《“十四五”机器人产业发展规划》指出,多机器人协同作业是当前国家在机器人领域需要进行攻关的核心技术之一。对于实际工业环境中的智能移动机器人而言,拥有准确的定位信息是其执行各种任务的前提。在数量不定的多机器人系统中,由于充电、检修等情况的发生,系统中的机器人成员可能是动态变化的,每当有新的机器人成员加入系统时,其首要任务就是确定自身的位姿,在系统中完成位姿信息的注册,即进行自定位过程。在此背景下,本文提出一套室内环境多移动机器人自定位解决方案,首先根据机器人所处工作环境的不同,提出了基于直线特征的移动机器人自定位方法以及基于粒子滤波的移动机器人自定位方法。然后考虑到机器人在进行协同任务时需要更高的定位精度以实现更好的协同工作效果,融合多机器人状态信息与观测信息,提出一种基于贝叶斯滤波的多机器人协同定位方法。本文主要研究内容如下:（1）针对结构化环境中移动机器人的自定位问题,结合直线特征排列的有序性,提出了基于直线特征的移动机器人自定位算法。首先对激光雷达点云数据进行滤波处理,并优化直线特征提取方法,然后提出直线特征相似度评价标准,并结合直线特征的序列提出直线匹配方法,最后对于匹配的直线特征组,将机器人的位姿求解问题转化为线性最小二乘方程组的求解问题,并在仿真环境中验证了算法的可行性。（2）针对非结构化环境中移动机器人的自定位问题,结合启发式算法对粒子滤波定位算法进行了改进。首先分析了基于蒙特卡洛采样的经典粒子滤波存在的粒子退化问题,然后在重采样阶段引入启发式算法,结合levy飞行对粒子滤波进行改进优化,补充了粒子多样性,避免算法陷入局部最优,增强了定位算法的鲁棒性,并在仿真环境中验证了算法的有效性。（3）融合各机器人成员自身的位姿状态信息以及对特定路标的观测信息,提出基于贝叶斯滤波多机器人协同定位方法。该方法采用多机器人共同观测的模型,先对路标特征进行融合观测定位,再通过对路标的定位结果优化自身的位姿,并在仿真环境中验证了算法的有效性。（4）采用Autolabor Pro1机器人作为底盘,搭载激光雷达等传感器组成硬件平台,搭建了轮式移动机器人实物实验平台,对本文提出的基于直线特征的移动机器人自定位方法和基于粒子滤波的移动机器人自定位方法进行了现场实验验证,实验结果表明,两种方法的平均定位精度分别能够达到3 cm以内与5 cm以内,且具有较好精度与鲁棒性。结合现场实验结果,针对本文所提出的基于贝叶斯滤波的协同定位方法进行了仿真实验,结果显示,经过协同优化的各机器人平均位置状态精度优化至2 cm之内,相比于优化前提高了32%,满足多机器人系统的协同任务的精度要求。综上所述,针对多机器人系统中机器人成员的定位问题,根据机器人工作环境的不同,本文提出了新机器人成员注册初始位姿状态的两种方法,在此基础上,提出了利用多机器人状态信息优化各机器人成员位姿状态的协同定位方法,并在实验中对上述方法进行了验证。实验结果表明,本文所提出的室内环境多移动机器人系统自定位算法的精度能够满足对实际场景中对多机器人执行协同任务的精度要求,为实际工业环境中多机器人系统的定位问题提供了完整的解决方案,具有现实参考意义。