目前,移动机器人在工业、国防和物流等领域都占据着十分重要的地位,代表着国家科学技术的发展最前沿。在面对复杂的任务场景,如野外探索、安防巡逻和仓储运输时,单机器人在鲁棒性、处理能力等方面均不占优势。而多机器人系统可以通过信息交互与融合实现协作,具有更灵活的结构与更强的抗干扰能力,具有非常广阔的应用前景。本文以扩展卡尔曼滤波为基础研究多移动机器人的动态定位及目标跟踪问题,并在仿真平台和自主设计的实验平台上进行验证,主要工作内容包括:搭建了一套可实时通信的多移动机器人实验平台,包括地面移动机器人和轨道机器人,其中地面移动机器人由感知层、控制层和驱动层组成,而轨道机器人由轨道基站和图像处理平台控制。设计了多机器人系统的通信方式及轨道上位机控制系统。设计室内目标动态定位系统。在研究了常用的相机模型基础上,建立了合理的定位模型。该系统使用了运行在轨道上的两个具有多自由度的相机,并根据坐标系变换关系进行定位。与常用的双目视觉定位算法相比,本方法对于相机的安装位置及角度都没有严格的要求,灵活性高,具有较高的实用价值。最后通过实验验证了该方法的有效性。设计了基于多模型EKF的协同定位方法。根据机器人的实际运动模型和观测模型,设计了一套集分布式测量、集中式估计于一体的多机器人动态协同定位方案。考虑到传统EKF算法在模型一阶线性化时带来的误差,提出了使用多模型运动方程和多估计点滤波器来降低系统的非线性和不确定性。最后在实验平台上进行了验证。研究了自适应参数下的机动目标跟踪。由于机动目标模型的加速度一般为随机过程分布,而不是实际确定的过程,因此研究具有随机过程特性加速度的建模方法对于提高机动目标跟踪的性能具有很大的意义。具体地,本文针对机动目标跟踪提出了基于自适应参数的目标模型估计方法,通过仿真实验实现了良好的跟踪效果,证明了该算法的有效性和实用性。