近年来,随着人工智能技术的发展,利用无人车系统代替人类执行各种复杂环境下的军事任务逐渐成为一种趋势,如目标搜救、目标打击、环境侦查等。在执行上述任务过程中,相较于单无人车系统,多无人车系统通过共享战场信息,能够增强系统容错性能,扩展视距范围,提高任务完成率。而多无人车的导航定位、自主路径规划是无人车编队协作执行任务的关键技术保障。目前,无人车个体及编队导航定位都对卫星导航系统的依赖性很强,在强电磁干扰且障碍物分布复杂的战场环境中,无人车难以实现高精度定位,从而无法有效完成作战任务。而协同导航通过将编队中各无人车之间的节点信息和相对信息进行充分利用,可以提高无人车编队的整体导航精度,从而成为卫星拒止环境下一种有效的导航定位手段。在战场复杂环境自主探索中,传统的无人车路径规划方法在复杂障碍物环境中易陷入局部最优,导致规划路径的效率与成功率较低。因此,需要对无人车在复杂环境中的路径规划算法进行优化,提高其自主运行效率。针对于此,论文面向战场复杂环境下的自主探索需求,对无人车编队协同导航算法与路径规划方法开展了研究与实现工作。数据链系统作为一种相对测距/测角信息源,具有较强的抗干扰能力。论文首先研究了基于数据链的多无人车协同导航方法。面向编队各节点中的部分卫星拒止及全拒止环境,论文针对传统基于相对测距/测角的协同导航算法绝对定位精度不足的问题,分别设计了基于数据链相对导航信息辅助的无人车编队主从式与平行式协同导航方案。同时,针对无人车复杂环境下动态路径规划能力下降问题,论文研究了多障碍物场景中的无人车编队路径规划方法。其次,针对复杂环境下传感器的误差传播机理,论文研究了无人车协同导航网络中的各类传感器误差特性与建模方法。面向部分卫星拒止环境,提出了基于数据链相对测距/测角信息的主从式协同导航算法,构建了车载惯导系统状态递推模型及协同网络导航信息误差观测模型,通过设计基于无人车编队协同网络导航信息联合状态估计的扩展卡尔曼滤波器,实现部分卫星拒止环境下无人车编队高精度协同导航定位;面向卫星全拒止环境,结合车辆运动学模型,提出了基于数据链相对测距/差分里程计/运动学模型辅助的平行式协同导航算法,推导了基于车载差分里程计与运动学模型的速度、航向角误差传播模型,构建了基于运动学模型辅助的协同导航系统误差观测模型,并最终通过设计扩展卡尔曼滤波器实现协同网络导航信息的联合状态最优估计,提高了卫星全拒止环境下无人车编队协同导航系统的定位精度。仿真试验验证了上述算法的可行性。然后,在获取高精度定位信息后,为了提高无人车编队的任务执行效率,本文对传统基于人工势场法的路径规划算法进行研究与改进。面向复杂障碍物环境,针对人工势场算法中无人车易出现势场受力平衡而陷入局部最优状态的问题,本文提出了一种基于运动距离阈值对比的车辆状态判断策略,并在判断无人车处于局部最优状态时引入模拟退火法对无人车状态进行扰动,使无人车逃离局部最优状态。针对模拟退火法收敛速度慢,迭代次数高导致算法实时性较差的问题,本文提出了一种基于目标位置优化邻域函数的模拟退火法改进算法,提高了算法在复杂障碍物环境下的适用性。设计了多组不同障碍物复杂度的仿真环境,验证了该算法的稳定性。最后,本文基于运动捕捉系统搭建了卫星拒止环境下的无人车协同导航系统室内试验验证平台。首先,设计了基于角速度/线速度闭环控制的无人车控制器,实现无人车自主行驶,开展无人车编队协同导航与路径规划算法验证试验。试验结果表明,本文所提出的基于数据链相对信息辅助的协同导航方案及算法可以有效提高无人车的定位精度,提出的基于改进模拟退火法的人工势场路径规划方案可以有效提高无人车路径规划的效率与成功率,保证了无人车编队在战场复杂环境下执行军事任务的有效性与可靠性。