智能移动机器人是新一代人工智能的重要研究领域,在工厂、医疗和物流等多个领域的需求与日俱增,疫情期间大量智能移动机器人奔赴战疫前线,在药品配送、病房消毒、安防巡逻和安检测温等方面与医护人员并肩作战,发挥了重要作用。在移动机器人关键技术中,稳定、高效及准确的定位是实现自主性的核心,而实际环境复杂多样,运动过程位置易丢失,且单一传感器有各自局限性,利用多种传感器的优点,提高定位能力将推动移动机器人的实际应用。因此针对移动机器人定位问题,本文研究基于多种传感器的定位算法,以提高重定位和位置丢失恢复能力,主要研究内容和结果包括:（1）分析智能移动机器人系统中常见的传感器轮式里程计、惯性测量单元（Inertial Measurement Unit,IMU）、相机和激光雷达的优缺点,阐明多传感器融合的意义;研究典型的单一传感器导航定位算法,重点探究视觉和激光雷达定位算法的关键技术,推导了各自的数学模型;分别实现了基于激光雷达的定位算法和基于特征点法的视觉定位算法,并设计实验验证了定位效果和失效情况。（2）针对轮式里程计存在的系统误差,构建以激光雷达扫描匹配为真实值,以轮式里程计数据为观测值的最小二乘问题,求解标定了轮式里程计;针对轮式里程计存在的随机误差,利用扩展卡尔曼滤波方法融合IMU数据和轮式里程计数据,并使用融合结果作为激光雷达扫描匹配的初始值进行局部定位估计。（3）研究任意位置启动和导航位置丢失问题,设计了根据运动状态进行切换的模式转换模块,正常导航时利用激光雷达占据栅格地图有利于路径规划,位置丢失时使用信息丰富的视觉定位算法重定位;通过实验发现地图中不同位置对定位的帮助不同,因此设计恢复点策略,将视觉特征点聚类,以聚类中心作为恢复点,并保存里程信息,位置丢失后,以连续位姿中的里程数据作为位置丢失后的位姿估计值,有方向性的朝恢复点移动,使定位算法在位置丢失后有更强的恢复能力,提高了在动态环境运行的稳定性。（4）利用Gazebo软件搭建的仿真环境,按照实体机器人属性进行配置,调试算法高效,节约成本;为验证算法在实际环境中的性能,按照性能和结构要求搭建了实体机器人平台;通过设计实验验证了所设计的定位算法在定位精度、定位时间、修正错误位置、定位成功率和位姿丢失后恢复能力等方面都有较好的结果。综上,本文针对移动机器人定位问题,利用多种传感器设计了具有模式转换功能的定位算法,设计了地图保存加载模块,设计了位置恢复策略,搭建了实验平台,验证了系统的有效性和实用性,将促进移动机器人在实际场景中的应用。