定位誤差直降30%！揭秘礦井復雜環(huán)境下的機器人定位與建圖SLAM進階之路

2025年12月26日 16:51 智能礦山雜志責編：戚金榮作者：智能礦山雜志

摘要

礦井環(huán)境因復雜的地理條件和光照變化給機器人定位與建圖帶來挑戰(zhàn)。傳統(tǒng)的單一傳感器SLAM(激光SLAM或視覺SLAM)在此環(huán)境下存在局限性。筆者提出了一種激光-視覺-慣性多源緊耦合SLAM方法，結合激光雷達、視覺相機和IMU的優(yōu)勢，解決了巷道結構激光退化問題和無光環(huán)境下視覺跟蹤失效的問題，通過外參標定實現(xiàn)多傳感器數(shù)據(jù)對齊，并設計了自適應視覺權重機制，動態(tài)判斷激光和視覺的可靠性。試驗表明：該方法在礦井環(huán)境中，定位誤差降低至1.2%(相比單一傳感器SLAM降低30%以上)，建圖精度提升25%，尤其在無光場景下仍能保持穩(wěn)定的定位性能，提高了系統(tǒng)的適應性和魯棒性。

文章來源：《智能礦山》2025年第11期“礦山機器人技術創(chuàng)新與實踐特刊”

第一作者：張少剛，主要從事機器人、儀器儀表的相關研究工作。E-mail：tom.zhang@keep-think.com

作者單位：中國礦業(yè)大學；江蘇凱普信電氣技術有限公司；中煤科工機器人科技有限公司

引用格式：張少剛，王雷，陳步平，等. 面向礦井的激光 – 視覺 – 慣性多源緊耦合SLAM方法研究[J].智能礦山，2025，6(11)：113-117.

點擊文末左下角閱讀原文，免費下載閱讀pdf全文

關注微信公眾號，了解更多礦山智能化建設進展

礦井環(huán)境結構復雜、光照條件多變，移動機器人定位與建圖存在諸多挑戰(zhàn)，亟需解決煤礦機器人（如巡檢機器人、救援機器人、輸送機器人等）自主導航問題。SLAM技術是實現(xiàn)其精確定位與環(huán)境感知的核心關鍵。激光SLAM在幾何特征單一或重復的巷道中容易發(fā)生退化，視覺SLAM在弱光或無光環(huán)境中難以穩(wěn)定運行，IMU雖能提供連續(xù)運動信息，卻存在誤差積累問題，單一傳感器方法難以滿足礦井環(huán)境下的精確定位需求。近年來，多傳感器融合SLAM方法受到廣泛關注，嘗試結合激光、視覺與慣性信息提升系統(tǒng)性能，但多數(shù)方法仍基于松耦合結構，未能實現(xiàn)多源信息的高效協(xié)同，難以應對礦井環(huán)境的極端復雜性。

針對上述問題，筆者提出一種激光-視覺-慣性多源緊耦合SLAM方法，構建統(tǒng)一優(yōu)化框架，引入自適應視覺權重機制，充分發(fā)揮各傳感器優(yōu)勢，在光照劇烈變化、幾何退化及無光場景下有效提升系統(tǒng)的定位精度與建圖魯棒性。

多傳感器標定與數(shù)據(jù)關聯(lián)

多傳感器融合SLAM的關鍵在于實現(xiàn)激光雷達、視覺相機與IMU數(shù)據(jù)的精確對齊。通過外參標定統(tǒng)一各傳感器坐標系，并采用有效的策略進行數(shù)據(jù)關聯(lián)，保證不同傳感器的數(shù)據(jù)能夠共同作用于SLAM系統(tǒng)。

（1）傳感器標定的目標是確定各傳感器之間的相對位姿（旋轉矩陣和平移量）。采用Autoware軟件進行激光雷達與相機的外參標定，通過標定板采集數(shù)據(jù)，輸入相機內(nèi)參并識別角點，最終計算出旋轉矩陣與平移量。

（2）數(shù)據(jù)融合過程中，需要將激光雷達、相機和IMU的坐標系統(tǒng)一。通過標定得到的旋轉矩陣與平移量，將激光雷達和相機的數(shù)據(jù)投影到IMU坐標系中，確保數(shù)據(jù)能夠在統(tǒng)一的坐標系統(tǒng)下進行處理。坐標系轉換原理如圖1所示，具體說明了通過旋轉矩陣和平移量將數(shù)據(jù)對齊。

