随着机器人技术和人工智能技术的发展,自主移动机器人的室内定位技术成为目前机器人领域的研究热点和研究方向。但目前还没有比较成熟和完善的理论体系可以像GPS全球定位系统解决室外定位问题一样来解决室内定位问题。因此一套良好的室内定位方案成为目前解决室内定位问题的紧迫需求。随着人工智能技术的逐渐成熟,将多传感器信息融合的方式应用到自主移动机器人的室内定位成为目前室内定位的主流方法。本论文将以基于麦卡纳姆轮的自主移动机器人为研究对象,以提升自主移动机器人的室内定位精度为目标,对自主移动机器人的室内定位算法、软硬件平台、传感器融合算法等方面进行研究。本文的主要工作如下:1.自主移动机器人的运动学建模。本文将对基于麦卡纳姆轮的自主移动机器人进行运动学建模。利用运动学建模实现自主移动机器人的室内定位坐标信息的推算以及自主移动机器人的运动控制。2.研究基于单传感器的室内定位方法。本文将进行自主移动机器人的单传感器室内定位技术及算法的研究,通过总结与分析找到单传感器室内定位存在的问题,引出多传感器数据融合算法研究的必要性。3.多传感器数据融合算法的研究。本文将分别对卡尔曼滤波算法和BP神经网络算法进行研究。在研究的基础上设计了基于BP神经网络优化的卡尔曼滤波融合算法,对算法的有效性和泛化能力进行了验证。得出基于BP神经网络优化的卡尔曼滤波算法能够得到更加准确的定位信息,提升室内定位的精度。4.基于多传感器融合的室内定位实验平台研究。搭建了自主移动机器人的实验平台,验证了基于BP神经网络优化的卡尔曼滤波算法能够更好地处理自主移动机器人的室内定位问题。