近年来,人类对室内未知环境的探索需求不断增长,随着定位与建图、人工智能、无人机等技术的发展,大大增强了对没有外部电磁信号定位支持和内部图像先验信息的未知环境自主探测的可能性。通过在无人机群上搭载多传感器可以实时定位无人机的具体位置和获取环境地图。但是,传统的基于纯视觉的定位与建图算法对场景的光照和纹理条件以及运动平稳性要求较高,这在自主飞行导航的无人机群探测未知环境的过程中是无法保证的。因此,无人机探测未知环境首先要解决的一大问题就是位姿估计与地图建立的实时性和对环境的鲁棒性。无人机探测未知环境的另一大问题是受到相机视角和机载开发板计算资源的限制,无人机无法储存大量地图数据,且单架无人机对大规模环境的完整探测过于耗时。本文针对上述问题进行了研究,并取得了如下成果:（1）针对无人机在室内未知环境中获取自身位姿信息和环境地图信息实时性不高和鲁棒性较低的问题,提出了一种联合RGB-D相机和惯性测量单元（Inertial Measurement Unit,IMU）的多传感器融合建图的方法。该方法在特征点提取与追踪阶段融入深度信息,利用IMU数据和估计的位姿来对下一帧特征点进行预测,有效降低了传统光流法的运动速度敏感性、易漂移性;同时,在初始化阶段通过融合深度信息来解决传统的单目相机和IMU联合初始化由于需要足够的特征点数量、充分的IMU激励来估计尺度信息造成初始化耗时长的问题;在后端优化阶段,将深度信息作为确定量以减少待优化变量的数量,有效地提高了后端优化的效率。仿真结果表明,该方法有效地提高了系统的初始化速度和稳定性,降低了后端优化的时间开销,在精度不降低的情况下有效地提升了系统的实时性和鲁棒性。（2）针对无人机群中单架无人机在三维重建时受相机视角、机载开发板计算资源限制的问题,提出了一种微型无人机群协同建图的方法。该方法通过机器人操作系统（Robot Operating System,ROS）的通信机制实现无人机和后台服务器之间的信息互传,在单架无人机位姿估计与建图的基础上,构造每架无人机的关键帧信息;通过基于词袋模型的关键帧相似性检测算法求解出不同无人机的世界坐标系之间的变换关系,从而将多架无人机的坐标系统一到同一个世界坐标系下;分析了八叉树建图的模型,通过建立八叉树地图来解决点云地图数量庞大、占用内存太大、存在冗余性、无法用于导航和避障的问题。仿真结果表明,该方法能够有效地实现无人机从局部坐标系到全局坐标系的转换,提高了室内地图构建的规模和速度。