近几年,对复杂未知环境进行探测是多机器人系统的研究热点之一,例如未知星球表面、茂密丛林、战场环境和灾后地表环境等。多机器人系统具有效率高、鲁棒性强的特点,在协同的基础上,更适合对复杂未知环境的探测。本文针对复杂未知环境下的多机器人主动协同探测任务,研究了多机器人主动协同探测环境的系统框架、基于RGB-D SLAM的多机器人地图融合算法、融合相对观测信息的多机器人协同定位算法、多机器人地图融合和协同定位实验平台等内容。首先,本文设计了多机器人主动协同探测系统,根据控制对象的不同划分为总体控制规划子系统、局部控制规划子系统和子机器人子系统。在局部控制规划子系统和子机器人子系统所构成的多机器人系统基础上,通过总体控制规划子系统实现多机器人“协同建图”与“协同定位”的系统功能。其次,针对多机器人主动协同探测系统的全局地图模块,提出一种通过判断地图重叠区域来提供ICP算法初始变换矩阵的地图融合算法,解决地图融合算法初始化状态设定复杂的问题。在RGB-D SLAM建图的基础上,通过特征点匹配和对极约束寻找地图重叠区域,并计算地图之间的初始变换矩阵,经过ICP算法迭代后得到地图之间的精确变换矩阵。对所提出的地图融合算法进行仿真实验,实验结果证明,多机器人地图融合算法相比基于位姿图的方法在精度方面可以提升28.3%。再次,针对多机器人主动协同探测系统的多机器人协同定位模块,提出一种融合是相对观测信息的多机器人协同定位算法,在以滤波器迭代为基础的算法上,通过将相对观测信息与系统状态和协方差校正环节融合,减小线性定位带来的马尔可夫假设性的误差,最终提高多机器人系统协同定位精度。搭建了仿真环境,验证了相对观测信息的误差值在10cm以内,并且融合相对观测信息的定位精度高于未融合相对观测信息的定位精度。最后,针对多机器人主动协同探测系统,搭建了由移动机器人、深度相机、中心计算机等组成的实际实验环境对算法进行验证。结果表明,多机器人地图融合算法在在室内环境下可以判断局部地图之间是否存在重叠区域,在拥有重叠区域的基础上可以有效地融合局部地图,地图融合的平均相对误差为3.6%。而且融合相对观测信息的多机器人协同定位算法相比未融合相对观测信息的多机器人协同定位算法可以有效提高估计轨迹的精度。