精确可靠的自定位是移动机器人实现多机协同、路径规划与控制决策等自主能力的基础。作为移动机器人的典型代表，室内服务机器人要能够实时进行自定位且有效避开各种静态和动态障碍物，以完成自主导航。
　　本文以RGB-D相机为主要的视觉传感器，在TurtleBot2的实验平台上对室内移动机器人的建图、自定位以及路径规划问题开展研究。研究的内容主要包括两个方面：1、建立室内环境地图模型并基于所建立的环境地图模型进行自定位研究。本文结合gmapping算法建立环境的二维占据栅格地图，并基于霍夫变换提取线特征建立环境模型误差查找表，最后利用匹配优化算法实现精确的机器人自定位。2、路径规划与环境变化自动检测。移动机器人在完成建图与定位的基础上进行室内环境下的路径规划以及工作过程中对环境变化的自动检测。本文采用基于Kinect视觉传感器的SLAM方法既保证了实时性又降低了实现成本，并通过匹配优化方法提高了机器人自定位的精度与鲁棒性。本文同时对移动机器人在自主导航过程中自动检测环境的变化进行了研究，机器人一旦检测到工作环境发生较大的变化，即基于之前地图模型已无法完成自定位工作，便自主做出重建地图决策，更新环境地图。
　　基于所提出的方法，本文最后通过实验验证了机器人能够实现实时精确的自定位，并且自动检测出环境的变化以更新地图，为进一步深入研究路径规划与自主导航等问题打下了良好的基础。