近年来,自主式移动机器人技术在工业、医学以及社会服务等领域发挥了越来越重要的作用,因而成为国际机器人学术界的研究热点问题,特别是无人驾驶汽车的出现使得移动机器人技术收到了学术界、工业界和社会的极大关注。在自主式移动机器人的相关技术的研究中,导航技术是其核心技术。导航技术是指移动机器人通过传感器感知环境和自身状态,实现在有障碍物的环境中的自主移动。导航主要解决三个问题,包括确定机器人自身的位置、建立环境的地图模型、寻找机器人从当前位置到目标位置的一条最优或近似最优的无碰路径。也就是说导航技术主要分为三大块:定位、感知和规划。本文的研究对象——视觉定位系统主要是为了解决机器人自主导航三个问题中的第一个:定位问题。定位问题是指自主移动机器人在工作的环境中确定自身在工作环境中的位置的问题,机器人的定位问题可以说是机器人导航技术中最为重要的问题,因为定位问题其他两个问题的基础,只有确定了机器人的位置,机器人的感知和规划才能发挥作用,当没有办法确定机器人位置的时候,感知和规划是没有意义的。近年来,随着计算机性能的不断提高、视觉传感器的成本和功耗的下降使得视觉定位系统在移动机器人这种计算性能受限、成本敏感和续航能力要求高的场合的应用成为了可能。机器人的视觉定位系统是一种自定位系统,相比与WIFI定位、蓝牙定位等绝对定位方法具有成本低、安装方便、定位精度高等优点;相比与陀螺仪加编码器这种定位系统具有定位精度高、对环境的适应能力强、鲁棒性好等优点。因此对机器人视觉定位系统的研究具有非常重要的学术意义和很高的实用价值。本文以室内移动机器人定位的高精度、实时定位为目标,围绕实时性、鲁棒性、高精度三个关键问题进行了一系列的研究,主要的工作内容如下:首先,通过实验发现特征提取的不均匀性会极大的影响视觉运动估计的精度,为了提高视觉里程计的精度,在特征提取的阶段用四叉树对图像进行分块操作,使得提取到的特征点在图像上尽量均匀的分布,从而克服了特征提取不均匀对运动估计的影响。其次,为了提高整个系统对噪声的鲁棒性,使用RANSAC算法来滤除由于噪声造成的误匹配的对运动估计性能的影响,使得系统在比较低的信噪比的环境下,例如有较多的动态物体等,依然可以稳健的运行。最后,为了提高系统的实时性和鲁棒性,选用提取速度较快的特征点,减少了特征提取的时间。同时,考虑到我们把视觉定位系统应用在室内平面移动机器人上,通过引入平面移动机器人的运动学约束,极大的减少了运动估计的自由度和RANSAC算法的迭代次数。使得系统的实时性和鲁棒性大大地增强。