移动机器人可以替代人类从事危险、恶劣等环境作业,比一般机器人具有更大的机动性与灵活性。现阶段关于移动机器人的研究往往集中于单个机器人,而在某些应用背景下,多机器人在感知范围、计算能力、抗干扰能力等方面占优,因此有着广阔的应用前景。对移动机器人而言,自主定位与导航规划是它们完成其它复杂任务的基础。本文主要研究多移动机器人的协同定位与导航规划算法,实现了多机器人对一个非合作移动目标的围捕功能,并且在仿真平台与实验室自主设计的实验平台上进行了验证。除了上述协同定位与导航规划外,基于视觉的目标识别算法与机器人的静态初始定位算法也是本文研究的内容。首先,本文设计了一种基于贝叶斯公式的目标视觉识别算法。在实验平台中,采用不同颜色的LED作为不同机器人身份的标识,并假设机器人LED的颜色在RGB色彩空间中的分布属于高斯分布。然后通过事先的样本采集,实现了机器人对不同颜色LED的决策判别。然后,设计了机器人在初始启动阶段的静态初始定位算法。本文利用实验平台中众多机器人上的冗余的传感器信息,构建了一个非线性最小二乘优化问题,对精度较低的三角几何定位结果进行优化,并使用高斯—牛顿法与列文伯格—马夸尔特法对其进行求解,实现了较高精度的初始定位。之后,根据实验平台中机器人的具体运动与观测模型、传感器配置与性能限制,并借鉴无线传感网络中的经验,设计了一套基于分布式测量、集中式估计、实时无线通信的多机器人动态协同定位方案,并使用扩展卡尔曼滤波算法进行定位。实现了多机器人在运动阶段的动态协同定位与对非合作目标的定位跟踪。最后,在上述算法的基础上,设计了一套动态导航规划方案,对编队规划、轨迹规划、速度规划与速度控制进行分别处理。在轨迹规划与速度规划部分,主要使用序列二次规划对基于三阶Bézier曲线的规划轨迹进行优化,然后使用模型预测的方法对机器人速度进行规划,旨在得到曲率较小的规划轨迹与输出平滑的规划速度。最终在实验平台上,成功实现了在场地边界约束环境下的多机器人对动态非合作目标的围捕。