自主探索建图是机器人实现智能化的一个关键技术。在未知环境中,机器人依靠自身携带的传感器获取环境信息,机器人在创建环境地图的同时,还需要根据创建的地图,确定下一时刻探索的区域并规划到达该区域的路径。自主探索建图主要包括三个部分:同步定位与建图(Simultaneous Localization and Mapping,SLAM)、探索和路径规划。面对复杂的三维环境,地面移动机器人导航作业时存在工作效率低、视野不足等问题。与地面移动机器人相比,小型无人机(Unmanned Aerial Vehicles,UAV)具有工作效率高、视野开阔等特点,在空中航拍、搜索救援、电力巡检等领域应用广泛,更加适用于复杂环境中的自主探索建图。本文以携带深度相机的小型无人机为研究对象,基于RGB-D(Red Green Blue and Depth,RGB-D)数据信息,研究无人机的RGB-D SLAM、环境探索和路径规划,实现对室内环境的建模与探索。本文的主要工作如下:首先,分析无人机RGB-D SLAM建模问题,研究基于八叉树地图(Octree Map,OctoMap)的地图构建方法。提出基于子地图的优化方法,提高建图实时性。分析点云地图转OctoMap的局限性,提出基于补点的方法构建包含完整地图信息OctoMap的方法。通过RGB-D SLAM估计无人机位姿并构建地图,为无人机环境探索提供地图信息。其次,提出基于波前算法的环境探索方法。在边界点搜索上,基于波前算法向外扩散的过程搜索OctoMap中的边界点。在获得边界点之后,基于扩散距离、边界点处未知和占据体素的个数建立边界点评价函数,得到最优边界点。在探索策略上,采用分层探索策略,提高整个自主探索建图过程的有序性和无人机飞行的稳定性。接着,提出融合环境探索的无人机路径规划方法。分析已有的路径规划算法的优缺点,结合无人机实际应用场景,在探索框架的基础之上研究基于波前算法的无人机路径规划问题。提出波前算法路径规划的平滑方法,减少路径中路径点的个数和拐弯的次数。最后,搭建仿真实验平台和无人机实验平台。通过仿真平台验证无人机自主探索建图过程,再通过实际环境中无人机实验,验证所提出的算法的有效性。