随着科学技术的迅速发展,微型移动机器人的发展受到越来越多的关注。当今微型移动机器人的控制系统已经集自动控制、信息处理、检测与转化等多种专业技术于一身,成为当前机器人研究的重点之一。在工程中对于微型移动机器人成本、功耗、体积等方面的要求也是越来越高。传统采用的捷联式惯性导航系统对微型移动机器人运动状态的估计是利用了较高精度的陀螺来确定其位姿、加速度计来确定其位置。但是较高精度的传感器在很大程度上造成了工程成本的提高,而低精度传感器的定位准确度又达不到要求。在本文中采用的较低精度的传感器,通过对各个传感器自身特点的分析,对其进行滤波融合,从而提高对微型移动机器人运动状态的估计精度。本文的主要工作内容为以下几点:(1)对移动机器人定位导航系统在国内外发展及研究的现状,以及常用的移动机器人定位方法做了详细的介绍,为下一步论文内容的开展和研究奠定基础;(2)对微型移动机器人的硬件结构及所采用的传感器进行了说明,并对各传感器的特点进行了分析,建立了各传感器的数学测量模型;(3)对多传感器信息融合算法进行了选择,并详细介绍了平淡卡尔曼滤波器,并在本文的应用中引入了联邦平淡卡尔曼滤波器;(4)介绍了传统捷连式惯性导系统的基本原理及常用坐标,在本文中引入了多传感器捷联式惯性导航系统,并详细介绍了本系统的特点及原理。对联邦卡尔曼滤波系统在位姿估计中的应用和多传感器捷联式惯性导航系统进行了仿真,结果表明:在低精度多传感器捷联式惯性导航系统仍能较好地满足工程需要达到较好的微型移动机器人运动估计效果。