移动式打印机器人是一种将机器人技术与打印技术相结合的新型高精度微型机器人,解决了传统打印机体积大、不便携带以及一次打印面幅有限等问题。高精度的自定位系统是实现机器人高精度移动与打印控制的重要前提,利用位姿计算系统能够高精度检测机器人的运动轨迹,为机器人的位姿定位实验与轨迹控制提供数据基准,对移动打印机器人的自定位方法研究具有重要意义。为实现对机器人的高精度自定位,本文首先设计合适的打印机器人驱动结构,并分析该结构的动力学模型与运动学模型,结合其运动机理对机器人的打滑特性进行分析,并在视觉检测平台上对移动机器人的打滑现象进行实验分析,得到机器人稳定运行的条件。然后,利用视觉位姿测量原理设计位姿计算系统,主要包括对视觉测量平台的搭建,基于单目视觉测量原理构建图像坐标与世界坐标之间的映射关系,采用核相关跟踪算法实现对检测目标的高精度跟踪,对位姿测量系统检测精度的实验分析。利用设计好的位姿计算系统实现对机器人运动中存在的径向打滑现象,采样电机脉冲数与对应脉冲数下移动的轨迹长度,构建BP神经网络,对电机脉冲数与移动轨迹长度关系进行训练。利用训练好的神经网络,根据电机脉冲数可以得到移动车轮的实际轨迹,实现机器人移动中的自定位。本研究在机器人的位姿计算系统中引入核相关滤波算法KCF(Kernelized Correlation Filter)进行目标的定位跟踪。KCF算法计算速度快,定位精度高,但是存在边界效应。因此对于移动打印机器人检测目标小、移动速度较快等特点,KCF算法容易丢失跟踪目标。本研究在KCF算法中融合卡尔曼滤波算法提出自适应核相关滤波AKCF(Adaptive Kernelized Correlation Filters)算法,解决了KCF算法存在移动目标速度过快时目标跟踪丢失的问题。在轮式移动机器人自定位系统设计中引入BP神经网络解决机器人车轮打滑造成的定位误差影响。利用构建的自定位系统分析移动打印机器人运动轨迹控制与打印控制时序,实现移动打印效果测试。本文设计的位姿测量系统可以实现对微小型移动目标的高精度位姿,为机器人自定位系统设计提供数据基准,提出的AKCF算法解决原KCF算法存在的边界效应。采用神经网络自定位系统解决了轮式机器人车轮打滑造成定位累计误差。