本文是自然科学基金重点项目“未知环境中移动机器人导航控制的理论与方法研究”下的子项目“未知环境中移动机器人视觉定位”的研究内容之一。 机器人要实现自主导航，首先就必须确定自身位置。机器人的精确定位是实现机器人导航，尤其是在全局环境建模的研究中起关键作用的因素。本文将在未知环境中，以立体视觉为观测方式，利用蒙特卡罗定位方法对机器人进行精确定位。其中研究工作将在以下几个方面进行： l 建立立体视觉模型，用于获得路标的三维深度信息。 2 提出一种在未知环境中自然路标的检测算法。在未知环境中，自然路标是未知的，没有先验知识来指导对路标的检测与识别，在本文中，提出了一种基于兴趣点聚类的算法来检测自然路标。首先用单摄像机旋转一定角度拍摄环境的两幅图像，然后用Susan算子提取图像中的兴趣点。根据极线约束清除图像中的噪声或者遮挡的兴趣点，利用立体视觉计算每个兴趣点的视差，接着删除视差极大和极小的兴趣点，保留视差在一定范围的兴趣点。然后根据距离、视差和颜色三个特征的相似性度量对保留的兴趣点聚类。把该聚类作为检测到的自然路标特征，并用该特征表示自然路标。 3 提出一种自然路标的距离、角度不变性表示及识别方法。在计算机视觉中，光照变化的影响对目标的识别一直是个难题，而距离、角度变化后的目标识别也是模式识别的难题。本文提出了用聚类的兴趣点间角度差来表示及匹配自然路标的算法，降低了光照变化对自然路标的识别的影响；而且该算法在一定范围内能够有效解决距离、角度变化后的目标识别问题。 4 设计了在未知环境中以立体视觉作为传感器获得的信息建立观测模型的蒙特卡罗定位方法。蒙特卡罗算法与以前的基于概率的定位算法区别在于采用带有权重的随机样本来表示信度，适用于任意噪声分布，并且明显降低了存储量和运算量，样本使机器人能够以更高的频率处理其它传感器的测量信息。本文中，应用立体视觉模型获得自然路标的三维深度信息，以此信息建立蒙特卡罗定位的观测模型。 理论研究与实验表明，我们能够对机器人在未知环境中进行精确定位，并较好地解决机器人的“绑架”问题，验证了算法的有效性。