移动机器人利用多种传感器配合,完成精确的对自身定位和对目标的定位是进一步完成智能任务的前提。当前,机器人定位传感器种类众多,功能也越来越强,但每种传感器在应用中都会受到噪声影响,且由于原理不同,各自存在不同的优缺点。如何综合不同传感器的优点,有效抑制噪声对定位结果的影响,成为当前机器人定位领域的研究热点。本文着眼于多传感器数据融合理论,研究一种使机器人对其自身和目标的位姿准确认识的方法。里程计定位信息与红外定位模块基于不同原理和参考系的数据进行数据融合,把地磁电子罗盘的数据用于控制里程计的姿态积累误差。利用有限差分线性化方法和小循环迭代结构对常规的扩展卡尔曼滤波方法进行改进,并利用粒子滤波器进一步优化该方法的收敛速度。一方面提高了机器人自定位与目标定位的精度,另一方面改进了迭代收敛的效率,减小了因增加计算量而造成的时间损失。最后通过实验验证了该方法的有效性。具体工作分为以下几个方面:(1)建立两轮室内移动机器人自定位与目标定位的系统模型,针对多传感器系统各定位传感器的原理与误差进行分析,并建立多传感器观测模型。(2)多传感器数据融合定位方法的研究。分析传统扩展卡尔曼滤波数据融合算法在滤波精度上的不足,并针对其缺点引入有限差分线性化方法进行改进,同时采取小循环迭代结构以提高运算效率,并提出采用粒子滤波器对新方法加以优化。以实现既提高定位的精度,同时保证算法的实时性的目标。(3)完成了室内移动机器人自定位与目标定位实验。设计了机器人多传感器定位软件系统,利用实验验证了改进方法的有效性,同时对影响实时定位精度和重复定位精度的因素进行了分析。