基于稀疏SLAM(Simultaneous Localization And Mapping)框架的三维信息估计技术,在三维重建,路径规划、增强/虚拟现实等领域都具有重要的研究意义与应用价值。然而,目前系统往往是建立在以单个体基础上,在应对大规模且地貌多变的自然场景时而无法高效全面的估计场景的三维信息。为了实现在自然场景中三维信息快速全面估计,本文提出了一种多智能体协同SLAM框架估计方法,能够在大场景下快速估计三维信息,主要的工作和贡献如下:1.提出一种空地协同稀疏SLAM框架。该框架可以快速借助多视图信息,用于生成大场景的全局稀疏地图。在对图像的特征检测算法研究中,为解决快速估计三维信息问题,本文采用ORB(Oriented FAST and Rotated BRIEF)特征作为协同框架基础。最后基于标记对无人机和无人车的姿态进行优化。实验结果表明本文方法可以结合地面端和空中端,进行快速的场景三维信息估计。2.提出一种基于标记的地图比例尺估计和地图对齐方法,其可以借助标记的先验信息和位姿信息融合智能体的局部地图并恢复三维信息的实际尺度。该方法通过检测出预先的标记,估计其位姿信息,接着利用标记的位姿和尺度作为先验信息,计算出标签中心与观测体中心的距离,最后去除地图统合中的冗余点,将局部地图对齐并合并成全局地图。实验结果表明本文方法可以获取实际尺度的三维信息。3.搭建工业堆体积测量系统。该系统基于空地协同稀疏SLAM框架,可以利用无人机和无人车捕获的图像序列计算三维信息,并在重建点云中识别目标堆体,最终估计目标堆体的体积。实验结果表明该系统提出的堆体估算方法具有工业应用的可行性,能够在短时间内提供高精度的堆体估算结果。本文最后对所做工作进行总结,并且提出进一步的工作目标,包括利用GPU对算法进行加速,增设多目和IMU等设备以提高鲁棒性。