在现代社会,移动机器人在人们日常的生活和工作中,发挥着日益重要的作用,在很多情况下单个机器人已经无法满足任务需求,因此多机器人之间的协同作业任务显得尤为重要,那么如何获取多机器人之间的相互位置关系是完成协同作业任务的第一步。针对多机器人协同任务,本文采用基于深度学习的方法研究多机器人之间的相互定位问题,尤其准确地获取机器人之间的相互位置关系从而使得多机器人协同任务更加精准、可靠。使用深度学习的方法获取多机器人之间的相互位置,首先需在二维图像中采用目标检测模型检测出目标机器人,从而获取到目标机器人在二维图像空间中的坐标,然后对检测到的目标机器人进行跟踪以获取其移动过程中像素点位置。为了获取到目标机器人在三维空间中的深度信息,我们设计了一种无锚箱的基于鸟瞰图的三维目标检测模型,在雷达点云数据中进行机器人的三维目标检测,从而能够获取到目标机器人在三维场景中的位置和方向,对跟踪目标做进一步的位置感知。本文的主要内容包括:（1）针对多目标跟踪中的身份切换（IDSwitch）等问题,设计了一种重要方向加权的轨迹匹配方法,来减少因交叉运动、长时间消失等原因产生的帧间目标匹配错误。本文使用开源数据集对比并且验证了方法的有效性和实时性。然后制作并且训练了实验室机器人的数据集,实现了多机器人在二维平面的位置检测及跟踪。（2）设计了一种轻量级的基于鸟瞰图的点云目标检测网络。在YOLO＿V4的基础上,保留高分辨率特征图作为主干网络的输出,使用特征金字塔和空间金字塔池化融合不同大小的特征图,去除多尺度输出,重新设计了一个无锚箱头部检测器。该模型在KITTI数据集上取得了较好的检测结果,在嵌入式平台上的运行速度达到11FPS。（3）对相机和雷达进行联合标定,通过设计的联合检测策略对二维图像和点云鸟瞰图的检测结果进行数据融合,之后设计了多机器人相互定位系统,最终实现了相机和激光雷达的联合检测定位。