随着智能汽车,移动机器人,仓储物流,货物运输,勘探检测等行业的快速发展,多地面平台越来越多被应用于各行各业,比如加装了消毒设备的智能消毒移动机器人应用于疫情防护,仓储物流系统中多种搬运机器人协作运输,工厂多车协同运输零部件,又如多辆车成一定队形完成某大型建筑整体搬运用于保存古建筑等等,以上单一平台要么无法完成,要么会花高额成本,因此许多高校与企业对多地面平台开展了大量研究,其研究方向包括多平台任务分配,自主决策,轨迹规划,协同控制,编队控制,聚集变换,协同避障等方面。本文针对多地面平台协同系统主要进行了以下研究工作:（1）结合多车协同的场景提出了三层系统控制框架,分别为任务分配层,轨迹规划层和多车控制层。任务分配层负责各车辆的目标位置,使车辆形成一定队形;轨迹规划层负责车辆的路径规划及速度规划,同时还有避障的策略规划等;运动控制层则负责车辆的编队控制策略和轨迹跟踪策略。（2）研究多车任务分配算法,建立车辆模型与通信模型,在此基础上以Dubins曲线为基础设计求解其最优轨迹,首先根据车辆当前时刻的位置速度信息计算任一方案的Dubins曲线和所有车辆到达目标点的时间,取其最长时间,以此时间为基准预测经过该时间后的队形及车辆目标点,再根据此目标点求出车辆的最优轨迹,完成了外层最优轨迹;随后根据路径进行速度规划,应用多目标遗传算法进行求解多车的速度序列,其代价函数为车辆之间的距离与平稳性,最后对算法进行五辆车的仿真,车辆从三角形变为一字型,从而验证算法的有效性。（3）研究车辆的运动规划算法,首先分析了多种车辆路径规划的方法,选取了D*Lite算法进行路径规划,并对其进行行驶方向和可选栅格范围增大的改进,相邻方格的成本考虑了车辆行驶方向,行驶方向改变小,则成本低,反之成本大,将栅格扩大到八个方向,其路径更加平滑;随后针对此算法进行了相应的仿真,表明其有效性和可行性。（4）研究多车编队控制算法,介绍非线性和线性模型预测控制方法,对车辆模型与领航跟随者模型进行线性离散化,从而构造出线性MPC框架;对代价函数进行改进,其目标函数主要考虑车辆轨迹误差和其队形误差;随后研究了车辆之间避碰的约束条件,对VO避障方法进行改进,从而得到其不等式约束,结合此前框架设计出整体的编队策略;最后对编队算法在某仿真软件中进行仿真验证,证明算法的有效性和合理性。（5）分析多车编队行驶的障碍物场景,提出了两种编队避障方案,分别对两种方案进行了过程分析,以及要解决的问题,第一种方案包括三个阶段,即变换,保持和恢复,需要进行最大距离分析和队形变换分析,第二钟方案,必须进行轨迹规划;结合此前分析进行避障策略研究,提出队形误差和路径长度两种评价指标的计算方法,同时为两种方案进行了轨迹规划;最后进行避障策略,轨迹规划和队形切换仿真分别验证避障策略,轨迹规划策略以及整体的系统框架有效性。