随着机器人相关技术的不断成熟和完善,机器人逐渐的走进了我们的生产和生活中来。智能机器人在未知环境中进行自主导航、编队以及协作任务时,机器人需要获取自身位姿和周围环境信息,从而能够实现避障、路径规划以及编队等。因此作为机器人的关键技术之一的同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术仍是当今机器人研究领域的一个重要内容。本文在研究了多机器人系统理论的基础上,结合了国内外多机器人SLAM的相关技术,以快速、高质量的构建环境地图为目的,对多机器人SLAM理论进行了研究。本文的主要研究成果如下:(1)结合现有的实验环境和机器人平台,搭建了机器人位姿模型和环境特征提取模型。为防止环境数据的缺失,设计了基于路径规划的环境数据增补策略,通过获取局部地图的特征点,对特征点进行分析和处理,得到局部地图的剖分三角图,通过对剖分三角图进行路径点的选取,确定机器人环境探测路径,采集不可见区域的数据。采用动态规划目标点和起始点的路径以获取最短路径,降低能量损耗。在Matlab中进行了仿真实验,实验验证了模型的正确性。(2)针对楼宇室内环境中室内结构相似容易造成地图的错误匹配,本文提出一种将Keenan-Motley的室内传播模型和聚类算法相结合的地图融合算法,并构建了地图相关性函数,根据函数值的大小来确定子地图的拼接顺序,防止地图的重复拼接和错误拼接。实验结果表明,该算法能够实现子地图的融合,构建出了全局地图,并且改善了地图的精度,地图的融合效果达到了预期。