煤炭科学技术

作者：崔邵云, 鲍久圣, 李芳威, 袁晓明, 阴妍, 王茂森, 张可琨, 葛世荣,

关键词：无人驾驶, 多源里程融合, Real-Time Appearance-Based Mapping, 环境重构, 多点自主导航,

自主导航是实现无人驾驶的关键技术基础，采用即时定位与建图（Simultaneous Localization and Mapping, 简称SLAM）技术是目前的主流解决方案。然而，在煤矿井下光照不足、巷道狭窄、粉尘干扰等恶劣环境下，基于视觉或激光雷达单一传感器的传统SLAM技术容易失效，存在适应性不强与可靠性不足的问题。面向煤矿恶劣环境与复杂工况，提出了一种基于多源里程融合的井下无人驾驶自主导航SLAM方法，并通过试验进行了验证。首先，针对自主导航的核心问题——环境重构，开展了基于多源里程融合的环境重构方法研究：利用多传感器融合SLAM算法RTAB-Map（Real-Time Appearance-Based Mapping，基于外观的实时建图）实现环境重构，并为提高其在煤矿环境下的重构精度，通过卡尔曼滤波将激光里程计、视觉里程计、轮式里程计及IMU（Inertial Measurement Unit，惯性测量单元）进行紧耦合，以更高精度的耦合结果替代RTAB-Map原位姿估计信息；随后，针对当前单点导航重复繁琐、自主性降低的问题，提出了一种新的多点导航策略：基于现有的单点导航方法，通过构建可根据时间先后存储与发布位姿信息的中间节点来实现多点导航；最后，在实验室搭建无人驾驶试验平台及模拟井下巷道场景，开展无人驾驶自主导航试验，包括环境重构试验及多点自主导航试验，结果分别表明：融合多源里程的RTAB-Map算法可实现高精度的环境重构，模拟场景地图中所测量的多处标注尺寸的最大绝对误差绝对值仅为11.9 cm；多点自主导航方法实现了无人驾驶车辆至少3个目标点的依次连续导航，避免多次重复单点导航，有效提高自主导航运行效率，且轨迹拟合最大纵向误差仅为0.25 m，最大横向误差仅为0.19 m，具有良好的导航精度。

来源：2025年第8期

《煤炭科学技术》期刊编辑部

查看煤炭科学技术杂志2025年第8期