室内移动机器人的研究,一直是移动机器人研究中最基本、最重要的内容,而且一直存在难以准确控制和定量描述定位与导航的问题。而工程上精确定位与导航的实现面临着两个挑战:即是如何降低传感器误差带来的不确定性和如何实现具体的定位导航行为。因此为了迎接这样的挑战,把如何降低传感器的不确定性、如何实现具体行为、如何实现远程监控(定量描述)定为本文的重点和三大目标。其中第一个为本文的核心技术,另外两个为关键技术。移动机器人定位与导航的工程研究,一定是建立在机器人的运动学、动力学模型和机器人平台系统上。由力学模型可以知道其前行速度、转弯速度、转弯半径等以及机器人所受非完整约束带来非线性系统。根据系统设计分析,可以知道闭环控制、传感器采集、通讯协议等具体软硬件设计,有利于实现具体行为。另外文章对一些重点细节参数进行了详细地描述,如电机PI控制参数、电机扭矩功率参数选择等。为了分析和得到降低传感器不确定的方法,将从传感器感知模型、工艺上的系统误差、环境的随机误差几个方面做详细研究。经过理论推导和实验数据的仿真,得出传感器误差的一般模型为:固定漂移+随机信号。对于超声、红外等传感器而言随机信号是可以看出正态分布的;而MEMS惯性传感器的随机信号是由正态信号和非平稳信号叠加,进一步地真实数据分析知道随着采样频率和采样点的增加,其随机误差也会慢慢趋于正态分布。得到单传感器的平滑处理和多传感器的融合两种方法都是可以降低传感器的不确定性的,它们是可以互补的,但是不可完全代替。在单传感器平滑处理方面,从计算量、存储量、效率等指标考虑,将线性平滑滤波、非线性滤波、巴特沃斯滤波、普通卡尔曼滤波和改进卡尔曼滤波进行比较,提出了一种引入“Q”值的改进卡尔曼滤波,陀螺仪定位精度可达1.13%和加速度机定位精度可达6%,而仿真和实践证明不确性模型和方法均是有效可行的;在多传感器融合方面,将普通的线性加权进行了权数改进;对于适合非线性系统的扩展卡尔曼滤波(Extend Kalman Filter)做了非线性近似线性带来的误差补偿的研究,仿真可知导航轨迹非常接近参考轨迹,方法是行之有效的。室内环境定位导航典型行为指定路径跟踪、颜色跟踪、避障、寻墙等成功实现,效果较好。程序设计基于行为反应模型,在MFC的界面上开发的,首先将平滑滤波和融合技术引入,然后结合实际行为算法在平台上进行调试和实现。特别是指定轨迹跟踪,得出基于改进的Kalman Filter的实际效果定位和导航轨迹精度为10cm,由实验可知可以知道是算法可靠的、有效的,具有实际工程意义。本文基于无线局域网开发的远程监控系统,实现实时指令数据传输和视频传输,并实时精确地显示其轨迹、方向角和精度以及远程控制,这在机器人远程监控软件中是极其少见的。WI-Fi实现主楼环境200米的监控范围,并在NOKIA N900开发出远程终端,实验可知是可行。