随着智能机器人的不断发展,多机器人协同系统逐渐成研究热点之一。多机器人协同系统凭借其高鲁棒性和灵活性的特点,在仓储物流、复杂环境的搜救、军事协同作战等领域具有巨大的研究价值和应用前景。其中多机器人协同建图、路径规划和编队控制等技术成为了多机器人协同系统的关键技术,相比于单个机器人应用场景的局限性,多机器人间通过协作的方式进行环境感知、路径规划和编队控制,提高了机器人的工作效率。针对单个机器人探索能力有限、缺乏协同性等问题,本文主要以自主搭建的移动机器人为研究对象,进行了多机器人的地图融合、路径规划和编队控制的研究,并将地图融合应用到室外环境来建立三维点云地图,最后通过融合路径规划算法和编队控制算法进一步验证了多机器人系统的协同性,主要包括以下研究内容:（1）设计了多机器人系统的总体框架;根据设计方案自主搭建了机器人硬件实验平台和软件系统。对机器人建图涉及到的数学模型进行了详细说明。（2）使用Livox Avia固态激光雷达传感器,以FAST＿LIO2建图算法为基础,研究雷达和IMU紧耦合的迭代扩展卡尔曼滤波,并通过增量k-d树加快点云搜索速度和动态管理全局地图。为了提高单机器人建图的效率,设计了基于坐标变换的方法来融合各机器人构建的局部地图,在初始时刻,通过提取激光雷达重叠区域点云的3D＿HARRIS关键点和对应的FPFH特征描述子进行采样一致性初始粗配准,并以粗配准结果为初始变换矩阵,利用基于体素化的广义迭代最近点法FAST＿VGICP进行精配准来计算局部地图间的坐标变换矩阵,最后利用配准结果进行多机器人局部地图的融合。（3）为了增强多机器人系统的协同性,研究多机器人协同路径规划。为了解决机器人在路径规划时与其他机器人或障碍物发生碰撞的问题,本研究融合了路径规划算法和基于虚拟领航者改进的领航跟随编队算法,其中领航者结合A*和DWA路径规划算法进行自主导航的同时根据期望队形计算虚拟领航者的期望位姿,跟随者不断收敛于虚拟领航者的期望位姿。为了使跟随者能够避开障碍物,通过距离判断来实现队形的切换,最终实现多机器人编队进行路径规划的功能。（4）以自主搭建的多机器人实验平台为基础,对机器人建图精度、地图融合精度和多机器人路径规划进行实验。实验结果表明本文研究的多机器人协同系统的地图融合精度高达96%,验证了所设计的多机器人编队进行路径规划算法的可行性。