摘 要

為解決井工煤礦智能化建設(shè)中設(shè)備定位與環(huán)境感知難題，適配井下低照度、高粉塵等特殊工況，系統(tǒng)綜述激光SLAM技術(shù)在我國(guó)井工煤礦的研究進(jìn)展與發(fā)展趨勢(shì)。梳理了二維、三維及激光視覺(jué)SLAM 的3 個(gè)階段演進(jìn)：二維SLAM(2015 年起)實(shí)現(xiàn)簡(jiǎn)單場(chǎng)景定位，卻受限于數(shù)據(jù)量與測(cè)距范圍;三維SLAM(2020年起)結(jié)合IMU提升精度;激光視覺(jué)年相關(guān)算法定位均方根誤差低至0.15 m。筆者也分析指出當(dāng)前存在特征提取研究不足、數(shù)據(jù)無(wú)紋理、缺乏統(tǒng)一評(píng)測(cè)數(shù)據(jù)集等問(wèn)題，展望未來(lái)需結(jié)合毫米波雷達(dá)、深度學(xué)習(xí)優(yōu)化算法，平衡效果與效率，推動(dòng)技術(shù)在隨采隨掘場(chǎng)景落地，為煤礦機(jī)器人導(dǎo)航與智能感知提供支撐。

文章來(lái)源：《智能礦山》2025年第11期“礦山機(jī)器人技術(shù)創(chuàng)新與實(shí)踐特刊”

第一作者：冀磊，主要從事SLAM技術(shù)、多傳感器融合方面的研究。Email：15910431351@163.com

作者單位：中煤科工開(kāi)采研究院有限公司

引用格式：冀磊，楊建威，趙鐵林，等.激光 SLAM 技術(shù)在我國(guó)井工煤礦的應(yīng)用與發(fā)展趨勢(shì)[J].智能礦山，2025，6(11)：118-128.

點(diǎn)擊文末左下角閱讀原文，免費(fèi)下載閱讀pdf全文

關(guān)注微信公眾號(hào)，了解更多礦山智能化建設(shè)進(jìn)展

SLAM全稱為Simultaneous Localization and Mapping，中文名為實(shí)時(shí)定位與建圖或同步定位與地圖構(gòu)建，作為自主導(dǎo)航與智能決策的基礎(chǔ)，SLAM技術(shù)廣泛應(yīng)用于自動(dòng)駕駛、無(wú)人機(jī)勘探、服務(wù)機(jī)器人等領(lǐng)域。激光SLAM以激光雷達(dá)（LiDAR）為唯一或主要傳感器，通過(guò)發(fā)射激光束獲取環(huán)境的高精度幾何結(jié)構(gòu)信息，并基于點(diǎn)云配準(zhǔn)、特征提取與優(yōu)化算法實(shí)現(xiàn)定位與建圖。激光SLAM技術(shù)的發(fā)展歷經(jīng)從二維到三維、從濾波到優(yōu)化，從單一傳感器到多源傳感器融合的范式轉(zhuǎn)變。

煤礦開(kāi)采的智能化離不開(kāi)設(shè)備的自我定位與環(huán)境感知，而SLAM技術(shù)不依靠外部信息，憑借自身攜帶的傳感器就能解決設(shè)備定位以及環(huán)境感知，高度契合智能化建設(shè)需求，近年來(lái)受到越來(lái)越多的關(guān)注。

煤礦井下環(huán)境復(fù)雜，低照度、高粉塵、濃水霧，尤其是低照度情況下，相機(jī)成像受到影響，激光雷達(dá)由于自身發(fā)射并接收不可見(jiàn)光，在煤礦井下環(huán)境中具有以下3方面的顯著優(yōu)勢(shì)。

（1）激光雷達(dá)可提供厘米級(jí)別的測(cè)距精度，遠(yuǎn)高于視覺(jué)或其他非接觸式傳感器。

（2）激光屬于不可見(jiàn)光，不受井下光照條件影響。

（3）可直接生成高精度三維點(diǎn)云地圖。

我國(guó)井工煤礦關(guān)于激光SLAM的研究經(jīng)歷了從二維激光SLAM到三維激光SLAM再到激光視覺(jué)SLAM的發(fā)展歷程，具體如下：

（1）二維激光SLAM始于2015年，通過(guò)該技術(shù)實(shí)現(xiàn)封閉場(chǎng)景的定位與導(dǎo)航，通過(guò)持續(xù)優(yōu)化定位方法，精度相比較于行業(yè)外成熟的算法有較大提升，受限于二維激光雷達(dá)較小的測(cè)距范圍和較為有限的測(cè)量數(shù)據(jù)，應(yīng)用范圍受到較大限制，二維激光SLAM技術(shù)自2021年后鮮有研究。

