多机器人协同环境探测一直是移动机器人领域研究的热点,而多机器人协同地图创建是该领域研究的主要内容之一。在地图创建和环境探索方面,多机器人跟单机器人相比,效率更高、鲁棒性更好。无论是在扩展性还是适用性上,多机器人在完成给定任务上都更胜一筹。尽管多机器人系统有这么多的优点,但是在地图创建和环境探索方面还是存在着很多的问题。一个准确的地图能够为环境探索提供强大的支持,环境探索的方法也会影响任务完成的效率。因此本文针对多机器人的地图创建和环境探索方法进行了研究。首先,在大的拓扑地图创建过程中,里程计航迹推算在计算能力有限的系统中能够很好的满足计算要求,但是该里程计的误差会导致地图创建过程中累积的误差无法消除。针对该问题,本文提出了一种新的图优化方法。该方法引入机械臂逆向运动学模型来减小位姿跟踪和地图创建误差,并使用模拟退火算法实现变步长快速迭代,进而完成地图的创建任务。其次,传统的拓扑地图由于节点几何信息在道路环境中相似性比较大,利用几何信息对节点进行定位的误差会越来越大,会造成地图创建的精度下降。针对这一问题,本文提出了一种新的拓扑地图环境表示方法,在传统的拓扑地图中加入了场景信息。该方法采用Super Point网络结构来提取图像中的局部特征点信息,利用该信息进行场景匹配和节点定位来为地图创建提供更加可靠的支持。并且在校园环境内采集各个道路的图像信息进行标定,生成数据集,并且在此数据集上进行实验。然后,针对节点的几何信息和特征场景信息各自的优缺点,本文提出了基于几何-拓扑场景地图的多机器人协作探索。将节点的几何信息加入到特征场景地图中,从而对节点进行回环检测和识别。考虑单个节点与其它节点之间的空间关系,再利用隐马尔可夫模型进行节点精确定位,并且利用几何-拓扑的特征场景匹配方法进行地图融合,将各个机器人局部地图的融合变成几何-特征场景匹配问题。最后利用市场法的多任务分配方法在仿真平台上面实现多机器人的协同探索任务。最后,本文在仿真平台上面利用自己采集的数据集进行实验,验证了本文提出的算法的有效性和可行性。