使用机器人对真实场景进行三维重建具有广阔的应用场景,如灾难与救援现场、行星探测和工厂测绘等。现阶段,存在多种SLAM方法可以实现此功能,但大多侧重于人为控制机器人进行定位和建图,使最终的建图效果受限于操作人员的个人经验。本课题主要研究在没有人为干预的情况下,多机器人系统在完全未知的环境中根据视觉传感器的感知情况,协同自主地规划自身的移动轨迹,最终完成对整个环境的三维重建。涉及视觉SLAM方法、动态物体处理、边界检测、感知任务点提取、多机器人协同等关键内容,具体如下:首先,为达到良好的建图效果,对视觉SLAM算法进行研究。一方面,为达到实时效果,将定位与建图模块进行解耦,在通过光流法计算机器人位姿的基础上,通过极线搜索和块匹配技术完成稠密建图任务;另一方面,针对环境中的潜在动态物体,通过深度学习的方式进行识别,以达到不对其进行重建的效果;此外,为表达最新的环境状态,通过八叉树地图的表示形式,根据不同时刻对同一位置的观测值对地图进行更新,以达到添加或删除障碍物的效果。其次,为实现机器人自主建图,确定了任务视图的提取方法。使用快速搜索随机树算法进行边界检测,保证了边界检测的速度和完整性,然后考虑视觉传感器的感知范围,通过灰度质心法进行任务视图的提取,并对各任务视图进行有效性分析。接着,基于最优质量传输理论对多机器人进行任务分配。综合考虑分配给各机器人任务子集的离散程度、机器人到任务子集的移动成本和机器人的扫描能力三个方面,提出了一个离散化的目标函数,在保证机器人建图成本最低、效率最高的同时,使机器人之间的负载均衡。最后,对上述算法进行集成和评估。确定了系统的整体框架,并提出多维度的评价指标,从运行时间、整体能量消耗、负载均衡和重建完整度几个方面对算法进行定量的评价。在不同的场景下使用不同的多机器人协同自主建图算法进行实验,验证了算法的优越性和鲁棒性。