本文针对特殊环境搜索问题进行研究,主要解决狭窄环境搜索和目标物较大的环境搜索两个方向的问题。针对狭窄环境搜索采取设计符合环境特征的结构来解决,针对目标物较大的环境搜索采取多机器人视觉观测感知环境的方法来解决。文中主要开展的研究工作:（1）对目前适用于非结构化环境的机器人移动平台结构进行分析比较,设计一种仿毛毛虫的多节腿式可收缩移动机器人平台结构。对机器人的核心结构——躯体转弯结构和行走足从原理设计、结构设计、运动状态分析、受力分析几个方面展开,设计机器人的整体结构,对机器人进行动态模拟仿真及实物模型演示。（2）在以往学者研究的基础上提出了利用图像成像原理和坐标系变换相结合对摄像机高度动态标定的方法。从基本原理、实施的具体步骤、参数的计算方法、标定实验、标定结果检验及分析几个方面进行研究,将本文方法和传统标定方法在实际标定实验中进行比较。（3）采用ORB（oriented FAST and rotated BRIEF）特征点作为匹配和融合特征,建立了多机器人之间的信息传递框架,建立基于同时观测的相机相对位姿和多机器人RGB图像融合后创建点云图的方法,进行了视频图像融合后的SLAM（simultaneous localization and mapping）建图实验,在实验中发现,采样帧数至少大于15帧/秒时方能生成SLAM点云图。（4）对传统ORB-SLAM算法中关键帧选择和回环闭合环节进行优化,提出了基于PD控制器的动态关键帧选择方法和基于仿射变换ORB特征匹配方法,建立了基于场景辨识的点云图像融合过程,并对融合后的点云地图提出一致性分析和评价方法。（5）采用YOLO-v3（you only look once）与ORB-SLAM算法耦合的方式进行语义标注,由LCCP（locally convex connected patches）算法点云分割建立三维点云语义地图。以2个机器人基于ORB-SLAM创建语义点云地图为例给出算法的流程,通过实验验证了语义地图创建流程的可行性。该论文有图83幅,表10个,参考文献106篇。