（2）三維激光SLAM和激光視覺(jué)SLAM技術(shù)，實(shí)現(xiàn)了大尺度場(chǎng)景下設(shè)備定位與環(huán)境信息感知，自2020年以后受到了國(guó)內(nèi)研究者的極大關(guān)注。中國(guó)礦業(yè)大學(xué)、中國(guó)礦業(yè)大學(xué)（北京）、西安科技大學(xué)、北京天瑪智控科技股份有限公司等國(guó)內(nèi)知名高校與企業(yè)均進(jìn)行了大量研究，在定位精度、建模效果等方面取得了較大的成就。

筆者系統(tǒng)綜述激光SLAM技術(shù)在我國(guó)煤礦的適配性改進(jìn)與應(yīng)用實(shí)踐，詳細(xì)描述了近年來(lái)對(duì)二維激光SLAM、三維激光SLAM、激光視覺(jué)技術(shù)的研究進(jìn)展，在總結(jié)歸納的基礎(chǔ)上，結(jié)合自身思考，預(yù)測(cè)未來(lái)激光SLAM技術(shù)的發(fā)展趨勢(shì)。

二維激光SLAM

我國(guó)井工煤礦的二維激光SLAM的研究始于2015年，東北大學(xué)郝麗娜團(tuán)隊(duì)針對(duì)二維激光雷達(dá)特點(diǎn)提出直線距離約束，并輔以蒙特卡洛濾波定位方法，結(jié)合二維柵格地圖，在仿真環(huán)境下可實(shí)現(xiàn)1 cm定位效果，為救援機(jī)器人的井下定位提供了新方法，拉開(kāi)了SLAM技術(shù)在我國(guó)井工煤礦領(lǐng)域的發(fā)展序幕。柵格地圖模型將環(huán)境分解為若干個(gè)柵格，每個(gè)柵格通過(guò)概率值表示是否存在障礙物，其優(yōu)點(diǎn)在于創(chuàng)建和維護(hù)的方便性，并且易實(shí)現(xiàn)路徑規(guī)劃算法，柵格地圖示意如圖1所示。

圖1 柵格地圖示意

2016年，中國(guó)礦業(yè)大學(xué)朱華團(tuán)隊(duì)在煤礦救援機(jī)器人相關(guān)研究中，引入了航姿參考系統(tǒng)，可實(shí)時(shí)提供較高精度的角度信息，通過(guò)融合開(kāi)源二維激光SLAM算法Hector SLAM，提升了救援機(jī)器人的定位精度，滿足路徑規(guī)劃的要求，朱華團(tuán)隊(duì)2015年所述救援機(jī)器人及其建圖效果如圖2所示。

圖2 朱華團(tuán)隊(duì)2015年所述救援機(jī)器人及其建圖效果

2018年，山東科技大學(xué)殷立杰團(tuán)隊(duì)將Fast SLAM應(yīng)用于無(wú)人機(jī)定位，通過(guò)定性分析，快速準(zhǔn)確定位無(wú)人機(jī)的位置姿態(tài)，魯棒性和算法獨(dú)立性較好，同時(shí)運(yùn)行時(shí)間短，具有更高的定位精度。

2019年，重慶大學(xué)王克全團(tuán)隊(duì)提出一種基于高精度的二階中心差分粒子濾波器的SLAM算法，結(jié)合強(qiáng)跟蹤濾波器的強(qiáng)魯棒性、自適應(yīng)性和二階中心差分濾波器的高非線性逼近性，增加了不受非高斯和非線性模型影響的粒子濾波器。室內(nèi)模擬實(shí)驗(yàn)場(chǎng)景如圖3所示，針對(duì)圖3環(huán)境不同SLAM算法的建圖效果如圖4所示，其中在模擬環(huán)境中取得了相較于CDFastSLAM（圖4b）和Fast SLAM 2.0（圖4c）更好的建圖效果。

圖3 室內(nèi)模擬實(shí)驗(yàn)場(chǎng)景

2020年，中國(guó)礦業(yè)大學(xué)（北京）楊健健團(tuán)隊(duì)，在巷道建模中引入激光SLAM技術(shù)，通過(guò)對(duì)Hector_SLAM算法的參數(shù)進(jìn)行優(yōu)化，將其生成的柵格地圖應(yīng)用于掘進(jìn)機(jī)的行進(jìn)與巷道形狀預(yù)測(cè)，較之前未調(diào)整的參數(shù)相比取得了更好的建圖效果，楊健健團(tuán)隊(duì)仿真試驗(yàn)場(chǎng)地如圖5所示，楊健健團(tuán)隊(duì)所述建模結(jié)果如圖6所示。

