自第一台机器人诞生至今，机器人经历了从低级到高级的发展过程，第一代机器人通过计算机来控制的自主机械装置；到第二代机器人有类似人类的力觉、触觉、听觉、视觉等；再到第三代智能机器人，通过各种传感器获取环境信息，利用人工智能识别、理解、推理并进行判断和决策来完成一定的任务。因此智能机器人除了具有环境感知能力外，还具有较强的识别理解能力和决策规划能力。

定位是机器人实现自主导航的基本环节

目前，自主移动机器人是当前发展的热点和重点，尤其在服务机器人领域，所涉及的场景较为复杂，就需要机器人拥有自主定位导航技术，机器人的自主定位导航可以归结为由MIT教授JohnJ．Leonard和原悉尼大学教授Hugh Durrant－Whyte提出的三个问题：

（1）Where am I？

（2）Where I am going？

（3）How should I go there？

首个问题就是机器人的定位问题，即如何根据所观测到的信息判断机器人在当前环境中的位置，后面两个问题实际上就是制定一个目标，然后规划一条路径来实现这个目标。对一般的移动机器人来说，这个目标是一个点，即点到点导航。

其中定位是移动机器人实现自主导航的基本环节，也是机器人完成任务必须解决的问题。机器人的定位方式主要取决于所采用的传感器，常见的移动机器人定位传感器有激光雷达、超声波、摄像头、里程计、红外线、防螺仪等。

机器人定位有绝对定位与相对定位之分

相对应的，机器人定位技术又可分为绝对定位和相对定位两大技术，绝对定位主要采用导航信标、主动或被动标识、地图匹配或卫星导航技术（GPS）进行定位，定位精度较高，这几种方法中，信标或标识牌的建设和维护成本较高，地图匹配技术处理速度慢，而GPS 只能用于室外，目前精度还很差。

绝对定位的位置计算方法包括二视角法、二视距法、模型匹配算法等。相对定位是通过测量机器人相对于初始位置的距离和方向来确定机器人的当前位置，通常也称为航位推算法，常用的传感器包括里程计及惯导系统（速度陀螺、 加速度计等）。航位推算法的优点是机器人的位姿是自我推算出来的，不需要对外界环境的感知信息，缺点是漂移误差会随时间累积，不适于精确定位。

对于自主性要求较高的室内移动机器人，模型匹配是其主要的定位方法，机器人需靠自身配置的传感器获取环境信息，从而进行定位和导航。这类机器人会涉及到环境感知、地图匹配、位姿估计、轨迹规划及运动执行五个部分。

机器人在实现自主移动时，首先需要进行全局路径规划，应用线段、圆弧或样条曲线拟合运动路径，形成一系列运动曲线段，然后依据规划的路径，在每一段运动曲线上进行局部轨迹规划，实时生成参考运动轨迹。在遇到障碍物或异常碰撞时需要在当前位置重新规划路径及运动轨迹，产生参考运动状态，输入机器人运动控制器。传感器测量并识别环境特征信息，经过特征提取后与先验环境地图进行匹配，然后结合里程计测量信息进行实时数据处理及必要的信息融合，利用有效的位姿估计算法，产生更加精确的当前位姿估计，与参考输入信号进行比较，形成闭环控制，修正机器人的位姿状态。