随着微电子和微机电系统（MEMS,Micro-Electro-Mechanical System）的改进,机器人结构和应用创新发展迅猛,无人机作为技术发展的受益平台之一,也逐渐趋于小型化和智能化。人工操纵的无人机视野范围小,容易由于不可预知因素对人或物造成危险与伤害,因此为无人机提供自主导航功能是必要的。现有基于GNSS的无人机自主导航方案功能单一,单个无人机功耗高,有效载荷低,信息采集和处理智能程度有待提高。为克服上述局限,本文提出搭载视觉和惯性传感器的无人机组,组网通信后快速收集环境信息,解决在GNSS拒止的未知环境下协同自主建图问题。目前,协同自主建图系统多受限于特定约束场景,不具备完全自主性。为了搭建具备完全自主探索功能的实时协同建图系统,本文开展了如下的工作:（1）分散（非中心化）相对状态估计:基本自主建图系统中,采用VINS-Fusion算法作为基本状态估计器,解决无人机自身相对定位问题。算法经过优化加速后部署于多台无人机,使用基于邻机之间关键帧库与局部地图点的词袋匹配思想,解决最终在真实世界中邻机之间相对位置计算。（2）多机实时建图:通过上述相对坐标的变换矩阵融合局部地图,鉴于地图构建实时性与地图稠密度的矛盾,提出两种策略进行调和,一方面,采用八叉树彩色地图满足实时性需求,另一方面,以.bin格式存储局部稠密点云进行后端全局恢复,提高数据处理效率,释放内存。（3）多机自主建图:为实现“感知-规划-控制”全环节自主,利用深度信息构建构型空间并将障碍物表示为栅格节点。在协同决策的前端,采用D*Lite算法生成几何轨迹,再通过抑制启发算法预先避免邻机碰撞,增加地图资源,在协同决策后端,通过优化通过邻机之间碰撞约束生成连续可行的轨迹。（4）通信框架设计与实现:所使用的集中式通信框架包括无人机端与地面端,无人机端承担数据采集与传输任务,地面端完成算法运行。使用ROS操作系统（Robot Operating System）通信机制,将数据打包为话题形式进行双向传输,在时延时方面满足算法基本需求。