圖4 針對(duì)圖3環(huán)境不同SLAM算法的建圖效果

圖5 楊健健團(tuán)隊(duì)仿真試驗(yàn)場(chǎng)地

圖6 楊健健團(tuán)隊(duì)所述建模結(jié)果

2021年，太原理工大學(xué)吳娟團(tuán)隊(duì)設(shè)計(jì)了基于優(yōu)化Fast SLAM的煤礦水泵房巡檢機(jī)器人，方法采用最小線性二乘對(duì)里程計(jì)進(jìn)行標(biāo)定和融合輪式里程計(jì)、IMU的方式對(duì)傳感器數(shù)據(jù)進(jìn)行預(yù)處理，獲得比單一輪式里程計(jì)更為精確的位姿信息，減小相對(duì)定位中的非系統(tǒng)誤差；同時(shí)基于粒子濾波算法對(duì)proposal分布進(jìn)行優(yōu)化以獲得機(jī)器人的精確位姿估計(jì)；最后通過(guò)覆蓋柵格建圖建立全局環(huán)境地圖，減少了Fast SLAM需要的粒子總數(shù)，降低了內(nèi)存需求同時(shí)提升了定位效果。

二維激光SLAM價(jià)格便宜、實(shí)現(xiàn)簡(jiǎn)單，在發(fā)展早期受到了研究者的廣泛關(guān)注，成為最為成熟也應(yīng)用最早的SLAM技術(shù)。受限于貧瘠的數(shù)據(jù)量以及較小的測(cè)距范圍，應(yīng)用場(chǎng)景僅局限于水房或者較小巷道，僅停留在實(shí)驗(yàn)室研究階段，無(wú)法拓展到其他場(chǎng)景，并且已有的研究針對(duì)定位與建圖結(jié)果沒(méi)有充分的定量分析，隨著三維激光雷達(dá)的技術(shù)成熟以及市場(chǎng)需求的增加，三維激光雷達(dá)逐漸替代二維激光雷達(dá)，成為激光SLAM技術(shù)的首選傳感器。

三維激光SLAM

2019年開(kāi)始研究三維激光雷達(dá)為傳感器的SLAM算法。西安科技大學(xué)馬宏偉團(tuán)隊(duì)首次使用三維激光雷達(dá)作為無(wú)人機(jī)機(jī)載傳感器，通過(guò)ICP方法得到相鄰幀之間的變換位姿，同時(shí)使用濾波器將采樣方法對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行優(yōu)化，加速定位速度，滿足無(wú)人機(jī)位姿估計(jì)的實(shí)時(shí)性要求。同年，馬宏偉團(tuán)隊(duì)將激光SLAM應(yīng)用于巡檢機(jī)器人如圖7所示，通過(guò)優(yōu)化FAST-SLAM算法，減少了粒子濾波所需要的粒子數(shù)量，緩解了粒子消耗，減少了位姿解算所需要的時(shí)間，提高了地圖構(gòu)建的準(zhǔn)確性，根據(jù)試驗(yàn)結(jié)果，其在走廊場(chǎng)景下的位姿解算時(shí)間由原來(lái)的355 ms優(yōu)化為76 ms，在房間中的位姿解算由147 ms優(yōu)化到43 ms，滿足實(shí)時(shí)性要求。

圖7 馬宏偉團(tuán)隊(duì)將激光SLAM應(yīng)用于巡檢機(jī)器人

2020年，中國(guó)礦業(yè)大學(xué)朱華團(tuán)隊(duì)設(shè)計(jì)了基于激光里程計(jì)約束因子、平面特征約束因子、回環(huán)約束因子、雷達(dá)相對(duì)位置因子、IMU預(yù)積分因子、邊緣優(yōu)化先驗(yàn)因子和回環(huán)檢測(cè)因子等的因子圖優(yōu)化方法，同時(shí)結(jié)合UWB信息，提出了井下復(fù)雜場(chǎng)景的絕對(duì)定位與高精度地圖構(gòu)建算法LIU-SLAM，朱華團(tuán)隊(duì)博士生所述巷道建模中應(yīng)用的上層定位導(dǎo)航系統(tǒng)如圖8所示。

圖8 朱華團(tuán)隊(duì)所述巷道建模中應(yīng)用的上層定位導(dǎo)航系統(tǒng)

