随着工业技术的发展,移动机器人作为代替人类劳动的帮手,越来越活跃在工厂物流,生活服务等领域,其核心技术同步定位与地图构建（Simultaneous Localization and Mapping,SLAM）得到了极大的重视。由于视觉SLAM使用图像特征点作为路标,长期受困于光照不变假设,这影响了SLAM系统在定位和建图方面的鲁棒性和精确性。本文提出一种基于语义特征的地图构建方法,能适应光照和摄像机视角多变的户外条件,为多机器人协同探索未知环境提供了完整的地图构建与使用方案。本文主要研究内容如下:（1）提出一种结合语义信息的点云特征。提出使用结合语义信息与点云信息的语义超点云特征,相较于传统图像特征点,在大范围的视角和光照变化下仍然能保持较好的特征一致性;提出椭球模型和平面模型这两类语义特征以适应不同语义类别,并推导出语义特征的相似度计算公式用于判断特征匹配。（2）为多机器人系统提供完整的语义地图构建与使用方案。以语义特征为组成元素,通过特征融合与筛选建立机器人的本地语义地图;提出基于语义特征配准的重定位方法,通过求解PNP问题修正或直接得出机器人在已知地图内的位置;提出适用于多机器人环境的语义地图同步技术,利用基于重定位原理的地图同步技术消除大部分本地地图之间的可能存在的位置偏移。（3）提出一种以构建语义地图为核心的协同探索策略。提出机器人运动的拓扑地图表示,以边界优先作为探索策略,地图构建为探索目的,根据机器人位置、速度等信息与语义地图状态进行任务点的动态分配,形成语义地图构建与协同探索的互补闭环,提高地图构建与协同探索的效率。本文利用机器人操作系统（Robot Operating System,ROS）搭建了实验平台,通过数据集,仿真环境和真实环境中的一系列测试证明了本文提出的算法的可行性与优越性。实验表明,本文提出的方法可以很好地进行语义构建,重定位算法能在视角翻转的环境下仍能保持接近70%的成功率,经同步后多个地图之间的在运动平面的位置偏移降低约90%,且基本消除垂直于运动平面方向上的旋转误差。