在复杂室内环境下，移动机器人一般采用多传感器融合的方法来实现精准定位。针对实际噪声和先验噪声统计特性不同而导致无迹卡尔曼滤波(UKF)算法精度急剧下降的问题，本文以双轮差速移动机器人为研究对象，提出了一种自适应UKF定位算法。首先，以UKF算法为基础，融合里程计、陀螺仪、激光雷达定位系统等传感器数据；然后，根据激光雷达定位系统的误差统计特性，预先校准观测噪声的均值和协方差矩阵，并采用自适应噪声估计器在线估计未知系统噪声的统计特性，来提高滤波的数值稳定性，减小状态估计误差；最后，使用搭载激光雷达R2000的双轮差速车MIR100进行实验，并与UKF算法的估计结果进行对比。实验结果表明：自适应UKF定位算法具有较强的鲁棒性，能够在复杂室内环境下实现较高精度的位姿估计。