LIU-SLAM與其他SLAM算法建模效果對(duì)比如圖9所示，相比較于成熟SLAM算法，LIU-SLAM方法絕對(duì)定位精度高，實(shí)現(xiàn)絕對(duì)定位精度均值<25 cm，魯棒性好，受到UWB定位系統(tǒng)精度的影響最小，具有更優(yōu)的建圖效果。

圖9 LIU-SLAM與其他SLAM算法建模效果對(duì)比

2022年，西安科技大學(xué)姚頑強(qiáng)團(tuán)隊(duì)提出一種面向煤礦巷道環(huán)境的LiDAR與IMU融合定位與建圖方法，姚頑強(qiáng)團(tuán)隊(duì)所述面向煤礦巷道環(huán)境的LiDAR與IMU融合定位與建圖方法如圖10所示。該方法在分層位姿估計(jì)過(guò)程中，融合IMU預(yù)積分所得到的位姿初值，減少計(jì)算迭代次數(shù)，提高特征點(diǎn)匹配的精度，解算出當(dāng)前幀的位姿。最后向因子圖中插入局部地圖因子、IMU因子、關(guān)鍵幀因子，對(duì)位姿進(jìn)行優(yōu)化約束。

圖10 姚頑強(qiáng)團(tuán)隊(duì)所述面向煤礦巷道環(huán)境的LiDAR與IMU融合定位與建圖方法

相比較于經(jīng)典方法，在定位精度和建圖效果上均有提升，在煤礦巷道環(huán)境中，該方法三軸的絕對(duì)定位誤差的均值和中值均小于32 cm；X軸的位姿估計(jì)精度最高，累計(jì)誤差為1.65 m，位置偏差為2.97 m；在樓道走廊環(huán)境中，該方法三軸的誤差均<1.01 m，誤差均值為5～15 cm，誤差范圍小，精度高；累計(jì)位置偏差僅為1.67 m。2種場(chǎng)景下地圖完整性與環(huán)境匹配均有良好的性能，煤礦巷道場(chǎng)景中3種方法建圖結(jié)果與軌跡如圖11所示。

圖11 煤礦巷道場(chǎng)景中3種方法建圖結(jié)果與軌跡

同年，中國(guó)礦業(yè)大學(xué)李錳鋼團(tuán)隊(duì)提出另一種煤礦移動(dòng)機(jī)器人LiDAR/IMU緊耦合SLAM方法LI-SLAM。LI-SLAM算法架構(gòu)如圖12所示。該算法在同煤大唐塔山煤礦有限公司開(kāi)展了工業(yè)性試驗(yàn)，結(jié)果表明：在煤礦移動(dòng)機(jī)器人行駛巷道直線距離為273 m時(shí)，平均誤差<15 cm，具有較高的定位和建模精度，基本滿足煤礦移動(dòng)機(jī)器人的定位建模精度需求，對(duì)于煤礦井下復(fù)雜環(huán)境下的移動(dòng)機(jī)器人精確定位與地圖構(gòu)建有更好的適用性。

圖12 LI-SLAM算法架構(gòu)

同樣在2022年，西安科技大學(xué)馬宏偉團(tuán)隊(duì)提出一種基于激光慣性融合的煤礦井下移動(dòng)機(jī)器人SLAM算法，激光慣性融合的煤礦井下移動(dòng)機(jī)器人SLAM算法框架如圖13所示。該算法在優(yōu)化框架中添加了地面約束和回環(huán)檢測(cè)，優(yōu)化了相鄰關(guān)鍵幀之間的相對(duì)位姿，確保全局地圖的一致性，提高了機(jī)器人狀態(tài)估計(jì)的整體精度。激光慣性融合的煤礦井下移動(dòng)機(jī)器人SLAM算法建模效果對(duì)比如圖14所示，結(jié)果表明：針對(duì)煤礦井下特殊的非結(jié)構(gòu)環(huán)境，與現(xiàn)有的激光SLAM算法相比，提出的算法在自采的數(shù)據(jù)集上滿足每幀60 ms的處理時(shí)長(zhǎng)，機(jī)器人具有更高實(shí)時(shí)性，由于其結(jié)合各開(kāi)源算法的長(zhǎng)處，降低了系統(tǒng)累積誤差，保證了所構(gòu)建地圖的全局一致性。

圖13 激光慣性融合的煤礦井下移動(dòng)機(jī)器人SLAM算法框架

圖14 激光慣性融合的煤礦井下移動(dòng)機(jī)器人SLAM算法建模效果對(duì)比

2023年，西安科技大學(xué)姚頑強(qiáng)團(tuán)隊(duì)提出了一種面向煤礦井下環(huán)境的激光雷達(dá)、IMU緊耦合SLAM算法。面向煤礦井下環(huán)境的激光雷達(dá)、IMU緊耦合SLAM算法框架如圖15所示。

