已经对移动机器人的本地视觉定位进行了研究。首先，使用移动机器人视觉定位和目标跟踪系统获取目标质心特征点的位置时间序列，然后基于二次成像方法的缺陷分析，获取目标深度信息，建议获得目标的空间位置和运动信息。
方法。该方法使用序列图像和广义卡尔曼滤波，目标采集使用HIS模型。
在移动机器人满足某些操纵条件的条件下，可以更准确地获得目标的空间位置和运动信息。仿真结果验证了该方法的有效性和可行性。
运动视觉研究如何在变化的场景中的不同时刻从一系列图像中提取场景中目标的形状，位置和运动信息，并将其应用于移动机器人的导航和定位。首先，必须估计目标的空间位置和运动信息，以便为移动机器人车体的导航和定位提供关键前提。
视觉信息的获取主要是通过单视和多视进行的。单视觉方法结构简单，避免了视觉数据的融合，易于实现实时监控。
如果使用目标对象的几何形状模型，则在目标上获取3个以上的特征点也可以获得诸如目标位置之类的信息。该方法必须确保在不同坐标系中特征点集的位置关系是一致的，并且对于一般的双目视觉系统，坐标的计算误差经常会破坏这种关系。
通过在机器人上安装车载摄像头的局部视觉定位方法，研究了移动机器人的运动视觉定位方法。该方法的实现分为两部分：首先，利用移动机器人视觉系统获取目标质心特征点的位置时间序列，从而将被跟踪目标的跟踪转化为其目标的跟踪。
质心然后通过扩展卡尔曼滤波方法进行估算。目标的空间位置和运动参数。
1.目标成像的几何模型mobile移动机器人视觉系统的坐标关系如图1所示。 Oc-XcYcZc是摄像机坐标系。
其中，Oc是相机的光学中心，X和Y轴分别平行于图像的Xc和Yc轴以及x和y轴，Zc是相机的光轴，垂直于图像平面。光轴与像平面的交点O1是像坐标系的原点。
OcO1是相机f的焦距。图1移动机器人视觉系统的坐标关系不考虑镜头畸变，透视投影成像模型为：其中Z＆prime; = [u，v] T是图像中的目标特征点P坐标系（X，Y，Z）是点P在世界坐标系中的坐标； （Xc0，Yc0，Zc0）是世界坐标系中相机光学中心的坐标； dx，dy是每个摄像机。
分别在x轴和y轴方向上采样的像素的量化因子； u0和v0分别是在x轴和y轴方向上采样时相机图像中心O1的位置偏移。点P的位置在图像坐标系和世界坐标系之间的变换可以通过公式（1）来实现。