空-地机器人跨域协同能够实现无人机和无人车在运动特点、载荷能力和通讯等方面的互补,增进机器人对复杂环境的适应性,拓宽机器人执行任务的灵活性,近年来,有越来越多的研究者在空-地跨域多机器人群体的基础上展开研究。跨域协同定位和建图是空-地跨域多机器人群体协同完成更复杂任务的基础和关键环节,然而,由于群体中无人机与无人车之间具有较为极端的大视角差异,难以形成对环境的一致的理解,这为空-地跨域协同定位与建图带来极大挑战。本文主要内容及创新点包括:·对于大视角差异下的跨域定位问题,本文提出了一种基于点云片段特征匹配的空-地跨域全局定位模块化方案,并针对方案中存在的交叉匹配假阳性定位、平行匹配假阳性定位、定位召回率低等问题,围绕几何验证、定位异常检测、点云分割、基于深度学习的点云特征提取、点云配准等内容展开研究,改进并提出了启发式增量点云分割算法、基于图的几何一致性验证算法、基于滑动窗口的位姿过滤算法和基于ICP的精确位姿估计算法。与现有方法相比,本文提出的方案其跨域定位的召回率和精确率都有了显著提升。·对于大视角差异下的跨域地图融合问题,本文提出了一个空-地多机器人跨域协同同步定位与建图（Simultaneous Localization And Mapping,SLAM）系统。该系统以Seg Map这一同域多机器人协同SLAM系统为基础骨架,结合提出的空-地跨域全局定位方案,实现了空-地跨域地图融合。·为训练网络和对本文提出的系统和算法进行评估,需要构建数据集,针对数据集构建困难问题,本文提出了一套适用于空-地跨域协同定位与建图研究的高保真合成数据集构建仿真平台,并利用该平台构建了5份用于三维点云特征提取网络的训练数据集和12份可灵活组合的简单、中等、困难三个等级的用于评估空-地跨域协同SLAM性能的基准数据集。本文基于合成数据集训练了跨域三维点云特征提取网络模型,该模型在公开KITTI定位数据集上的测试结果,证明了本文仿真平台和合成数据集的有效性。最后,基于构建的基准评估数据集,本文对空-地跨域全局定位整体方案及方案内各模块算法、在线跨域协同SLAM系统进行实验验证。