目前,无人机因其机动灵活,成本低廉,无人员伤亡的风险已经成为工业界和服务业界中不可或缺的设备。但是在越来越多的场景中,比如灾难勘测、桥梁检测和地质勘测等领域,单无人机已经无法满足应用的需求。多无人机协同能扩大完成任务的范围,成倍地减少任务完成的时间。因此,多无人机协同成为行业的热点问题。同时定位与地图构建(SLAM,Simultaneous Localization and Mapping)是实现自主无人机的关键技术。无人机之间如何有效地共享数据是多无人机协同同时定位和地图构建(SLAM)研究领域中的一个关键核心问题。针对这一问题,本文提出了面向数据共享的协同SLAM框架。其原理是通过检测单无人机当前所在场景的局部地图构建的具体情况,通过调用后台的两步重定位机制和基于层次聚类的全局地图构建机制,增强当前SLAM系统的鲁棒性和协同处理能力。本文的主要研究内容和主要贡献有以下几点:首先,针对如何在多无人机之间进行数据共享这一问题,本文提出了一个鲁棒的、面向数据共享的协同多无人机视觉SLAM框架(focusing on Data Sharing Multi-UAV SLAM,DSM-SLAM),其特点是支持无人机在出现异常情况时通过中央服务器及时进行数据交换;根据无人机构建地图的不同情况,动态自适应地选择地图融合顺序,从而提高SLAM系统异常处理能力和数据共享的效率。其次,针对目前现有开源SLAM系统处理异常情况的研究现状,在DSM-SLAM框架基础之上,本文提出了一个基于共享局部地图的两步重定位方法。其特点是可以支持无人机利用曾经到达过这一地点的其他无人机的数据尽快恢复工作。实验结果证明了两步重定位方法的有效性。第三,针对地图融合过程中存在的数据共享效率不高的问题,本文提出了基于层次聚类的地图融合方法,其特点是后台根据局部地图之间的匹配关键帧数目,动态自适应地选择最有利于无人机之间数据共享的地图融合顺序,从而实现多无人机之间数据共享效率的提升。最后,基于上述研究基础,基于ROS实现了面向数据共享的协同SLAM原型,并在公开数据集上进行试验。实验结果表明本文提出的面向数据共享的多无人机协同SLAM框架,能够通过基于共享局部地图的两步重定位方法和基于层次聚类的地图融合方法,提高多无人机协同SLAM系统的异常处理能力和协同效率。