圖1 坐標系轉換原理

（3）融合策略將激光雷達點云投影到相機平面，為視覺系統(tǒng)提供深度信息，彌補視覺SLAM中缺乏尺度信息的問題。視覺系統(tǒng)的位姿信息被用作激光SLAM的先驗信息，以優(yōu)化點云匹配精度。通過此策略，視覺與激光SLAM的結合，提高了定位與建圖的精度。

（4）在礦井等復雜環(huán)境中，傳感器數(shù)據(jù)關聯(lián)存在噪聲和誤差，為解決此問題，引入了自適應視覺權重機制，根據(jù)信號光照強度動態(tài)調(diào)整視覺數(shù)據(jù)的權重。在光照較好時，視覺數(shù)據(jù)權重較大；在無光環(huán)境下，視覺數(shù)據(jù)權重減小，減少視覺SLAM的影響，該機制有效提高了系統(tǒng)的魯棒性。

多源融合SLAM算法設計

多源融合SLAM算法旨在結合激光雷達、視覺相機與IMU的數(shù)據(jù)，利用各自優(yōu)勢，解決單一傳感器在復雜環(huán)境中的局限性。基于激光-視覺-慣性緊耦合的多源融合SLAM算法設計，主要包括系統(tǒng)架構、各子系統(tǒng)功能設計、數(shù)據(jù)融合流程。

2.1 多源融合SLAM系統(tǒng)架構

為提升定位精度與系統(tǒng)魯棒性，設計了雙子系統(tǒng)架構，包含激光-慣性子系統(tǒng)（LIO）和視覺-慣性子系統(tǒng)（VIO）。2個子系統(tǒng)并行工作，相互補充以增強整體系統(tǒng)的性能。LIO子系統(tǒng)在幾何特征豐富的環(huán)境中負責穩(wěn)定的定位與建圖，VIO子系統(tǒng)利用視覺信息補充系統(tǒng)在低光或無光環(huán)境下的能力。

通過兩者的緊耦合融合，更好地適應在礦井等復雜環(huán)境中的變化。LIO和VIO各自獨立處理傳感器數(shù)據(jù)，并通過信息共享與優(yōu)化相互提升。LIO子系統(tǒng)提供激光雷達的位姿估計，VIO子系統(tǒng)提供視覺與IMU融合后的位姿信息，兩者通過緊耦合優(yōu)化進行融合，以獲得更為精確的位姿估計。

2.2 視覺-慣性子系統(tǒng)（VIO）

在VIO子系統(tǒng)中，相機首先通過圖像中的特征提取算法，如角點檢測或光流法，獲取特征點，并結合IMU數(shù)據(jù)進行位姿估計。由于相機無法直接提供深度信息，激光點云被投影到相機平面，提供尺度信息，彌補視覺SLAM中對深度信息的缺乏。

IMU數(shù)據(jù)通過加速度計和陀螺儀的測量為視覺系統(tǒng)提供補充，幫助估計位姿并減少視覺系統(tǒng)在低光或光照不均情況下產(chǎn)生的誤差。在光照良好的環(huán)境中，視覺系統(tǒng)的特征點提取較為精確，視覺權重較大；在光照不足環(huán)境下，圖像特征點質(zhì)量下降，視覺權重減小，系統(tǒng)依賴激光雷達和IMU，確保定位精度和系統(tǒng)魯棒性。動態(tài)調(diào)整機制使得視覺-慣性系統(tǒng)自適應不同環(huán)境，優(yōu)化定位精度。

2.3 激光-慣性子系統(tǒng)（LIO）

LIO子系統(tǒng)主要依賴激光雷達和IMU的數(shù)據(jù)進行高精度的定位與建圖。IMU通過預積分過程提供雷達的初始位姿估計，激光雷達通過對周圍環(huán)境的點云數(shù)據(jù)進行特征提取和匹配進行定位。IMU數(shù)據(jù)提供位姿先驗信息，用于去畸變處理，確保激光雷達點云數(shù)據(jù)的準確性。在激光雷達的位姿優(yōu)化過程中，視覺系統(tǒng)位姿信息被用作先驗約束，幫助優(yōu)化點云匹配精度，提高系統(tǒng)的定位準確性。

