随着无人机技术的不断发展,其所具有的低成本、高灵活性等特点为解决各种实际问题提供了更多的可能性,在环境探测,农业植保等领域都得到了广泛应用。本文考虑一种未知环境探索情形,在全球定位系统受限的情况下,同时定位和建图（Simultaneous Localization And Mapping,SLAM）算法提供了无人机主动飞行的核心技术。在大规模复杂环境中,单架无人机由于其性能和探索范围局限性,不能快速可靠地完成高精度探测任务,而多无人机则可以针对性地解决以上问题。因此,本文主要考虑一种多无人机协作SLAM系统,并针对多无人机之间信息交互问题,提出了一种自适应数据关联算法框架,最后针对SLAM的被动性问题提出了一种无人机主动SLAM算法。针对单机中效率与精度平衡问题,本文提出了一个多无人机协作SLAM系统。各个无人机搭载深度相机、微型电脑,使其在飞行过程中可以执行SLAM算法并和与周围无人机节点进行信息交互,解决自身在未知环境中的定位和子地图构建的问题。在此基础上本文提出了一种低带宽要求的多无人机数据交流方式,并通过词袋模型、随机一致性抽样（Random Sample Consensus,RANSAC）以及迭代最近点（Iterative Closest Point,ICP）算法计算出相似场景的相对位姿,为解决后续数据关联的感知混叠问题提供了数据集合。针对协作系统中数据关联存在的感知混叠问题,提出了一种自适应数据关联算法。根据单机SLAM和相似场景的数据提出了一种新的数据结构——相对初始位姿,基于相对初始位姿集合进行自适应数量的聚类。并根据聚类选择算法选择出最高概率的聚类,若通过阈值验证即被认为是相同场景,反之则是不同场景。最后得到经过验证的由多个子地图组成的全局地图,证明了协作系统以及该算法对于解决感知混叠问题的有效性。在传统的SLAM算法研究中,通常考虑一种人为操控的被动SLAM场景,与实际场景中自主环境探测需求不符。针对以上问题,本文提出了一种平衡探索和覆盖的自主SLAM算法,并结合多无人机协作SLAM系统,提出了一种多无人机自主SLAM框架。首先通过八叉树地图将三维环境空间栅格化,在此基础上给出了一种主动引导自适应数据关联的多无人机框架,并提出了一种改进的主动探索覆盖的方法,使得该过程更贴近实际。最后通过实验验证,该策略实现了自主SLAM算法中探索和覆盖的平衡。