人工智能是计算机科学的一个分支，是研究解释和模拟人类智能、智能行为及其规律的一门学科。自主机器人的研究是目前国际人工智能的重要研究方向之一，而国际机器人足球比赛（RoboCup）已经成为人工智能和机器人学新的标准问题，受到了众多的著名大学和优秀学者的关注。 自主移动机器人在动态不可测环境下的定位问题是机器人进一步执行任务的基本条件之一，对机器人的性能有着举足轻重的作用，也是当前国际上研究自主机器人的焦点之一。 本文对基于贝叶斯滤波理论的概率定位方法进行了研究。对于几种被广泛使用的实现方法，研究了其适用范围、可以解决的具体定位问题和优缺点。接着以RoboCup四腿组机器人足球赛为背景，以SONY公司开发的四腿机器人AIBOERS-7为实验平台，研究了机器人在比赛环境中的定位技术，并实现了用于比赛系统的定位模块。 本文将蒙特卡罗滤波算法实现于机器人自定位技术中，根据机器人的动作系统和视觉系统分别建立模型。通过动作信息更新粒子状态。通过观测信息更新粒子权值，并根据比赛特点提出优化方案，针对环境相似问题，运用局域地图搜索减弱地图的对称性，大大降低特征粒子更新时的误识别率。在重采样环节中，给出了两次筛选更新的步骤，并提出优化粒子生成的算法。运用视觉系统得到的历史观测信息预测并生成新粒子点，使新的粒子有效概率加大，加快算法的收敛速度。 在系统中局部融合了卡尔曼滤波算法，1）在机器人的观测模型中混合扩展卡尔曼滤波算法，通过视觉观测信息改进粒子预测分布，使粒子向似然较高区域移动，减少了粒子退化，并加快收敛。2）将卡尔曼滤波算法用在对球的跟踪定位上。详细介绍了在机器人自定位基础上的卡尔曼滤波跟踪算法的实现步骤。 以上面介绍的方法为核心，利用Sony公司提供的OPEN-R开发环境，成功地实现了四腿机器人比赛系统的定位模块，并参加了2007、2008年两届国际RoboCup机器人足球赛，均进入了国际8强、国内第二的好成绩。