Während die meisten Menschen unbewusst und scheinbar ohne jede Mühe ihre eigene Position im Raum abschätzen können, stellt diese Problematik in der Robotik trotz intensiver Forschung nach wie vor eine Herausforderung dar. Damit ein Roboter im Team agieren und effektiv spielen kann, muss er seine eigene Position auf dem Spielfeld kennen.  Partikelfilter bilden einen klassischen Ansatz, um das Problem der Selbstlokalisierung zu lösen. Sie verwalten viele Hypohesen, an denen sich der Roboter befinden könnte und generieren aus ihnen regelmäßig eine Schätzung der aktuellen Position. Dafür werden unterschiedliche Sensoren des Roboters ausgewertet und zusammengeführt, wobei die von der Kamera erkannten Spielfeldlinien in dieser Arbeit die Grundlage der Selbstlokalisierung bilden. Diese Feldlinien eignen sich gut für das Problem, da sie in den meisten Spielsituationen teilweise sichtbar und von Regeländerungen im RoboCup unabhängig sind.

In dieser Arbeit wurde ein Partikelfilter entwickelt, welcher die erkannten Feldlinien mit allen Hypothesen vergleicht. Eine Metrik, die hieraus die wahrscheinlichsten Positionen ermitteln kann, sowie diverse Erweiterungen des klassischen Partikelfilters werden vorgestellt.