室内场景的重建和制图在很多领域有着重要应用,例如用于虚拟现实和增强现实的内容创建,场景的感知与理解,家用机器人的室内导航等。在硬件方面,我们目睹了商用RGBD相机的兴起(例如Microsoft Kinect,Intel RealSense等),它们能实时地捕捉深度信息。在软件方面,基于RGBD的实时重建算法不断进步,微软研究院在2012年提出的KinectFusion是其中的代表性工作,该算法融合多帧深度图像完成了三维场景的重建。本文提出了一种自主扫描的系统,允许多个机器人进行协作扫描,以实现未知室内场景的三维重建。通过规划和优化多个机器人的扫描路径,使它们能够有效地协作,从而在最小化扫描工作量的同时,实现最高的扫描覆盖和扫描质量。我们将该问题定义为一个动态任务分配问题,并引入了最优质量传输理论。首先,给定当前扫描的场景,提取一组任务视图以覆盖未知或者不确定的场景区域。然后,基于最优质量传输理论去分配任务视图给机器人。最后,通过求解一个近似的旅行商问题,我们为每个机器人计算了一条完成任务视图获取的平滑路径。我们实现了一个多机器人自动扫描系统来展示我们的算法。由于计算法方法效率高,我们可以在商业硬件上实时运行,并将其与在线RGB-D重建方法相结合。在本文的结果中,我们展示了几个真实的大型室内场景的例子。此外,本文通过一系列设计的度量构建了一个定量评估多机器人自动重建的基准。总体而言,本文提出了优于现有机器人扫描系统的多机器人扫描系统,它能够在保证高质量重建的同时保证高效率。