工业化进程逐步加快的今天,信息环境正发生着巨大的变化。过去的数十年,无人机作为第三代智能机器人的突出代表,已经率先从单一作战向多机协同作战的方向发展。研究表明,利用多架无人机对一个目标区域进行搜索可以扩大搜索视野、提高无人机完成任务的效率、减少飞行中所消耗的能量、降低环境的不稳定性,从而进一步进行高精度定位,提高目标地命中率。然而,集群化的无人机也面临着一些新的问题。多智能体拓扑的鲁棒性、在线感知机制的实时性、信息交互的可靠性、协同系统的松耦合性等仍具有挑战性。本系统针对无人机集群对目标环境的自主感知与探索任务,提供一个健壮的解决方案。在算法实现上,提出了一个融合Anti-flocking算法无人机集群搜索框架,实现对目标环境的高效率搜索。由于该算法具有完全分布式、智能化的控制机制,与随机运动模型相比,具有更好的可扩展性、自适应性及鲁棒性,能更容易适应动态环境。在飞行环境中,存在诸多环境因素和干扰因素,且无人机硬件计算能力较弱。本文融合了支持向量机和k-means聚类算法,构建一种在线学习机制,以更好的提高沙包投放正确率。在平台构建上,以DJI经纬M100四旋翼为飞行开发平台,搭载Manifold妙算、ZenmuseX3云台相机、STC15F2K60S2单片机、S3003舵机等模块,满足处理速度快、接口交互更人性化的特点。利用机器人操作系统(Robot Operating System,ROS)平台封装的可移植性和松耦合性,搭建了多机协同信息交互框架。将平台软件系统分为视觉检测识别、集群控制、飞行任务管理三个节点,并给出了详细的设计细节。设计了一个地面站软件用于数据监测,可以接受飞行平台处理后的数据,也可发送控制命令以控制飞机任务的执行顺序,并提供了一组通信协议,用来解析无人机和地面站之间的信息交互。最后,为了模拟飞行任务,在室外进行测试。测试结果表明整个系统工作正常,能够完成协同搜索及沙包投放任务,并能够较好地克服由于天气等环境因素导致的干扰。