本发明涉及一种基于多目视觉场景理解的无人系统自主探索方法，该方法融合可见光和红外图像优势，提高了无人系统在恶劣天气、光照变化及通信受限场景下的适应能力。通过多模态图像融合、轻量级目标检测和基于深度阈值的背景滤除实现类像素级的语义分割，精确估算感兴趣目标位姿。利用体素地图和目标检测结果构建探索边界，并基于此实现兼顾探索空间和场景理解的探索决策，引导无人系统执行自主探索任务。本发明为复杂任务场景下的视觉定位与场景感知提供了有力支撑，显著提升无人系统的鲁棒性与环境适应能力，适用于野外救援、隧道巡检及矿洞勘察等复杂任务场景。