随着国民经济、科技的发展,移动机器人在人类生活乃至国家战略领域都有着越来越广阔的应用,其对于人类社会有着重要的意义。而在未知的环境中进行精确的定位是保证移动机器人自主导航以及完成各类任务的前提和基础。因此,本文依托国家自然科学基金项目,以解决在无卫星信号情况下（室内环境为主）,移动机器人在复杂未知环境里的自主定位问题为背景,结合视觉、惯性、超宽带传感器之间的互补性,针对视觉/惯性/超宽带组合导航系统的定位技术开展研究。从硬件到软件,设计了一套完整的基于优化框架的视觉/惯性/超宽带组合系统,为工作在复杂未知环境下的移动机器人提供精确、鲁棒的定位信息。论文的主要工作如下:1.针对视觉/惯性/超宽带组合定位系统的样机进行了总体设计。首先,选择了合适的双目视觉/惯性、超宽带传感器以及性能强大的中心处理器。并在此基础上结合移动机器人底盘等硬件设备搭建了一套完整的移动机器人定位硬件系统。其次,基于通用的ROS机器人操作系统及其通讯机制,构建了一套完整的移动机器人定位系统的软件平台。最后,在硬件及软件平台的基础上,设计了一套完整的适用于多种环境,具有多种工作模式的视觉/惯性/超宽带组合定位算法。2.设计了基于点线双特征的双目视觉/惯性里程计。针对现有基于点特征的视觉或视觉/惯性里程计系统在昏暗、低纹理等复杂、结构化环境下点特征不易提取且容易丢失的问题,引入了与点特征互补的线特征,基于双目视觉,并结合IMU预积分技术、图优化方法,设计了一套完整的适用于移动机器人系统的基于点线双特征的双目视觉/惯性里程计系统。同时,通过选取关键帧、设计滑动窗口以及状态边缘化等方式抑制算法的计算复杂度,在保证算法精度的同时,使得算法实时运行。3.提出了基于图像块均匀采样的回环检测算法。针对现有回环检测技术在环境、光照、视角等变化较大情况下,检测效果较差的问题,引入图像块特征。对基于图像块的回环检测算法进行了深入研究。首先分析了图像块特性对回环检测效果的影响。然后,据此,提出了图像块均匀采样的方法,从图像中提取出均匀分布且大小适中的图像块。进而,将此方法应用于回环检测算法中,提出了基于图像块均匀采样的回环检测算法。并通过公开数据集实验表明了该方法能够更精准的进行图像描述,在复杂环境下有效提高回环检测的准确性。4.提出了基于图像块的图像重定位算法。本论文针对现有视觉重定位算法在利用稀疏三维点云进行重定位时,精度很低的问题。在基于图像块均匀采样的回环检测算法基础上,进一步设计了基于图像块的重定位算法。其中,重点设计了从图像块到特征点这样自上而下的特征匹配算法。先利用图像块特征进行图片间的图像块匹配,然后,在匹配上的图像块间进行点特征的匹配,最后又可以通过点特征匹配的结果来进一步消除图像块匹配的误差,从而获取高精度、高质量的特征匹配效果。我们将该自上而下的特征匹配算法用于基于稀疏三维点云的重定位算法中,大幅提高了在稀疏三维点云下视觉重定位的精度。5.设计了基于优化框架的视觉/惯性/超宽带组合定位系统。首先,将能够独立使用的基于图像块均匀采样的回环检测算法与重定位算法和基于点线双特征的双目视觉/惯性里程计进行融合,利用回环检测算法与重定位模块,抑制视觉/惯性里程计的累计误差。然后,针对视觉/惯性组合系统固有的无法进行全局定位,同时,仍然受累计误差影响的问题,引入了没有定位累计误差的超宽带传感器。设计了基于优化方法的超宽带定位算法,并且,构建了基于优化的超宽带/视觉/惯性组合框架。该框架利用超宽带传感器建立载体位置的全局约束,同时,利用视觉/惯性组合系统建立载体的相对位姿约束,从而有效的将超宽带定位算法与设计的视觉/惯性组合系统融合起来,使得系统在一个统一固定的坐标系中估计载体的位姿,并进一步提高系统的精度与鲁棒性。6.在视觉/惯性/超宽带组合系统的样机上进行了实际环境下的样机实验。以验证设计的样机及视觉/惯性/超宽带组合定位系统能够在复杂未知的环境下为移动机器人提供稳定的位姿信息。在实验中,分别验证了良好环境下,有光照变化、弱纹理环境下以及有传感器失效环境下视觉/惯性/超宽带组合系统的运行情况。实验表明,无论何种情况,设计的系统能够根据环境无缝切换到相应的工作模式下,并提供一个稳定的、具有较高精度的位姿信息。