随着机器人技术以及智能系统的迅速发展,单机器人系统已不能满足大环境下的应用需求,且在应急处理、抗干扰性能以及感知范围等方面存在严重不足。多机器人系统配备分散的传感器网络,通过机器人间合作配合可扩展感知区域。另外,多机器人系统拥有多个独立单元,使系统具有出色的鲁棒性。因此,多机器人系统在抢险救援、国防军事、仓储物流等领域拥有开阔的应用前景。准确的相对定位信息是多机器人完成密切合作的首要前提。在基础设施被破环、GPS信号微弱、非视觉等特殊环境下,现有的相对定位技术难以实现精准的定位。针对上述情况,本课题提出一种融合UWB传感器与里程计的相对定位方法,以保证多机器人系统在特殊环境下的正常运行。具体工作可分为如下部分:通过多个超宽带UWB（Ultra-Wide Band）节点获得多组移动机器人间的距离测量值,构建距离值与移动机器人间相对位姿关联的最小二乘问题。利用非线性优化对构建的非线性最小二乘问题求解,实现机器人间的相对位姿估计。该方案适用于无基础设施、非视距等特殊环境,且易于安装应用。但由于UWB测量数据存在误差,导致相对位姿估计结果产生较大误差及无规则波动。为提升相对位姿估计精度,利用里程计测量值对非线性优化得到的估计值进行约束,并采用图优化g2o（general graph optimization）算法对构建的位姿图进行优化。为满足系统实时性的需求,采用时间窗口对待优化的数据量进行约束。该方案能够有效提升非线性优化结果的定位精度,并使得估计轨迹更平滑稳定。在图优化算法中,需要准确的观测数据协方差矩阵作为输入参数,但其难以评估,故导致非最优的结果。为进一步提升系统精度,基于粒子滤波实现里程计与时间窗口内优化后的相对位姿的融合。本课题所提算法在真实的多机器人环境下进行测试,实验结果表明,在12m×6m真实的室内环境,能够得到0.31m的平均相对定位误差和4.90°的平均相对航向误差,且具有了良好的实时性。