移动机器人定位是确认其在已知环境中所在方位的进程，是完成移动机器人主动导航才能的要害。依据机器人所选用传感器类型的不同，其定位办法有所不同。现在使用较广泛的传感器有里程计、超声波、激光器、摄像机、红外线、深度相机、GPS定位体系等等。与其相对应的机器人定位技能可分红肯定定位、相对定位技能两大类。所谓的肯定定位是指选用导航符号、主(被)动标识、地图匹配、GPS等技能进行定位，精度较高。而相对定位是指经过衡量机器人相对于开始方位的方向和间隔来揣度出机器人当时的方位信息，又称为航位计算法。
1.依据地图匹配的定位技能
依据地图匹配的机器人定位问题首要偏重剖析机器人在地图上或许所在的方位的搜索和区分，其要点在于机器人可以感知取得所在部分环境的方位信息与已知地图中的方位环境信息相匹配。此外，依据地图匹配的机器人定位一般需要和其他定位办法相结合从而完成定位。依据深度视觉描绘机器人所在环境的几许地图与依据卡尔曼滤]、粒子滤波的扫描匹配定位办法是与概率揣度办法相结合的经典代表，且有成功的使用。
2.依据路标标识的定位技能
路标]详细是指有明显特征的，且可以被机器人上所装置传感器识其他一类物体的总称。人为设定的路标在机器人所在的三维空间中有自己自身固定的地理方位。因而，机器人定位的中心使命便是要可靠地、快速地辨识出路标，并计算出机器人所在地图中的实践地理方位。实践定位精度的凹凸首要取决于对路标标识的精确辨识以及对环境方位信息提取的精确快速程度。
3.依据概率预算的航位计算定位技能
在机器人定位进程中，存在许多不确认要素。比方机器人自身就具有不确认性、里程计差错的累积、传感器的噪声搅扰以及机器人所在环境的杂乱性、不知道性等等。总归，因为这些不确认要素的存在，使得机器人定位变得较为愈加杂乱。近些年，许多研讨学者把概率理论使用到机器人定位傍边。中心思维便是依据当时停止所收集到的数据为已知条件，然后递归估量状况空间后验概率密度。其间，依据粒子滤波的概率预算完成机器人定位愈加具有使用远景。粒子滤波，也称为序列蒙特卡罗，是20纪90年代中后期发展起来的一种簇新的滤波算法，其间心思维便是用随机样本来表述概率散布。Dallert等人将粒子滤波算法同机器人运动、感知的概率模型相结合，提出了机器人蒙特卡罗定位的思维。中心思维便是用一组滤波器去估量机器人的或许所在的方位，即处于该方位的概率。每一个滤波器对应有一个方位，再利用观测对每个滤波器加权处理，从而使得最有或许所在的方位的概率越来越高。
4.定论与展望
至今停止，室内机器人的定位问题仍是当时机器人学研讨范畴的中心问题之一，而往后的工作要点则是进步机器人的定位精度以及机器人彻底完成自主定位，而且还要完善改善使用于定位算法的稳定性、快速性和有效性。机器人定位选用SLAM办法施行对不知道环境地图的实时构建使用于地图匹配的定位、以及研讨愈加高效的重采样和自适应采样的粒子滤波定位算法有较好的使用远景。
