机器人在进行军事侦察、灾难抢险、搜索营救等任务时,面向的是未知环境,探索建图是其执行任务的前提。为了将未知环境变成已知环境,需要研究未知环境下的探索建图方法。目前,主要利用单机器人进行探索建图,而对多机器人未知环境探索建图的研究较少。因此,本文基于RGB-D相机,在未知环境下对多机器人系统的探索覆盖以及多机器人局部点云融合等问题进行了研究,主要研究工作如下:针对多机器人在未知环境中探索覆盖建图时产生重复探索的问题,从多机器人协同探索任务节点的提取、任务节点分配以及探索路径优化等角度分别展开研究。首先,基于frontier算法探索边界,结合K-means聚类算法提取任务节点,作为机器人的探索节点;然后,设计了探索路径、视场交叉重叠以及“孤岛”三个代价准则的拍卖机制,对多任务节点进行分配,提高多机器人系统协同效率;最后,在机器人向任务节点移动时,利用概率选择函数和Logistic模型对传统蚁群算法进行改进,对其探索路径进行优化。通过实验仿真验证,本文设计的探索方法能够有效的降低多机器人探索的重复覆盖率。对于多机器人局部三维点云融合效率较低的问题,采用里程计估计初始位姿,结合“粗匹配+精准匹配”的方法对多机器人采集的局部图像进行拼接融合。首先,根据里程计获得机器人采集点云时的位姿,对局部点云建立其变换矩阵模型;然后,作为SAC-IA（Sample Consensus Initial Aligment）粗匹配的迭代初值;最后,结合 ICP（Iterative Closest Point）精准匹配进行局部点云融合,构建全局三维彩色点云图,有效地提高了多机器人局部图像融合效率。通过ROS系统的软件仿真和机器人实验,分别对多机器人探索覆盖算法的有效性和可行性进行了验证。结果表明:多机器人探索建图覆盖率达到了 98%左右,重复覆盖率为7%左右。所设计的多机器人栅格地图模型探索方法可以有效地减少重复探索覆盖率;所设计的多机器人局部点云融合方法提高了局部图像融合效率。