随着智能机器人应用领域的不断发展和人工智能技术水平日益提升,移动机器人在实际生产和生活中的应用日趋广泛,机器人的自主定位与导航技术也得到了深入的研究。机器人的定位过程是指其需要利用自身携带的一种或多种传感器感知获取周围工作场景的环境信息,再对传感器数据进行加工和处理,进而推算得到自身的位置和姿态信息。目前,移动机器人的定位技术主要分为两种:视觉SLAM技术和激光SLAM技术。由于激光传感器的价格昂贵和对场景感知范围较小,因此对于应用于室内的服务机器人,大多采用利用视觉SLAM技术进行定位。由于移动机器人在室内环境里进行工作的过程中,室内场景的光照强度随时间变化或者受其它外在操作因素影响而发生变化时,由相机实时采集得到的图像亮度发生改变,图像亮度和视觉地图的亮度明显不一致,定位成功率会大幅度降低。因此,本论文主要研究移动机器人视觉定位技术,提出一种基于点线综合特征图像检索、利用多种特征描述符进行特征匹配和使用多幅视觉地图进行定位的视觉定位方法,旨在提升视觉定位算法对场景光照变化的鲁棒性。本文主要在以下几个方面进行了研究:1.基于点线综合特征图像检索算法研究。首先在图像检索的阶段,对图像同时提取点特征和线特征,将线特征融入到扩展的词袋模型中,用k-means++算法对图像特征进行训练时,分别为点特征和线特征施加不同的权重,生成含有点线综合特征的视觉单词字典模型。通过对比几种视觉特征单词向量相似性计算方法,增加了检索的成功率和准确度。2.基于多特征描述符的特征匹配算法研究。针对利用单一特征描述符进行特征匹配过程易受到场景光照变化的影响问题,本文提出使用BRIEF描述符、SURF描述符和DLCO描述符三种特征描述符分层对特征进行描述匹配。在误匹配点的剔除过程中,结合特征点数量,角度,距离和周围像素信息等约束条件,提高误匹配点剔除的准确度。3.基于多幅视觉地图的定位算法研究。对不同时刻不同亮度的同一场景分别构建视觉地图,通过多幅地图对齐算法,使得多地图位姿保持一致,最后形成多幅光照不同的地图用于定位。最后在定位过程中,根据当前图像的亮度从多幅地图中选择出一幅最为接近的视觉地图,基于此地图进行定位位姿解算,实现在场景光照变化情况下依旧能够准确定位。4.室内光照变化场景下视觉SLAM定位算法实验研究。对于改进的算法进行实验研究和分析,以验证实验中算法的可靠性和有效性。