自定位问题是移动机器人自主导航中的基础性问题。尽管机器人自定位方法经过多年的研究已经相对成熟,但是如何依靠低成本传感器实现稳定的室内定位依然存在很多难点,另外,机器人在动态环境下定位,依然面临着环境动态改变、动态障碍遮挡等诸多挑战。这些难题的攻克,对于移动机器人的应用和推广,具有重要的实用价值和现实意义。本论文针对办公环境下的室内低成本服务机器人,研究并实现了基于RGB-D相机的自定位解决方案；同时,针对工业环境下的智能无轨AGV,研究并实现了面向动态环境的改进定位算法。主要研究成果包括：1.提出了一种基于点-面特征融合的RGB-D视觉里程计算法,结合FAST特征点和点云平面特征,通过一致性约束图进行特征关联并进行优化运动求解。算法具有较高的跟踪精度,同时满足实时性需求。2.提出了一种基于蒙特卡洛定位算法和RGB-D相机的两轮自平衡机器人自定位方法,通过基于地面提取的相机外参自标定解决了相机姿态晃动的问题,通过选择性粒子滤波和粒子可行地图改进了全局自定位,解决了相机视野范围小导致全局定位收敛成功率低的问题。该方法具有较高的精度和速度。3.提出了动态环境下的双地图定位算法,在环境发生大面积变化时,根据实时观测进行SLAM从而构建出局部地图并进行稳定准确的自定位,为机器人在动态工业环境下的自主导航奠定基础。