随着移动机器人技术的发展和成熟，人类对机器人的应用与需求也与日俱增。对机器人技术的研究程度和应用水平体现了一个国家工业自动化水平发展的高低，具有重要的国防战略意义。同步定位与构图（Simultaneous Localization and Mapping, SLAM）问题是指移动机器人依靠自身携带的传感器感知环境，构建环境地图，并同步估计自身位姿的问题。作为实现自主移动机器人的关键问题，其也是机器人研究领域中的难点问题，集中体现了移动机器人的感知能力和智力水平。此外随着应用的不断拓展，单移动机器人往往难以应对复杂的环境和任务。与单机器人系统相比，多机器人系统可以通过相互协作，共享和融合传感器信息，提高对周围环境感知的全面性和准确性，从而提升机器人群体的定位与地图构建的效率和鲁棒性。因此，多机器人协同定位与构图技术己经成为当前多机器人系统领域的研究热点之一。本文主要研究多机器人同步定位与构图的状态估计、数据关联及地图融合等相关问题。本论文的主要工作如下：（1）首先对多移动机器人系统整体结构进行研究。分析多移动机器人的3种体系结构，并对机器人系统和地图描述等问题进行建模。其次，对单移动机器人的状态估计问题进行研究。通过扩展卡尔曼滤波技术实现对机器人的位姿进行同步估计，实现基于扩展卡尔曼SLAM算法和仿真系统。（2）对机器人地图创建中的数据关联问题进行系统研究。针对传统数据关联算法在大规模特征密集环境下的应用中存在的关联速度和关联正确率降低的问题，提出改进的联合相容分支定界数据关联算法，兼顾了效率与正确率，保证了系统的实时性和鲁棒性。（3）对多机器人的地图融合问题进行研究。根据机器人是否相遇分提出基于相对观测的子地图融合方法和基于粒子群优化算法的所机器人地图融合方法。前者通过相对观测模型，计算统一坐标系变换阵。实现地图融合。后者将多地图融合问题转化为目标优化问题，通过粒子群算法寻找两地图之间的最佳变换矩阵，实现多地图融合。两种方法相互配合，融合各子地图，实现多机器人协作构图。最后对全文进行了总结和展望，归纳了主要研究成果与实验结论，并提出了一些值得进一步拓展研究的方向与问题。