针对自适应蒙特卡洛定位（ＡＭＣＬ）算法全局重定位恢复时间长和移动机器人单一传感器定位的精度低等问题，提出了基于改进ＡＭＣＬ 算法的多传感器融合定位的方法。该方法首先使用扩展卡尔曼滤波（ＥＫＦ）对里程计和惯性测量单元（ＩＭＵ）的传感器数据进行融合。其次，将遗传算法的ＤＮＡ 交叉思想加入ＡＭＣＬ 算法的粒子滤波模块中。最后，利用二维激光雷达的点云数据修正位姿，完成移动机器人的自主定位。室内场景实验结果表明：该方法能够满足移动机器人在室内已知环境中的自主定位需求，绝对定位误差控制在２ ｃｍ 左右，并且定位精度比传统ＡＭＣＬ 方法提升了１６． ５ ％ ，比结合ＤＮＡ 交叉思想的ＡＭＣＬ 方法提升了１４． ６ ％ ；比基于ＥＫＦ 数据的ＡＭＣＬ 方法提升了９． ５ ％ ；当机器人位置发生跳变时，重定位恢复时间较３ 种方法分别提升了８９． ３ ％ ，３１． ７ ％ ，２４． ２ ％ 。