随着智能移动机器人走进人们的日常生活，在军事、商场、医院、家庭等各种领域发挥着重要作用，人们对智能移动机器人系统的需求越来越迫切，移动机器人研究也进入了崭新的发展阶段。导航技术是智能移动机器人的研究核心，同时也是移动机器人实现智能化及完全自主的关键技术。移动机器人只有准确地知道自身的位置、工作空间中障碍物的位置以及障碍物的运动情况，才能安全有效地进行自主运动。因此，自定位和位置估计也是自主移动机器人最重要的能力之一。本文对室内机器人的定位和导航问题进行了比较深入的研究，论文的工作主要涉及以下几个方面： 首先，提出了一种利用单目视觉获取路标信息的MonteCarlo自定位方法。利用单目视觉系统可以获得机器人运行环境中的路标信息，然后利用MCL算法进行自定位。针对视觉路标信息误差对MCL定位精度影响较大的问题，将MCL算法与UKF相结合进行机器人自定位。该方法在进行机器人自定位时融合了路标信息、动态位置信息和方位信息，有效地提高了机器人的定位精度。 其次，提出了一种基于栅格法和特征粒子的MonteCarlo自定位方法。该方法将机器人估计位置的粒子空间进行可变栅格划分，利用栅格单元获取特征粒子，然后利用特征粒子替代整个粒子空间来计算粒子权值，大大降低了算法的复杂度，使得MonteCarlo方法能满足多机器人定位的要求。 第三，提出了一种基于全局地图和局部地图的机器人路径规划方法。该方法根据己知环境建立全局拓扑地图，为机器人提供全局导航信息；采取有向特征线段的方法来描述局部地图。机器人在运行过程中，不断利用传感器建立基于有向特征线段的局部地图。根据特征线段之间的拓扑关系，获得机器人局部目标点和期望轨迹。机器人在趋向局部目标点的过程中，采取了基于传感器信息、地图信息、历史轨迹信息的局部导航方法，使机器人可以在复杂环境中安全导航，并获得较好的轨迹曲线。 第四，针对自主研制开发的通用移动机器人平台，在分析传统智能机器人控制体系结构的基础上，提出了一种主从结构多处理器的分布式并行处理方式，并对机器人的各个功能模块进行了详细介绍。在此基础上，利用该平台实现了基于视觉路标信息的自定位实验，对该平台进行了测试。 最后，对本文所做的研究工作及取得的研究成果进行了总结，并指出了需要继续开展的工作。