伴随我国电力系统的发展以及智能电网概念的提出,旨在提高电网巡检效率、保障电力系统安全运行的电力巡检机器人得到了广泛的应用。电力巡检机器人不仅解决了人工巡检工作效率低、危险系数大、恶劣天气巡检困难等问题,还凭借搭载高清相机、拾音器、红外热成像仪等智能化检测装置,有效提高了电网运行的可靠性。在电力巡检机器人自主巡检过程中,实现自主导航定位是其智能巡检的前提。因此研究定位精度高、鲁棒性好、环境适应能力强的机器人导航定位方法具有重要的实际意义。本文分析了电网巡检机器人研究现状,针对变电站、配电室等实际应用场景,研究了基于惯性辅助视觉的巡检机器人导航方法。并在复杂非结构化巡检环境中机器人无法单独作业时,研究了一种基于信息双向融合的人机协同导航方法。本文开展的研究工作和取得的主要进展有以下几点:论文首先对基于特征的视觉导航方法进行研究。在特征提取、特征匹配部分,对比分析了主流算法的性能和效率,针对特征匹配中的误匹配问题,采用随机抽样一致法剔除误匹配;在位姿估计部分,采用基于EPn P的位姿估计优化方法。实验结果表明,在特征稳定的情况下,该视觉里程计有着较好的定位精度和实时性。其次,为了解决机器人视觉导航中鲁棒性差、尺度漂移的问题,本文研究了基于惯性辅助视觉信息的导航方法。通过预积分的方法对惯性数据进行预处理,经过视觉惯性联合初始化估计系统初始参数,采用基于局部地图的紧耦合非线性优化模型对惯性信息和视觉信息融合处理,估计出机器人的位姿信息。通过模拟电网巡检环境,验证了该方法的定位精度和鲁棒性满足电网巡检的要求。最后,在非结构化、复杂、未知的环境或者对任务可靠性要求较高的场景中,针对巡检机器人难以单独完成任务、需要人机协同作业的问题,研究了一种基于信息双向融合的人机协同导航方法。该方法利用行人导航系统和机器人导航系统不同的误差特性,构建信息双向融合滤波器,同步修正两者的导航信息误差,提高人和机器人导航系统的定位与航向精度。