如今,运用于单一运动体的组合导航系统具有一定的局限性,运用于多运动体的协同导航系统能很好地弥补个体能力的不足,是当前的研究热点。本课题着重研究了移动机器人协同导航中多源传感器的信息融合过程,旨在提高多移动机器人协同导航系统的导航精度和鲁棒性,主要研究内容如下所示:首先,根据移动机器人搭载不同的辅助导航系统的情况,结合实际的工作环境,建立了不同的协同导航模型。分别为里程计协同导航模型、里程计/GNSS协同导航模型、里程计/视觉协同导航模型以及复杂环境下的协同导航模型。对涉及的传感器进行相应的数学描述,为后续研究提供一定的基础。其次,针对里程计/视觉协同导航模型,研究相关的SLAM数据关联算法,并将其应用于局部地图数据关联以及回环检测。针对复杂环境下的协同导航模型,设计了对移动机器人协同导航过程中的异常观测的探测以及抑制方案,有效提高了协同导航系统的鲁棒性。然后,根据多传感器数据融合结构,设计了集中式和分散式协同导航的传感器数据融合框架,基于建立的协同导航模型,研究与之相适应的协同导航解算方法;并且对协同导航节点间的直接相对观测和间接相对观测进行了研究,分别设计与之相适应的相对观测模型;对协同导航过程中各节点状态信息的相关性进行了分析,引入分离协方差交叉滤波器的概念,合理处理信息耦合,最终提出分散式协同导航算法。最后,基于建立的协同导航模型,设计不同的仿真实验场景,对集中式和分散式协同导航算法进行验证,并且对移动机器人的导航结果进行了比较分析,讨论了不同实验场景下集中式和分散式协同导航算法的优劣。