近年来,随着人工智能技术的不断发展,对定位的效率和精度的要求也在不断提高,而基于视觉SLAM的集中式多机器人协同定位系统可以明显提升定位精度与效率,因此,越来越多的科研工作者投身于对多机器人协同定位的研究。同时,构建实时稠密地图是多机器人协同定位系统需要解决的问题之一。目前大多数多机系统构建的地图是稀疏点云地图,但是稀疏点云地图无法为导航任务提供帮助,因此实现自主定位的同时构建可用于导航的地图是多机系统面临的一大技术难点。单一的特征点法难以应付快速抖动、图像纹理弱等有挑战性的场景,因此基于特征点法的多机系统存在着系统定位稳定性低的问题。集中式多机系统通过主机进行信息整合,这导致主机的计算量会随着时间与客户端数目的增加而增大,因此,集中式多机系统存在着实时性随时间的推移不断降低的问题。针对多机系统缺少稠密地图构建的问题,本文构建了可用于导航的稠密地图。针对系统稳定性低的问题,本文在特征点法跟踪失败后,使用光流法进行补充跟踪。针对系统实时性低的问题,本文对部分冗余数据进行删选,同时将数据量维持在系统能接受的最大数据范围内。本文的创新点与主要工作如下:1)本系统在实现多机协同定位的基础上构建了导航地图,设计并实现了多机协同定位与导航地图构建系统。在导航地图构建中,本文依据数据流的顺序,将地图构建分成数据预处理、光线投射、占据地图更新以及ESDF地图更新四个部分,并对这四个部分进行了完成与实现。2)本文采用了一种通过光流法对特征点法跟踪失败的场景进行补充跟踪的方法。首先对输入图像提取关键点与描述子,然后通过特征点法解算位姿,若解算失败,则通过光流法进行位姿解算,从而提升系统稳定性。3)本文采用了一种通过对数据删选来减少系统计算量,从而提高系统实时性的方法。首先对地图中所有关键帧计算冗余值,然后利用冗余值对关键帧进行排序,最后根据系统能接受的最大数据量,对相应的关键帧及其对应的地图点进行删除,从而提升系统实时性。