圖15 面向煤礦井下環(huán)境的激光雷達(dá)、IMU緊耦合SLAM算法框架

通過(guò)煤礦井下實(shí)測(cè)數(shù)據(jù)的試驗(yàn)分析該算法，結(jié)果表明：提出的激光SLAM算法表現(xiàn)較好，位姿估計(jì)誤差在平面方向較LIO-SAM降低了50.93%，在高程方向降低了42.13%，可為煤礦機(jī)器人智能感知、安全巡檢提供技術(shù)參考，面向煤礦井下環(huán)境的激光雷達(dá)、IMU緊耦合SLAM算法建圖結(jié)果與其他成熟算法對(duì)比如圖16所示。

圖16 面向煤礦井下環(huán)境的激光雷達(dá)、IMU緊耦合SLAM算法建圖結(jié)果與其他成熟算法對(duì)比

2024年，中國(guó)礦業(yè)大學(xué)司壘團(tuán)隊(duì)設(shè)計(jì)建立了激光雷達(dá)和IMU的數(shù)據(jù)融合模型，提出了基于IMU-LiDAR緊耦合的防沖鉆孔機(jī)器人定位建圖方法。在分析激光雷達(dá)點(diǎn)云畸變成因和同步定位與地圖構(gòu)建算法缺陷的基礎(chǔ)上，設(shè)計(jì)了基于慣性測(cè)量單元（IMU）連續(xù)時(shí)間軌跡的點(diǎn)云畸變矯正方法，建立了激光雷達(dá)和IMU的數(shù)據(jù)融合模型，提出了基于IMU-LiDAR緊耦合的防沖鉆孔機(jī)器人定位建圖方法，結(jié)果表明，所提算法的位移均方根誤差<0.15 m，旋轉(zhuǎn)均方根誤差<2.47°，較成熟算法如LOAM、LEGO-LOAM和LIO-SAM均有較大提升，司壘所述算法定位效果與其他成熟算法比較如圖17所示。

圖17 司壘所述算法定位效果與其他成熟算法比較

2022年，中國(guó)礦業(yè)大學(xué)（北京）薛光輝團(tuán)隊(duì)提出了一種融合FPFH和ICP算法的二階段點(diǎn)云特征提取及配準(zhǔn)的方法，融合FPFH和ICP算法的二階段點(diǎn)云特征提取及配準(zhǔn)的方法框架如圖18所示。

圖18 融合FPFH和ICP算法的二階段點(diǎn)云特征提取及配準(zhǔn)的方法框架

測(cè)試和試驗(yàn)結(jié)果表明，與傳統(tǒng)的LIO-SAM算法相比，改進(jìn)算法的位姿估計(jì)和點(diǎn)云配準(zhǔn)精度更高，相對(duì)位姿誤差的平均誤差改善了6.52%，絕對(duì)位姿誤差的最大誤差降低了18.84%，構(gòu)建的地圖無(wú)明顯失真，建圖誤差均在1%以內(nèi)，可實(shí)現(xiàn)非結(jié)構(gòu)化退化環(huán)境的高精度全局一致性地圖構(gòu)建。

三維激光SLAM憑借其數(shù)據(jù)全面、穩(wěn)定，精度高等特點(diǎn)，通過(guò)近5年的發(fā)展取得了較大成就。然而，激光SLAM仍舊無(wú)法完全解決在幾何環(huán)境較為相似的場(chǎng)景定位精度較差的問(wèn)題。激光SLAM重建出的地圖缺少顏色信息，限制了其實(shí)際應(yīng)用，因此，開(kāi)始逐步研究融合圖像信息的激光視覺(jué)SLAM技術(shù)。

激光視覺(jué)SLAM

2020年，中國(guó)煤炭科工集團(tuán)太原研究院有限公司袁曉明在煤礦輔助輸送機(jī)器人研發(fā)中使用雷達(dá)+相機(jī)+IMU的組合，利用感知模塊采集的環(huán)境點(diǎn)云圖像和深度圖像，所用雷達(dá)與相機(jī)如圖19所示，實(shí)現(xiàn)自主定位。實(shí)際應(yīng)用結(jié)果表明，在準(zhǔn)確建圖的基礎(chǔ)上，該定位方式的誤差<10 cm，可滿足井下輔助輸送機(jī)器人的導(dǎo)航定位需求，是第一次將激光視覺(jué)信息融合處理的SLAM算法。

圖19 袁曉明所用雷達(dá)與相機(jī)