通過緊耦合的激光、視覺與IMU數(shù)據(jù)融合，LIO子系統(tǒng)在礦井等復雜環(huán)境中，有效解決激光雷達在幾何特征簡單或紋理不足場景下的退化問題，同時在無光或低光環(huán)境下，依賴視覺與IMU的輔助來維持系統(tǒng)的穩(wěn)定性和精度。融合后的LIO子系統(tǒng)能夠提供穩(wěn)定可靠的定位結果，尤其是在多變環(huán)境中，確保了系統(tǒng)的高魯棒性。

2.4 緊耦合優(yōu)化與融合

LIO和VIO子系統(tǒng)通過緊耦合優(yōu)化機制實現(xiàn)數(shù)據(jù)融合。在融合過程中，LIO和VIO分別提供位姿信息，并根據(jù)光照條件動態(tài)調(diào)整視覺數(shù)據(jù)的權重。激光雷達的位姿信息用于優(yōu)化視覺SLAM中的點云匹配，視覺位姿信息則作為激光SLAM的先驗約束。通過目標函數(shù)的聯(lián)合優(yōu)化，獲得最優(yōu)機器人位姿。多傳感器融合SLAM的優(yōu)化原理如圖2所示。激光雷達和視覺系統(tǒng)通過LIO和VIO子系統(tǒng)分別優(yōu)化位姿，緊耦合優(yōu)化后，兩者的位姿信息融合在一起，最終獲得準確的定位結果。

圖2 多傳感器融合SLAM的優(yōu)化原理

性能評估與方法驗證

為了驗證激光-視覺-慣性多源融合SLAM方法在復雜環(huán)境中的實際表現(xiàn)，評估該方法在不同環(huán)境條件下的定位精度、建圖質(zhì)量和實時性。

（1）在光照充足環(huán)境中，單一激光-慣性SLAM（LIO）系統(tǒng)的定位誤差較小，最大誤差為3.49%，建圖精度較高。相比之下，視覺-慣性SLAM（VIO）在光照良好的環(huán)境中也能提供較為準確的定位。當環(huán)境光照條件變化或光照不足時，VIO定位精度明顯下降，軌跡漂移明顯；多源融合SLAM系統(tǒng)在光照變化和幾何特征簡單的環(huán)境下表現(xiàn)出了較強的穩(wěn)定性，定位誤差相比單一LIO和VIO系統(tǒng)降低了30%以上，表明融合方法可有效應對環(huán)境變化對定位精度的影響。在光照充足條件下，多傳感器融合SLAM模擬巷道建圖過程如圖3所示，（a）至（b）為機器人從模擬巷道口進入，相機圖像由暗轉亮，視覺權重慢慢增加；（c）至（e）光照強度慢慢變差視覺權重減小；（f）至（g）再變亮；（h）至（k）再變暗。

圖3 多傳感器融合SLAM模擬巷道建圖過程

（2）在幾何退化環(huán)境中，單一LIO系統(tǒng)定位精度下降，特別是在礦井環(huán)境中，幾何特征重復且紋理較少的情況下，激光雷達定位結果容易受到退化影響。通過引入視覺系統(tǒng)約束，融合SLAM有效彌補了激光雷達的退化，提高了定位精度。通過視覺點云約束，視覺與激光雷達的緊耦合優(yōu)化減少點云配準誤差，提升建圖精度。在幾何退化環(huán)境下，融合SLAM的建圖誤差顯著低于單一LIO系統(tǒng)，驗證了視覺信息在解決激光雷達退化問題中的作用。多傳感器融合SLAM局部地圖和軌跡如圖4所示，（a）至（b）為機器人從模擬巷道口進入，相機圖像由暗轉亮，視覺權重慢慢增加；（c）至（e）光照強度慢慢變差視覺權重減??；（f）至（g）再變亮，（h）至（k）再變暗，表明在幾何退化環(huán)境中，融合SLAM與單一LIO的建圖誤差對比，顯示出融合方法的明顯優(yōu)勢。

