无人机起初设计用来代替人类完成远程或者高空任务,现在已经广泛的应用于侦察、搜救、地图建模等多个邻域。随着应用场景变得日益复杂,引入了智能体的概念,即赋予无人机一定的自主决策能力的软硬件集合可以称之为智能体。然而,单智能体在诸如负载能力、抗干扰能力、搜索能力和时间效率等方面存在不足,在处理复杂任务时（诸如多目标的跟踪、大范围的巡逻等）,不能因为单个无人机的故障而导致任务的暂停或中断,所以需要引入多智能体系统协同解决时间上和空间上的问题。近年来,多智能体集群系统的概念已经得到了一定的发展,但是大多都是趋于理论上的设计和分析。由于无人机系统的复杂性,抽象的智能体系统无法完全拟合无人机集群系统的行为。研究无人机集群如何作为智能集群系统,实现机间的数据流通信逻辑,具有重要的理论和实践意义。本文的科研工作主要包括以下几个方面:（1）为解决集群无人飞行器在复杂的障碍物环境中各个状态机收到的障碍物信息不完整的问题以及在数据融合过程中的性能问题,提出了一种基于SLAM特征点共享机制的无人飞行器集群协同定位算法。（2）为解决多智能体集群避障适应性问题,提出了一种动态避障和静态无碰撞路径的编队控制策略。引入概率地图方法PRM解决在受限环境下的航迹规划和编队策略。首先,通过设计的无向通信拓扑的多智能体集群编队模型,设定了虚拟控制中心的通信拓扑,协同定位避障和航迹规划围绕虚拟控制中心建立利用虚拟控制中心的智能决策去进行任务的模拟执行。其次,改进优化了概率地图方法在采样阶段的概率分配不足,通过引入人工势场引力参数的方式,优化了采样点在栅格地图上的分布问题。结合人工势场的动态避障,在节省计算资源的同时可以提升航迹规划的效率和质量。旨在解决多智能体避免其它智能体和障碍物的过程中,可能会发生既定队形无法适应周围环境,导致集群死锁或者智能体脱离编队的问题。（3）在集群协同的硬件在回路仿真构建了基于ROS、REALSENSE传感器和PX4的HITL环境,并将（1）和（2）提出的协同算法进行有效性和可行性的验证。