2024年，中國(guó)礦業(yè)大學(xué)鮑久圣團(tuán)隊(duì)提出了基于多源里程融合的井下無(wú)人駕駛自主導(dǎo)航SLAM方法，基于多源里程融合的井下無(wú)人駕駛自主導(dǎo)航SLAM方法框架如圖20所示。利用多傳感器融合SLAM算法RTAB-Map實(shí)現(xiàn)環(huán)境重構(gòu)，并提高其在煤礦環(huán)境下的重構(gòu)精度。算法可實(shí)現(xiàn)高精度的環(huán)境重構(gòu)，模擬場(chǎng)景地圖的多位置測(cè)量尺寸最大誤差絕對(duì)值為11.9 cm。

圖20 基于多源里程融合的井下無(wú)人駕駛自主導(dǎo)航SLAM方法框架

2024年，西安科技大學(xué)藺小虎團(tuán)隊(duì)提出面向復(fù)雜地下空間的多源傳感器數(shù)據(jù)動(dòng)態(tài)加權(quán)融合SLAM方法，面向復(fù)雜地下空間的多源傳感器數(shù)據(jù)動(dòng)態(tài)加權(quán)融合SLAM方法框架如圖21所示。該方法采用了一種基于色調(diào)、飽和度、亮度空間的圖像增強(qiáng)技術(shù)，結(jié)合單參數(shù)同態(tài)濾波和對(duì)比度受限的自適應(yīng)直方圖均衡化算法，提升了地下空間圖像的亮度和對(duì)比度，增強(qiáng)了視覺(jué)里程計(jì)的穩(wěn)健性。態(tài)加權(quán)融合SLAM方法生成的點(diǎn)云地圖與參考點(diǎn)云地圖的3D偏差比較如圖22所示，結(jié)果表明：該方法最大軌跡均方根誤差僅為0.19 m，平均點(diǎn)云直接距離<0.13 m，構(gòu)建的點(diǎn)云地圖具有較好的全局一致性和幾何結(jié)構(gòu)真實(shí)性。

圖21 面向復(fù)雜地下空間的多源傳感器數(shù)據(jù)動(dòng)態(tài)加權(quán)融合SLAM方法框架

圖22 動(dòng)態(tài)加權(quán)融合SLAM方法生成的點(diǎn)云地圖與參考點(diǎn)云地圖的3D偏差比較

2024年，中煤科工集團(tuán)重慶研究院有限公司高銘陽(yáng)提出一種煤礦井下多傳感器融合定位與建圖算法，煤礦井下多傳感器融合定位與建圖算法框架如圖23所示。該算法由視覺(jué)里程計(jì)系統(tǒng)和激光SLAM系統(tǒng)2部分組成，激光SLAM系統(tǒng)基于特征點(diǎn)法激光SLAM框架，利用視覺(jué)里程計(jì)信息代替IMU預(yù)積分，并針對(duì)煤礦巷道結(jié)構(gòu)改進(jìn)激光點(diǎn)云特征分類方法，優(yōu)化雷達(dá)幀間掃描匹配；在視覺(jué)里程計(jì)系統(tǒng)中設(shè)計(jì)異常處理機(jī)制，避免因點(diǎn)云特征退化定位失敗，算法能夠以圖像數(shù)據(jù)采集頻率優(yōu)化IMU參數(shù)，相較于純激光方法，其優(yōu)化頻率提高了2.5～3.0倍，因此IMU誤差累積更小，整體更加平順，煤礦井下多傳感器融合定位與建圖算法在某巷道結(jié)果與主流算法比較如圖24所示。