圖4 多傳感器融合SLAM局部地圖和軌跡

（3）在無光環(huán)境下，視覺系統(tǒng)性能會受到極大影響，VIO系統(tǒng)無法提供穩(wěn)定的定位信息。激光-視覺-慣性多源融合SLAM系統(tǒng)，在無光環(huán)境下可穩(wěn)定運行。IMU和激光雷達提供了足夠的運動信息，視覺系統(tǒng)的輔助角色主要是在關鍵時刻通過深度信息補充，提高系統(tǒng)魯棒性。激光雷達和IMU的緊耦合優(yōu)化保持了系統(tǒng)在定位精度和建圖質(zhì)量上的優(yōu)勢，確保了無光環(huán)境下的連續(xù)運行。多傳感器融合SLAM軌跡對比如圖5所示，表明在無光環(huán)境下，融合SLAM與單一VIO的軌跡對比，凸顯了融合方法在無光環(huán)境中的穩(wěn)定性。

圖5 多傳感器融合SLAM軌跡對比

綜上，實驗評估表明激光-視覺-慣性多源融合SLAM方法在復雜礦井環(huán)境中，尤其是在光照變化、幾何退化和無光場景下性能優(yōu)越。融合SLAM通過充分利用激光雷達、視覺相機和IMU的互補優(yōu)勢，在提升定位精度和建圖質(zhì)量的同時，確保了系統(tǒng)在各種極端環(huán)境中的魯棒性和穩(wěn)定性。

總結

（1）在礦井環(huán)境中，傳統(tǒng)的單一傳感器SLAM方法受到光照變化、幾何退化等因素的限制，導致定位精度和建圖質(zhì)量不穩(wěn)定。為解決此問題，提出了一種激光-視覺-慣性多源緊耦合SLAM方法，結合激光雷達、視覺相機和IMU的數(shù)據(jù)，充分利用各自的優(yōu)勢，提升系統(tǒng)的定位精度和建圖效果。

（2）多源融合 SLAM 在煤礦井下的環(huán)境條件下，特別是在光照變化劇烈、幾何退化以及無光環(huán)境下，具有較強的魯棒性和穩(wěn)定性。在光照變化較大的環(huán)境中，融合SLAM相較于單一傳感器SLAM，定位誤差降低了約30%，在幾何退化場景中，視覺系統(tǒng)有效地抑制了激光雷達的退化問題，提升了建圖精度。

（3）未來研究將著力解決動態(tài)環(huán)境下的實時感知與定位優(yōu)化、多機器人協(xié)同建圖與定位技術、長期運行中的地圖更新策略等關鍵問題。通過融合毫米波雷達等新型傳感器，開發(fā)輕量化算法架構，進一步提升系統(tǒng)在粉塵、水霧等惡劣環(huán)境中的適應性。

#機器人 #定位與建圖 #多源融合 #SLAM #激光雷達 #機器視覺 #IMU

編輯丨李莎

審核丨趙瑞

煤炭科學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、中國科技核心期刊11種、中國科技期刊卓越行動計劃入選期刊4種，是煤炭行業(yè)最重要的科技窗口與學術交流陣地，也是行業(yè)最大最權威的期刊集群。

期刊簡介

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

主編：王國法院士

刊載欄目：企業(yè)/團隊/人物專訪政策解讀視角·觀點智能示范礦井對話革新·改造學術園地、專題報道等。

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

?? 征稿函詳見鏈接： 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，策劃出版了“中國煤科煤礦智能化成果”“陜煤集團智能化建設成果”“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“煤礦智能化重大進展發(fā)布會”“煤炭清潔高效利用先進成果發(fā)布會”“《智能礦山》理事、特約編輯年會暨智能化建設論壇”“智能礦山零距離”“礦山智能化建設運維與技術創(chuàng)新高新研修班”等活動20余次。組建了理事會、特約編輯團隊、卓越人物等千余人產(chǎn)學研用高端協(xié)同辦刊團隊，打造了“刊-網(wǎng)-號-群-庫”全覆蓋的1+N全媒體傳播平臺，全方位發(fā)布礦山智能化領域新技術、新產(chǎn)品、新經(jīng)驗。

?? 具體詳見鏈接：《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：82-476

?? 期刊訂閱詳見鏈接：歡迎訂閱┃《智能礦山》雜志2026年訂閱開始了！

往期薦讀