机器人足球比赛系统是一典型的多智能体系统协同控制实验研究平台。在机器人足球世界杯(RoboCup)中型组比赛中,自主机器人所用的传统的也是现在较常用的定位方法是利用全景视觉系统识别场上标志点(如球门和边线),通过几何运算得出自己的位置信息。但是,中型组机器人足球比赛系统的发展趋势表明,仅使用视觉定位的方法面临越来越多的挑战,采用其它类型的传感器,并设计有效的定位方法进行融合定位是足球机器人自定位研究的最新领域。本文从底层传感器开发着手,到上层数据融合算法的实现,完成了一个包括里程计、加速度计和电子罗盘的多传感器系统的设计与开发,并结合视觉定位系统用Kalman滤波的方法实现了融合定位。本文首先介绍了多传感器集成和融合技术的发展和多传感器信息融合系统的特点,总结了多传感器系统拓扑结构,并对多传感器系统设计应考虑的问题进行了分析。按照灵活性、可重用性、可扩展性、设备无关性等要求,采用自顶向下设计和自底向上开发相结合的设计方法,对整个多传感器系统进行了功能模块划分和结构分层,讨论了各层的功能和各个模块的设计方案。然后本文提出了多传感器系统的底层传感器模块应具有通用性、可扩展性、对上层接口透明、开发传承性、初级预处理和基于总线的数据传输等设计要求。选用PIC18F258单片机和嵌入式实时操作系统PICos18,为底层传感器模块提供了一个通用硬件开发平台。并详细分析了嵌入式RTOS PICos18的工作原理,对其内核源代码中存在的漏洞给予了修正,基于该操作系统,给出了加速度计ADXL202和电子罗盘LP3200开发的任务配置例程,然后介绍了CAN通讯模块的设计。最后结合实验室自主设计的一个四轮全向移动机器人的运动学特征,设计了基于里程计的四轮全向移动机器人测程定位算法,提出了利用两个双轴加速度传感器信息互补获得平面全向移动平台运动完整性描述的方法,对两个加速度传感器的编排方式和测量原理进行了讨论和分析。通过分析本文选用的几种传感器和视觉在机器人定位应用中的特点,对基于Kalman滤波的融合方法在机器人定位中的应用进行了讨论,建立了机器人加速度模型,并对其线性化,基于传感器测量和预处理结果,建立了系统观测模型。并给出了实验结果。