随着时代的进步,智能移动机器人的使用在人们的日常生活中越来越多,它们能在已知和未知环境下进行自主移动和工作,其主要依靠自身携带的传感器进行周围环境的识别与定位,而智能机器如何实现自主定位技术的研究受到很多研究者的青睐。本课题以携带视觉传感器定位的移动机器人为基础,解决如何精准定位,定位过程中产生的累计误差如何消除以及移动机器人知道起始点和终点的先决条件下如何进行路径规划等问题开展研究。主要研究内容如下:（1）基于SLAM视觉定位技术中,前端视觉里程计为其核心部分,本课题采用基于特征点法的视觉里程计设计方法。首先对传感器Kinect v1相机进行标定实验;然后在特征提取和匹配阶段采用最为常用的SIFT、SURF、ORB三种特征算法进行对比分析实验,分别从提取速度、提取数量以及匹配精确度三个方面分析对比;然后对ORB算法加以改进实验,同样对以上三个方面对比分析本课题算法、ORB算法以及SURF算法,从实验结果可知,本课题算法较ORB、SURF二者在以上三方面皆有不错的优化,验证本课题具有的创新性。本课题在位姿估计和位姿优化问题上,使用EPNP与BA两种算法组合的改进算法进行移动机器人的位姿估计和优化。（2）为了解决移动机器人产生的累计误差问题,本课题采用了基于词袋模型的回环检测算法对其进行累计误差的消除;从Kinect v1相机拍摄好实验室的多组照片,对其进行特征提取和描述,训练生成词典,并设定好回环阈值t,设定为t=0.1,使回环检测更加精准。从实验结果可得,本课题设定好的回环阈值t可以很好的检测出来自同一场景下的两张图像,验证本课题基于词袋模型算法的回环检测具有消除累计误差的作用。（3）移动机器人路径规划,本课题研究已知起始点和目标点的路径规划。选择搜索效率最快的A*算法进行研究,针对传统A*算法搜索路径并非最优、转角次数过多和路径不平滑三个问题进行研究。对传统A*算法进行改进优化,首先加入转角优化,改变启发函数的权重比,然后进行转角次数优化;随后,引入样条曲线,对路径进行平滑处理,处理后的路径更加平滑,且长度几乎保持一致。实验结果表明,改进后的A*算法无论是在搜索效率还是路径平滑度上,都更加适合移动机器人在实际生活场景中的自主移动,能够降低轮胎的摩擦损耗同时,减少能源的损耗。综上所述,本课题提出的改进ORB算法能够在特征提取数量、特征匹配速度和特征点匹配精确度三个方面相比初始ORB算法和SURF算法都有较高的提升。回环检测模块中,本课题算法可以快速得到两张图片的相似程度的比较。移动机器人路径规划使用传统A*算法为基础,改变启发函数中的比重,赋予权重比(6,进行多个(6值实验,最终选择一个适合本课题的最佳(6值;随后对规划路径进行转角优化和路径平滑处理,经过最终实验证明了本课题改进后的A*算法比传统A*算法提升较高。