随着机器人视觉系统硬件的性能不断提高、图像处理的方法越发多样化, 基于视觉的定位技术日趋完善。当前自主移动机器人有关视觉定位的研究现况有着如下的发展趋势:
(1)高速、准确地识别目标--机器人图像在经过图像的采集、生成、传输喝解码等过程都会产生噪声，噪声的产生会严重降低图像的清晰度，从而图像的质量。产生的噪声类型并不单一，这就需要一种较好的滤波方法滤除噪声，使其不失真。25359
(2)实时、稳定、精确的视觉定位方法--如何充分利用外部环境信息, 合理融合视觉传感器、地图信息以及高效地执行特征匹配和定位算法, 对机器人视觉的研究极具极大的意义。当前有些视觉定位技术对视觉数据进行简单的处理后就令机器人参与定位任务, 有限的位置信息容易产生定位任务失败的后果.因此研究人员在升级硬件设备的同时, 可以尝试使用并行处理技术、综合各种智能性算法同时应用于机器人的具体定位任务以获得更好的效果。论文网
(3)综合应用多种定位技术--目前, 机器人大部分采用的定位技术比较单一，而单一定位方法往往存在很大的局限性。例如卡尔曼定位的局限性是会使系统在测量时产生高斯白噪声；蒙特卡洛方法也存在计算量较大等问题[4][5]；各种用梯度优化算法解决自定位的应用, 在求解位置姿态参数时容易在局部收敛到极小值[6]。因此在不断地完善单一的定位技术的同时, 将各种技术的优点综合起来利用或许可以带来意料之外的惊喜。
(4)视觉计算与信息融合技术--在视觉计算中，信息融合技术受到了广泛的关注，尤其是多传感器信息的融合在机器人系统中的应用。单一视觉传感器的使用范围很有限，若是能充分地结合其它可靠传感器，利用它们之间的优势互补，便可以消除不确定性，提高鲁棒性，获得更可靠的结果。
(5)基于团队信息共享的定位技术--移动机器人协同完成任务是分布式人工智能理论的发展平台。在网络的基础上实现信息共享与团队协作会很大程度弥补单一机器人依靠自身条件对环境进行感知。所以研究的一个热点是在当前数据融合理论基础上发展分布式数据融合体系的优势并将其应用到多机器人的协作任务中。
(6)智能化定位技术--可以将感知和行动智能化结合起来，使其具有识别、规划、推理、学习等智能的机制。 从人工智能发展的角度来看, 机器人的视觉定位技术往往侧重于解决一个具体的问题, 缺乏对普遍问题的解决办法。如果机器人可以学习和借鉴人的认知过程并培养出逻辑分析解决问题能力, 其行为可以得到很好的完善, 借此提升机器人的学习能力、对未知情况的适应能力及其更高层次的智能性反应的机制, 这是未来的发展趋势 视觉定位控制的研究现状:http://www.youerw.com/yanjiu/lunwen_19102.html