在较长的时间里，人们主要集中于对单个机器人的研究。随着时代的发展，对机器人的要求越来越高，以至于单个机器人难以满足新的需求。因此，一些学者提出采用多个功能相对简单和独立的机器人组成一个多机器人系统（Multi-robot Systems，MRS），以完成较复杂的任务，满足新的需求。 全自主机器人足球系统是典型的多机器人系统，每个机器人由独立的视觉子系统、无线通信子系统、决策子系统和运动控制子系统组成，并且通过无线通信交换信息实现多机器人之间的协作。它试图通过提供一个标准的、易于评价的比赛平台，促进多机器人系统、分布式人工智能及机器人学等领域的研究与发展。因此，全自主机器人足球系统的研发极具挑战性，具有很高的理论研究价值和实际应用价值。机器人足球是目前机器人控制、机器视觉、人工智能、多机器人协调等领域研究的一个热点，也是一个难点。 本文主要研究全自主机器人足球系统的视觉及基于多传感器信息融合的机器人的定位和地图构建。主要研究内容如下： （1）根据中型组机器人足球比赛的需要，设计并实现了一套由全向视觉、前向单目视觉和嵌入式视觉构成的混合视觉系统。全向视觉由于信息量大、实时性好而被广泛应用在机器人足球比赛中，但缺点是无法获得机器人的近端信息，前向单目视觉和嵌入式视觉就是为了解决该问题而加入的。前向单目视觉主要用于识别位于机器人正面不远处的目标，且可给出目标精确的位置信息，同时全向视觉和前向单目视觉的处理都是在机器人上位机上进行的。为了解决机器人非前向近端信息缺失的问题，在不增加上位机负担的情况下，本文通过下位机的嵌入式视觉识别机器人周边非前向近端的动态目标或障碍物，较好地解决了机器人360度范围内近端信息的获取问题。实验结果表明，该视觉系统较好地实现了对机器人远端、近端目标的识别。 （2）提出了一种对光照具有较好鲁棒性的彩色图像分割方法，该方法首先用区域生长法对彩色图像进行初始分割，然后将分割后的区域用MST（最小支撑树）加以连通，最后通过由目标函数确定的最优阈值实现图像的分割。由于充分利用了图像像素的空间分布信息和全局信息，图像分割效果好，具有较好的鲁棒性和抗干扰能力。 （3）研究了一种基于多传感器信息融合的移动机器人自定位方法。首先给出了适应于移动机器人的多传感器拓扑结构，然后对全向轮运动模型、全向视觉成像模型和电子罗盘使用模型进行了分析。最后通过融合多个传感器的信息，用Monte Carlo（MCL）粒子滤波的方法实现了融合定位。实验结果表明，定位结果准确、可靠。 （4）在H.324M和3G-324M的基础上，研究了一种改进的使得多机器人系统能够加速会话建立、开始多媒体通讯的方法。并从理论与实验两个方面将该方法与3G-324M中推荐的方法进行了比较。实验结果表明，相对于3G-324M推荐的会话建立方法，本文的方法使得多机器人系统的多媒体通讯会话建立时间节约了50％。 （5）研究和讨论了如何通过多机器人的协作，实现全局地图的构建。在单个机器人通过自身携带的多传感器进行局部地图构建的基础上，研究了前向单目视觉传感器的建模方法，在此观测模型的基础上，用极大似然融合算法对球的位置信息进行融合，而对于多机器人返回的对方机器人位置信息，使用DBSCAN聚类分析算法进行信息融合，从而实现全局地图构建。实验结果表明，通过多机器人的协作，可以准确地构建出全局地图，弥补了单个机器人自身传感器的有限感知范围，本文研究的方法完全满足全自主机器人足球比赛中动态环境地图构建的需要。 论文的最后对全文的研究内容进行了总结，说明了研究的创新点及主要研究成果，并指出了要进一步研究的问题。