在移动机器人导航中,实现机器人自身的准确定位是一项最基本、最重要的功能,也是移动机器人研究中备受关注、富有挑战性的一个研究主题。近年来,基于视觉传感器的移动机器人定位是计算机视觉及移动机器人导航领域非常活跃的一个课题。本文主要研究基于全景视觉的移动机器人粒子滤波定位方法,并对如何处理全景传感器带来的丰富视觉信息及如何减少其处理时间提出了改进算法。首先从软件角度介绍了基于全景视觉的移动机器人粒子滤波定位系统的功能与组成,从硬件角度分析了系统体系结构的设计。并详细讨论了基于折反射全景成像的成像原理及确定双曲面折反射全景反射镜的尺寸及面形的方法。对全景图像的特征提取算法进行了研究与改进。尺度不变特征SIFT具有对平移、旋转、尺度缩放、亮度变化具有不变性的优点,但特征点的提取与匹配耗费了大量的时间,且提取的特征点数量远大于机器人定位所必需的数量。因此提出一种改进算法,将原SIFT遍历式的特征检测方法改为基于采样的迭代检测方法,有效的减少了特征提取及匹配的时间。由于改进的SIFT算法保留了原SIFT算法的特征描述方法,从而在减少特征提取与匹配时间的同时保证了匹配的准确性。通过实验,我们确定了改进SIFT算法的重要参数的选取,并验证了方法的有效性与实时性。机器人定位问题是一个系统状态随时间变化的问题。贝叶斯滤波把系统的动态不确定状态的预测与不准确的观测值结合起来,进而通过迭代得到准确的系统状态的估计,能够对机器人定位问题提供一个框架,是基于概率的定位方法的理论基础。在贝叶斯滤波的基础上,我们研究了粒子滤波的基本算法、改进算法及其重采样算法。并将其应用于基于全景视觉传感器的移动机器人定位系统中,利用改进SIFT算法提取当前图像特征,使用少量的特征点达到了满意的定位精度。