近年来，随着移动机器人导航问题研究不断深入，人们对于解决复杂任务的需求日益增加。在处理复杂任务的过程中，多机器人系统在并行处理能力、灵活性、数据冗余性及容错性等方面具有明显的优势，因此，多机器人系统的研究已逐渐成为导航领域的热点。针对大规模的未知环境，在多机器人之间的相对位姿未知情况下，本文提出了一种基于混合特征的拓扑地图节点匹配方法，并结合局部扫描匹配策略，实现多机器人系统地图创建任务。首先利用一种基于SP2ATM的改进算法完成多机器人各自局部地图的创建，在此基础上，建立融合混合特征的分层拓扑地图结构，采用拓扑节点关联与ICP扫描匹配相结合的方法实现多机器人系统在未知环境下的地图拼接，同时校准机器人的位姿。为获取更多的区域性特征信息以提高机器人自主认知能力，采用谱聚类算法对全局拓扑图进行区域划分，进而完成移动机器人区域分割。主要的研究成果有以下几个方面：1.基于混合特征的局部信息层构建。为提高机器人的环境辨识能力，建立一种分层混合特征结构来描述环境信息以服务于后续的地图创建与区域分割算法，该结构由局部特征层、全局拓扑层和区域分割层构成。在局部特征层中，提取环境中的几何细节特征、可通行空间树结构和加速鲁棒特征来描述局部场景。其中，针对环境中的规则区与非规则区分别采用线段提取算法和基于网格近邻的共享聚类算法来提取几何细节特征，在此基础上，结合加速鲁棒视觉特征来提高拓扑节点的辨识能力，并将特征匹配率作为地图拼接和区域分割算法的先验信息。2.基于改进SP2ATM算法的多机器人系统地图创建。针对大规模的未知环境，利用改进的SP2ATM算法建立场景的拓扑结构，完成机器人路径探索并增量式地创建连续地图。该算法中建立一种分层拓扑地图结构，其结构中包含SURF角点、拓扑节点等混合特征信息，同时依据拓扑节点更新规则，避免多机器人之间重复探索环境中的同一区域，有效提高了多机器人系统地图创建算法的执行效率。此外，为提高拓扑节点的定位精度，引入RBPF粒子滤波算法校准机器人的位姿信息。3.基于扫描匹配方法的多机器人系统地图拼接。在机器人之间相对位姿未知条件下，提出视觉特征关联与局部扫描匹配相结合的多机器人系统地图拼接方法。首先利用关键帧的思想提取环境中的混合特征，采取拓扑节点匹配策略关联场景信息以降低匹配的计算复杂度；其次，结合迭代最近点扫描匹配算法求取局部地图变换矩阵，在主辅结构的多机器人模型下校正位姿估计误差，同时为确保地图信息的全局一致性，引入一种反馈机制解决拼接中的误匹配问题；在地图融合过程中，无需考虑机器人相对位姿信息，以地图间相似度作为度量标准，搜索各局部地图间重叠部分，进而完成多机器人系统地图拼接任务。4.基于谱聚类算法的移动机器人区域分割。为使机器人获取更多区域特征信息，根据已生成的拓扑地图生成无向加权图，引入基于Min-Ncut算法的谱聚类理论，并将几何细节特征与SURF特征的节点匹配度作为先验信息，结合节点间最短路径来构造谱聚类算法的相似矩阵以提高聚类结果的准确性。最后通过聚类算法将拓扑节点进行分类，以实现移动机器人的区域分割。通过USARSim仿真平台与真实环境下的实验结果验证了本文所提出的多机器人系统地图创建算法的可行性与有效性，对多机器人系统的研究具有一定的理论价值和实际应用意义。