同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)是机器人实现智能化的基础。目前,对于单机器人SLAM相关问题已经有了许多成熟的解决方案并在现实中得到了广泛应用。但是对于场景比较大,跟踪时间比较长的情况,单机器人SLAM存在很多的不足。而多机器人协作SLAM可以增加机器人的建图效率,使其更加高效。相比于单机器人,多机器人SLAM不仅要完成单机器人的SLAM过程,还需要对数据进行传输以及对地图进行融合。因此,本文主要研究基于RGB-D相机的单机器人SLAM、多机器人之间的数据传输以及三维地图融合的相关问题。本文的主要研究内容如下:(1)针对单机器人SLAM视觉里程计中采用特征点法对弱纹理场景的适应性差,容易发生跟踪丢失的问题,本文在特征点法的基础上加入了直接法。该算法能够根据特征点的数量自适应地选择合适的视觉里程计算法,提高了系统在复杂场景下的鲁棒性。本文在TUM数据集上验证了该算法的有效性,并与基于特征点法的视觉里程计进行了对比实验,实验结果证明本算法具有更高的稳定性,对复杂场景的适应性更强。(2)针对传统多机器人系统数据传输方法效率低、占用通信资源多、不利于扩展等问题,本文提出了一种基于关键帧和描述子的数据高效传输方法。该算法引入关键帧机制用于确定地图的传输时间间隔,避免了大量冗余数据的传输,提高了传输效率。同时,利用预传描述子判断两个机器人的扫描区域是否存在重叠,当存在重叠区域时才传输地图,否则并不进行地图传输,通过这种策略,能够有效节约通信资源并提高多机器人系统的扩展性。实验结果表明,采用本文提出算法的多机器人系统,其地图数据的传输总量远小于传统算法,且传输地图的时间间隔更加合理。(3)针对传统的三维地图融合算法效率低的问题,本文提出了一种基于特征提取和匹配的三维地图融合算法。该算法一方面利用已经计算得到的地图法线进行特征点的提取来减少融合的计算量,一方面提出基于局部参考帧和降维的局部描述子来缩短计算的时间。实验结果表明,与传统特征提取算法相比,本文算法在保证正确匹配率的同时提高了匹配效率。(4)最后本文对所提出的算法在数据集上进行了性能测试。首先验证了本文的单机器人SLAM算法在弱纹理场景的鲁棒性。然后对本文的数据传输算法进行了测试,并与传统算法进行对比,验证了本文算法的传输效率及智能性。之后对本文的特征提取和匹配算法进行测试,并与传统算法进行对比,验证了本文算法的鲁棒性和实时性。最后对整个系统进行测试,可以得到全局一致的三维地图,达到了预期目标。