1.基于地图匹配的定位技术
基于地图匹配的机器人定位问题主要侧重分析机器人在地图上可能所处的位置的搜寻和辨别，其重点在于机器人能够感知获得所处局部环境的位置信息与已知地图中的位置环境信息相匹配。此外，基于地图匹配的机器人定位通常需要和其他定位方法相结合进而实现定位。基于深度视觉描述机器人所处环境的几何地图与基于卡尔曼滤]、粒子滤波的扫描匹配定位方法是与概率推断方法相结合的经典代表，且有成功的应用。
2.基于路标标识的定位技术
路标]具体是指有显著特征的，且能够被机器人上所安装传感器识别的一类物体的统称。人为设定的路标在机器人所处的三维空间中有自己本身固定的地理位置。因此，机器人定位的核心任务就是要可靠地、快速地辨识出路标，并计算出机器人所处地图中的实际地理位置。实际定位精度的高低主要取决于对路标标识的准确辨识以及对环境位置信息提取的准确快速程度。
3.基于概率估算的航位推算定位技术
在机器人定位过程中，存在许多不确定因素。比如机器人本身就具有不确定性、里程计误差的累积、传感器的噪声干扰以及机器人所处环境的复杂性、未知性等等。总之，由于这些不确定因素的存在，使得机器人定位变得较为更加复杂。近些年，许多研究学者把概率理论应用到机器人定位当中。核心思想就是根据当前为止所收集到的数据为已知条件，然后递归估计状态空间后验概率密度。其中，基于粒子滤波的概率估算实现机器人定位更加具有应用前景。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崭新的滤波算法，其核心思想就是用随机样本来表述概率分布。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想。核心思想就是用一组滤波器去估计机器人的可能所处的位置，即处于该位置的概率。每一个滤波器对应有一个位置，再利用观测对每个滤波器加权处理，进而使得最有可能所处的位置的概率越来越高。
4.结论与展望
至今为止，室内机器人的定位问题仍是当前机器人学研究领域的核心问题之一，而今后的工作重点则是提高机器人的定位精度以及机器人完全实现自主定位，并且还要完善改进应用于定位算法的稳定性、快速性和有效性。机器人定位采用SLAM方法实施对未知环境地图的实时构建应用于地图匹配的定位、以及研究更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应用前景。