圖23 煤礦井下多傳感器融合定位與建圖算法框架

圖24 煤礦井下多傳感器融合定位與建圖算法在某巷道結(jié)果與主流算法比較

2024年，西安科技大學(xué)姚頑強(qiáng)團(tuán)隊(duì)提出一種煤礦井下移動(dòng)機(jī)器人激光雷達(dá)-視覺(jué)-慣性自適應(yīng)融合SLAM方法。自適應(yīng)融合SLAM方法框架如圖25所示。該方法對(duì)LiDAR點(diǎn)云數(shù)據(jù)進(jìn)行聚類分割，提取線面特征，首先采用基于自適應(yīng)Gamma校正和對(duì)比度受限的自適應(yīng)直方圖均衡化（CLAHE）的圖像增強(qiáng)算法處理低照度圖像，提升圖像質(zhì)量；然后分別計(jì)算LiDAR、視覺(jué)、IMU位姿變化值，通過(guò)設(shè)定動(dòng)態(tài)閾值來(lái)檢測(cè)前端里程計(jì)的穩(wěn)定性，自適應(yīng)選取最優(yōu)位姿；最后為兼顧精度與實(shí)時(shí)性，基于滑動(dòng)窗口實(shí)現(xiàn)激光點(diǎn)云特征、視覺(jué)特征、IMU測(cè)量的多源數(shù)據(jù)聯(lián)合非線性優(yōu)化，實(shí)現(xiàn)煤礦井下連續(xù)可用、精確可靠的SLAM。在狹長(zhǎng)走廊和煤礦巷道場(chǎng)景下進(jìn)行試驗(yàn)驗(yàn)證，結(jié)果表明，所提方法在狹長(zhǎng)走廊場(chǎng)景的定位均方根誤差為0.15 m，構(gòu)建的點(diǎn)云地圖一致性較高；在煤礦巷道場(chǎng)景中的定位均方根誤差為0.19 m，構(gòu)建的點(diǎn)云地圖可真實(shí)地反映煤礦井下環(huán)境，煤礦井下移動(dòng)機(jī)器人激光雷達(dá)-視覺(jué)-慣性自適應(yīng)融合SLAM方法建圖效果如圖26所示。

圖25 自適應(yīng)融合SLAM方法框架

圖26 煤礦井下移動(dòng)機(jī)器人激光雷達(dá)-視覺(jué)-慣性自適應(yīng)融合SLAM方法建圖效果

激光SLAM技術(shù)發(fā)展

針對(duì)上述討論，結(jié)合筆者的思考，接下來(lái)我國(guó)井工煤礦激光SLAM的發(fā)展應(yīng)該著重于以下4個(gè)方面。

（1）結(jié)合毫米波雷達(dá)等透塵霧傳感器，應(yīng)用于隨采隨掘場(chǎng)景，實(shí)現(xiàn)全天候的實(shí)時(shí)定位與建圖。

（2）針對(duì)井下特殊環(huán)境研究符合實(shí)際工況的特征提取與匹配算法，增加算法的魯棒性。

（3）結(jié)合視覺(jué)相機(jī)與深度學(xué)習(xí)，實(shí)現(xiàn)低照度、非結(jié)構(gòu)化場(chǎng)景下的魯棒定位與建圖。

（4）針對(duì)實(shí)際應(yīng)用場(chǎng)景優(yōu)化激光視覺(jué)SLAM技術(shù)，在效果、效率以及魯棒性上做出平衡。

結(jié) 語(yǔ)

井工煤礦關(guān)于激光SLAM的研究與應(yīng)用，僅限于巷道場(chǎng)景，對(duì)于隨采隨掘過(guò)程中的研究較少。因工作面設(shè)備較多，環(huán)境較為復(fù)雜，工作面強(qiáng)粉塵等場(chǎng)景對(duì)激光雷達(dá)和視覺(jué)相機(jī)的數(shù)據(jù)造成了極大影響，甚至在某些極端情況下完全無(wú)法進(jìn)行數(shù)據(jù)采集。用于檢驗(yàn)算法在井工煤礦應(yīng)用效果時(shí)，沒(méi)有統(tǒng)一的評(píng)測(cè)數(shù)據(jù)集，導(dǎo)致進(jìn)行對(duì)比試驗(yàn)時(shí)，只能通過(guò)在自己的試驗(yàn)場(chǎng)景下已有成熟算法的比較，描述自身研究的先進(jìn)性，無(wú)法與其他研究團(tuán)隊(duì)的方案進(jìn)行橫向比較，算法適應(yīng)性不足。

編輯丨李莎

審核丨趙瑞

煤炭科學(xué)研究總院期刊出版公司擁有科技期刊21種。其中，SCI收錄1種，Ei收錄5種、CSCD收錄6種、Scopus收錄8種、中文核心期刊9種、中國(guó)科技核心期刊11種、中國(guó)科技期刊卓越行動(dòng)計(jì)劃入選期刊4種，是煤炭行業(yè)最重要的科技窗口與學(xué)術(shù)交流陣地，也是行業(yè)最大最權(quán)威的期刊集群。

期刊簡(jiǎn)介

《智能礦山》（月刊，CN 10-1709/TN，ISSN 2096-9139）是由中國(guó)煤炭科工集團(tuán)有限公司主管、煤炭科學(xué)研究總院有限公司主辦的聚焦礦山智能化領(lǐng)域產(chǎn)學(xué)研用新進(jìn)展的綜合性技術(shù)刊物。

主編：王國(guó)法院士

刊載欄目：企業(yè)/團(tuán)隊(duì)/人物專訪政策解讀視角·觀點(diǎn)智能示范礦井對(duì)話革新·改造學(xué)術(shù)園地、專題報(bào)道等。

