【摘要】针对相对封闭、磁干扰等特殊环境下传感器应用受限,导致爬壁机器人自主定位误差随时间累积的问题,该文提出并实现了一种基于外部RGB-D相机和惯性测量单元(inertial measurement unit,IMU)组合的爬壁机器人自主定位方法。该方法采用深度学习和核相关滤波(kernelized correlation filter,KCF)组合的目标跟踪方法进行初步位置定位;在此基础上,利用法向量方向投影的方法筛选出机器人外壳顶部的中心点,实现机器人定位中的位置定位。推导了机器人底盘法向量、横滚角与航向角的定量关系,设计了串联的扩展Kalman滤波器(extended Kalman filter,EKF)计算横滚角、俯仰角和航向角,实现机器人定位中的姿态估计。实验结果表明:该方法使爬壁机器人位置定位误差小于0.02 m,姿态估计的航向角和横滚角误差小于2.5°,俯仰角误差小于1.5°,有效地提高了爬壁机器人定位精度。