机器人如何在无法借助其他定位系统(如全球定位系统)的情况下,对未知环境进行探测与地图构建具有重要的现实意义,例如灾难现场、深空探测、甚至水下或战场环境等。视觉即时定位与建图(Simultaneous Location and Mapping,SLAM)技术为此提供了一种有效手段,也成为了自主机器人的研究热点问题之一。伴随着对任务复杂性、多样性和系统稳定性要求的提升,单个机器人的视觉SLAM在任务执行效率、探测范围和系统稳定性方面已受到挑战。基于此,本文从单机器人视觉SLAM的基本理论入手,针对多机器人视觉SLAM存在的重点和难点进行有效分析和研究,完成了基于视觉的多机器人SLAM的算法开发和实验验证。首先本文在详细阐述了视觉SLAM的基础理论和数学框架模型的基础上,有效设计并实现了单机器人视觉SLAM算法的前端和后端,包括基于最小阀值的特征筛选算法、关键帧选取算法、视觉里程计、基于特征词袋法的闭环检测和基于图优化的全局后端优化算法。在地图构建方面,基于双目视觉,利用半全局块匹配算法计算视差,结合几何原理确定各个像素点的深度信息,最后结合RGB和深度信息以点云填充的方式构建了场景的点云,还原了场景信息。其次,针对多机器人系统的视觉SLAM问题,一方面,本文分别建立了多机器人的视觉词袋和索引,进行高效地机器人间的公共区域检测,通过机器人间的位姿关联和索引,结合迭代最近点算法进行机器人间相对位姿的精确计算,完成了机器人间的位姿转换和坐标统一;另一方面,通过建立简化的多机器人图优化位姿模型,改进了全局优化参数,完成了多机器人后端位姿的优化,进而基于统一后的机器人间的坐标和优化更新后的全局位姿,完成了由各个机器人建立的子地图向全局地图的融合,建立了全局一致机器人坐标和更为精确的全局地图。最后,基于搭建的移动机器人系统平台,开展了单机器人和多机器人SLAM的三维场景地图重建实验。实验结果验证了算法的有效性。