投稿網(wǎng)址：www.chinamai.org.cn（期刊中心-作者投稿）

?? 征稿函詳見(jiàn)鏈接： 征稿┃《智能礦山》面向廣大讀者征稿，歡迎投稿

期刊成果：創(chuàng)刊5年來(lái)，策劃出版了“中國(guó)煤科煤礦智能化成果”“陜煤集團(tuán)智能化建設(shè)成果”“聚焦煤炭工業(yè)‘十四五’高質(zhì)量發(fā)展”等特刊/專題30多期。主辦“煤礦智能化重大進(jìn)展發(fā)布會(huì)”“煤炭清潔高效利用先進(jìn)成果發(fā)布會(huì)”“《智能礦山》理事、特約編輯年會(huì)暨智能化建設(shè)論壇”“智能礦山零距離”“礦山智能化建設(shè)運(yùn)維與技術(shù)創(chuàng)新高新研修班”等活動(dòng)20余次。組建了理事會(huì)、特約編輯團(tuán)隊(duì)、卓越人物等千余人產(chǎn)學(xué)研用高端協(xié)同辦刊團(tuán)隊(duì)，打造了“刊-網(wǎng)-號(hào)-群-庫(kù)”全覆蓋的1+N全媒體傳播平臺(tái)，全方位發(fā)布礦山智能化領(lǐng)域新技術(shù)、新產(chǎn)品、新經(jīng)驗(yàn)。

?? 具體詳見(jiàn)鏈接：《智能礦山》創(chuàng)刊5周年回顧

聯(lián)系人：李編輯 010-87986441

郵發(fā)代號(hào)：82-476

?? 期刊訂閱詳見(jiàn)鏈接：歡迎訂閱┃《智能礦山》雜志2026年訂閱開(kāi)始了！

往期薦讀

• 會(huì)議議程┃關(guān)于召開(kāi)煤炭無(wú)人化開(kāi)采數(shù)智技術(shù)研討暨成果發(fā)布會(huì)的通知(2026年1月9—11日北京)

• 行業(yè)聚焦┃2025年礦山智能化建設(shè)運(yùn)維與技術(shù)創(chuàng)新高級(jí)研修班成功在威海舉辦

• 行業(yè)聚焦┃2025智慧礦山技術(shù)創(chuàng)新與產(chǎn)業(yè)發(fā)展論壇（新疆）成功召開(kāi)

• 行業(yè)聚焦┃2024年煤炭清潔高效利用智能化成果發(fā)布暨選煤廠智能化建設(shè)論壇順利召開(kāi)

• 征稿┃《智能礦山》面向廣大讀者征稿，歡迎投稿

• 歡迎訂閱┃《智能礦山》雜志2026年訂閱開(kāi)始了！

• 行業(yè)聚焦┃2024年煤礦智能化重大進(jìn)展發(fā)布會(huì)成功召開(kāi)

• 《智能礦山》創(chuàng)刊5周年回顧

• 王國(guó)法院士煤礦智能化觀點(diǎn)集錦

• 新書(shū)訂閱 ┃《中國(guó)煤礦智能化發(fā)展報(bào)告（2024年）》（王國(guó)法，劉峰 主編）

• 訂閱┃探秘太陽(yáng)石的奧秘 呈現(xiàn)煤的真身：太陽(yáng)石系列科普叢書(shū)重磅發(fā)售

往期特刊

中國(guó)煤科特刊

陜煤集團(tuán)特刊

神東專欄

重大進(jìn)展特刊

露天礦特刊

理事單位特刊

紅柳林煤礦特刊

創(chuàng)新技術(shù)特刊

創(chuàng)刊號(hào)

版權(quán)聲明

本刊對(duì)已出版文章持有電子版、網(wǎng)絡(luò)版及進(jìn)行網(wǎng)絡(luò)技術(shù)交流和與各網(wǎng)絡(luò)數(shù)據(jù)庫(kù)合作的權(quán)利，稿酬一次性付清，版權(quán)歸本刊與作者共同所有，如不同意，請(qǐng)?jiān)谕陡鍟r(shí)聲明。

---

聲明：本文系轉(zhuǎn)載自互聯(lián)網(wǎng)，請(qǐng)讀者僅作參考，并自行核實(shí)相關(guān)內(nèi)容。若對(duì)該稿件內(nèi)容有任何疑問(wèn)或質(zhì)疑，請(qǐng)立即與鐵甲網(wǎng)聯(lián)系，本網(wǎng)將迅速給您回應(yīng)并做處理，再次感謝您的閱讀與關(guān)注。