于图像-点云异构数据关联的机器人初始位置估计方法（第三章）本文充分利用单目相机的便利性和激光点云的鲁棒性,实现了在没有先验信息的情况下,机器人通过单目相机在全局点云地图中的初始位置估计问题。我们提出利用深度信息作为中间数据来解决2D图像和3D点云的异构数据关联问题。我们将全局点云地图分割并投影成为一组带有位置信息的深度地图集。然后使用无监督的神经网络将单个相机图像预测为对应的深度图像并在深度地图集中检索该深度图像,以此得到对应的位置信息。数据集测试显示定位准确率为89.3%,检索性能F1-Score=80%。·提出基于图像-点云异构数据关联的机器人实时位姿估计方法（第四章）本文提出了基于图像-点云数据关联的机器人实时位姿估计方法,实现了机器人利用单目相机在激光点云地图中的6自由度位姿估计。我们利用单目里程计的建图功能将连续的相机图像构建成3D相机点云,然后对全局的激光点云地图进行处理。最后使用改进的点云配准方法将相机点云与激光点云地图相配准,通过点云配准的变换矩阵求得相机的位姿。此外我们还解决了单目视觉定位存在的尺度不确定问题,定位平均平移误差为0.16 m,平均旋转误差为1.42°。·在机器人操作系统中设计实现大范围环境下的机器人自主导航系统（第五章）面向机器人自主导航的实际应用,本文在机器人操作系统中设计和实现了大范围环境下的机器人自主导航系统。该系统结合全局GIS空间数据和局部SLAM建图结果实现混合导航。机器人可以直接调用GIS数据库中的路网数据进行全局拓扑导航,并且可以在行进过程中根据局部建图结果计算和优化局部路径,实现大范围环境下的自主导航,完成“感知-决策-行动”的循环过程。