随着人类进入信息时代,人工智能技术迅速发展。作为人工智能的重要载体,移动机器人技术跟随其潮流,正以前所未有的速度发展革新。在工业现场执行任务时,移动机器人面临最关键的问题是如何前往目标位置。这涉及到移动机器人导航和避障两个问题,而移动机器人的精确定位则是解决这两个问题的前提。移动机器人需要搭载传感器来感知其在环境中的位姿,才能实现移动机器人的定位。随着移动机器人应用领域的不断拓展,人们对移动机器人的定位精度的要求也越来越高。通常,采用单一传感器的数据进行定位难以保证定位精度,因此,采用多传感器信息融合的方案成为当前移动机器人定位领域的主流方案。本论文从多传感器融合和点云匹配的角度出发,开展移动机器人定位算法的研究,通过提出基于无迹卡尔曼滤波的里程计和惯性测量单元融合定位算法,运用点云匹配将激光点云和全局地图进行匹配,提出基于正态分布地图的正态分布变换位姿校正算法,进一步提高移动机器人全局位姿精度,解决移动机器人定位精度低、定位耗时高两方面问题。本文主要研究内容如下:(1)提出了基于无迹卡尔曼滤波的里程计和惯性测量单元融合定位算法。本文建立了移动机器人运动模型,并用该模型预测了移动机器人位姿。在此基础上,把里程计和惯性测量单元作为观测,通过无迹卡尔曼滤波修正预测位姿,同时根据里程计和惯性测量单元的测量时间差修正了运动噪声。通过实验证明,该算法能够大幅度降低里程计和惯性测量单元的测量误差,提高了传感器融合定位的精度。(2)实现了以里程计和惯性测量单元融合位姿为运动模型采样源,以激光测量为测量模型采样源的自适应蒙特卡罗定位算法。本文通过融合位姿差采样,避免了里程计和惯性测量单元中的累计误差,实现了精度稳定的多传感器融合定位。通过实验证明,该算法能够解决里程计和惯性测量单元融合定位中的累计误差,实现移动机器人全局位姿跟踪。(3)提出了基于正态分布地图的正态分布变换位姿校正算法。本文将多传感器融合定位位姿作为初始位姿,并将其转换为变换矩阵,作为正态分布变换算法的初始变换。在此基础上,将全局栅格地图和激光点云均转换为正态分布,以正态分布变换算法匹配两正态分布,校正多传感器融合定位位姿。通过实验证明,该算法能够快速校正多传感器融合定位位姿,进一步提高移动机器人的定位精度。(4)对移动机器人定位精度和实时性进行了测试。本文在室内和室外两种典型环境下,通过测试重复定位精度和平均定位时间验证了多传感器融合与点云匹配定位算法的性能。实验结果表明本文所提出的方法在移动机器人上能够达到实时而精确的定位效果。