多机器人协作经过20余年的发展历程后,无论在军事、国防,还是工业、生活等领域都展现了广泛的应用空间。例如,其在编队巡逻、环境探索、流水线生产和仓储运输等具体应用场合中均显示出了极大的优势。而一些具体的应用任务,如多机器人协作地图探索、大型物体的运输、目标的抓捕等,要求团队中的机器人能够形成特定的队形结构,并在执行任务的过程中保持队形不变或根据环境约束改变具体队形形状。为此,引发了多机器人编队控制的研究热潮,并成为多机器人协作与协调领域的关键技术之一。本文以地面移动机器人为研究对象,以协作搬运物体为应用背景,对多移动机器人环境感知、协作定位、合作编队、编队避障等关键技术进行了研究。环境感知问题和定位问题是编队控制研究中基础而又重要的问题。要实现编队控制,需要编队群体中的智能移动机器人个体首先能对其工作空间内的环境信息进行足够的理解和描述,并能够通过一定的手段获取其在空间中的位姿。为此,本文首先针对机器人编队控制技术研究中涉及到的环境感知与建模问题提出了一种基于2-D激光测距仪的随机障碍群环境建模方法,该方法将传感器获得的数据以极坐标矢量形式存储,并将机器人工作空间内的环境建模为随机数量的障碍群,大大节省了环境信息的存储量；同时,融合激光测距仪和视觉传感器两种外部传感器信息提出了一种基于相对观测模型的多机器人协作定位方法,该方法的突出优点是不需要各机器人的全局坐标信息,仅融合视觉传感器和激光测距仪信息,实现了编队过程中各跟随机器人与领航机器人之间的相对协作定位,为后续开展多移动机器人编队控制和协作任务的研究奠定了基础。针对多移动机器人编队控制中的关键问题——合作编队,本文基于leader-follower队形控制框架提出了基于运动学控制和模糊控制相结合的合作编队控制方法。该方法的主要思想是基于反演技术,利用基于马丹尼模糊模型的模糊逻辑控制器来控制速度内环,使各跟随机器人的实际速度收敛于期望值；同时,外环的运动学控制器使机器人的位姿收敛到期望值。该方法具有较短的速度误差收敛时间,提高了控制的实时性,改善了队形控制的性能。研究了未知障碍环境下多移动机器人动态队形优化变换避障策略。通过队形中领航机器人携带的激光传感器自主的感知并获取环境信息,引导整个机器人小组智能的穿过障碍区。该策略充分考虑了机器人团队的初始队形形状和编队避障过程中的环境约束,通过对零队形变换、同构队形变换和异构队形变换三种编队避障模式进行优化选择,可以获得适合于当前环境的最优leader-follower拓扑结构；该策略既能动态的控制执行编队任务的机器人团队队形,同时可以最大程度地适应当前环境的约束,具有使机器人团队自主切换到最佳队形的优良性能,是一种在理论和实际中都有重要意义的新方法。在编队控制的基础上,本文对平坦地面环境下的多移动机器人协作搬运物体问题进行了研究,提出了一种基于L-VL-F队形控制框架的多机器人协作搬运策略。该策略通过将被搬运的物体视为编队过程中的“虚拟leader",进而将实际环境下的多机器人协作搬运任务转化成两级队形控制问题来研究,实现了多移动机器人编队推动物体并绕过环境中的障碍物,前往目标点的协作运输任务。最终,本文应用自主研制的多移动机器人实验平台构建了多机器人编队协作实验系统,并在实验室环境下进行了大量的实验研究。具体包括：沿直线轨迹及圆轨迹下的队形形成实验、无障碍环境下的队形切换实验、障碍环境下的动态优化队形变换避障实验以及多机器人协作搬运物体实验。实验结果表明多移动机器人团队可以顺利完成合作编队、编队避障及协作搬运任务,充分验证了本文所提出的编队控制及协作搬运策略的有效性。本文以多移动机器人编队控制为研究主线,以协作搬运物体为研究背景,内容涵盖了环境感知、协作定位、合作编队、编队避障等编队控制的关键技术,在这些方面取得了一定的理论成果,并得到了大量的实验证明。本课题的研究是对多机器人系统合作和协调研究领域的重要补充,具有一定的理论意义和实际应用价值。