基于SLAM的井下巡檢機(jī)器人的研究

劉璐 高振航 張燦 胡飄

摘? 要：文章設(shè)計(jì)了基于多傳感器融合SLAM的井下巡檢機(jī)器人。作為SLAM的感知設(shè)備，相機(jī)、激光雷達(dá)和慣性傳感器的性能和可靠性在不同的運(yùn)行速度和環(huán)境下相差較大，針對(duì)這一特點(diǎn)，結(jié)合激光和視覺(jué)SLAM子系統(tǒng)以及子系統(tǒng)的誤差項(xiàng)對(duì)機(jī)器人的位姿進(jìn)行非線性優(yōu)化，提高了機(jī)器人在光線昏暗、地形復(fù)雜的井下環(huán)境中運(yùn)行的定位準(zhǔn)確性和穩(wěn)定性。

關(guān)鍵詞：SLAM；巡檢機(jī)器人；數(shù)據(jù)融合

中圖分類(lèi)號(hào)：TP242? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：2096-4706（2023）05-0060-05

Research on Underground Inspection Robot Based on SLAM

LIU Lu， GAO Zhenhang， ZHANG Can， HU Piao

（China University of Mining and Technology-Beijing， Beijing? 100083， China）

Abstract： This paper designs an underground inspection robot based on multi-sensor fusion SLAM. As the sensing equipment of SLAM， the performance and reliability of cameras， laser radars and inertial sensors vary greatly under different operating speeds and environments. Aiming at this feature， combining the laser and vision SLAM subsystems and error items of subsystems， the robot's position and attitude are optimized nonlinearly to improve the positioning accuracy and stability of the robot's operation in the dark and complex underground environment.

Keywords： SLAM; inspection robot; data fusion

0? 引? 言

現(xiàn)代化礦井的生產(chǎn)設(shè)備日益向大型、連續(xù)、高速和自動(dòng)化的方向發(fā)展，基于天然因素和人為因素的各種故障影響著生產(chǎn)效率和人員安全，給企業(yè)和工人造成損失。因此需要對(duì)礦井生產(chǎn)設(shè)備和系統(tǒng)進(jìn)行定期、定點(diǎn)的檢查，對(duì)照標(biāo)準(zhǔn)查驗(yàn)設(shè)備的異?，F(xiàn)象和隱患及時(shí)提出維護(hù)方案[1]。煤炭生產(chǎn)過(guò)程常采用需要工人直接或間接參與的人工巡檢方式進(jìn)行故障排除，由于井下通信距離長(zhǎng)、通信信號(hào)易受干擾、照明不足等環(huán)境原因?qū)е戮氯斯ぷ鳂I(yè)存在安全隱患。近年來(lái)煤炭行業(yè)正進(jìn)一步實(shí)現(xiàn)生產(chǎn)過(guò)程智能化、無(wú)人化和通信設(shè)備網(wǎng)絡(luò)化，并在關(guān)鍵工作區(qū)和相對(duì)危險(xiǎn)的工作崗位采用機(jī)器人代替工人進(jìn)行設(shè)備和儀器的操作和檢查以提高煤炭井下作業(yè)的工作效率和安全性[2]。設(shè)計(jì)一款在易發(fā)生特大事故的重要場(chǎng)所可通過(guò)遠(yuǎn)程操控或自主移動(dòng)的方式進(jìn)入危險(xiǎn)區(qū)域進(jìn)行巡檢和測(cè)繪工作的井下巡檢機(jī)器人，對(duì)提高煤炭生產(chǎn)的效率和保障煤炭工人的安全有重要意義。

1? 總體設(shè)計(jì)

井下巡檢機(jī)器人由感知模塊、主控制器模塊、運(yùn)動(dòng)控制模塊和通信模塊組成。數(shù)據(jù)采集模塊將攝像頭采集的圖像信息、激光雷達(dá)返回的距離數(shù)據(jù)、IMU陀螺儀采集的加速度信息發(fā)送到主控制器模塊，主控制器模塊將采集到的數(shù)據(jù)進(jìn)行數(shù)據(jù)融合和計(jì)算得到機(jī)器人的位姿信息，構(gòu)建地圖并進(jìn)行路徑規(guī)劃，主控制器模塊通過(guò)通信模塊向運(yùn)動(dòng)控制模塊發(fā)送指令和接收運(yùn)動(dòng)信息并將機(jī)器人的位姿信息和地圖信息反饋到上位機(jī)，運(yùn)動(dòng)控制模塊通過(guò)控制電機(jī)轉(zhuǎn)速控制機(jī)器人的移動(dòng)并返回運(yùn)動(dòng)狀態(tài)信息。井下巡檢機(jī)器人的總體設(shè)計(jì)如圖1所示。

2? 硬件設(shè)計(jì)

硬件部分包括主控制器模塊、運(yùn)動(dòng)控制模塊、感知模塊、電源模塊、速度檢測(cè)模塊和通信模塊。主控制器模塊根據(jù)感知模塊采集到的環(huán)境信息和速度檢測(cè)模塊返回的運(yùn)動(dòng)狀態(tài)信息通過(guò)基于多傳感器融合的SLAM算法進(jìn)行定位、建圖和路徑規(guī)劃并通過(guò)通信模塊向運(yùn)動(dòng)控制模塊發(fā)送指令控制機(jī)器人的運(yùn)動(dòng)。

2.1? 主控制器模塊

主控制器采用NVIDIA的Jetson Nano開(kāi)發(fā)套件，總體尺寸為69 mm×45 mm，采用4核Quad-core ARM A57微處理器的CPU，采用NVIDIA研發(fā)的128-core Maxwell作為GPU，使用4 GB 64-bit LPDDR4 25.6 GB/s的內(nèi)存。板載2路CSI攝像頭接口、4個(gè)USB 3.0接口和一個(gè)Micro USB接口，提供外接GPIO口、兩個(gè)I2C接口、兩個(gè)UART接口和兩個(gè)SPI接口。Jetson Nano是業(yè)內(nèi)先進(jìn)的AI計(jì)算平臺(tái)，支持多種深度學(xué)習(xí)框架，如TensorFlow、PyTorch、Caffe、Keras、MXNet等，可實(shí)現(xiàn)圖像分類(lèi)、目標(biāo)檢測(cè)、語(yǔ)義分割和智能分析等功能，可用于構(gòu)建自主機(jī)器人和復(fù)雜人工智能系統(tǒng)。同時(shí)具有低功耗和并行處理快速的優(yōu)勢(shì)，可以并行處理多個(gè)傳感器并在每個(gè)傳感器上運(yùn)行多個(gè)現(xiàn)代神經(jīng)網(wǎng)絡(luò)。Jetson Nano搭載Ubuntu 18.04系統(tǒng)，支持Melodic版本的ROS系統(tǒng)，可實(shí)現(xiàn)井下巡檢機(jī)器人的同步定位與建圖功能和自主導(dǎo)航功能。

采用電源模塊輸出的5 V電壓為主控制器Jetson Nano供電，通過(guò)串口通信模塊和運(yùn)動(dòng)模塊相連實(shí)現(xiàn)運(yùn)動(dòng)指令的下發(fā)和里程計(jì)信息的獲取，通過(guò)USB接口連接感知模塊的攝像頭和激光雷達(dá)實(shí)時(shí)獲取環(huán)境信息。

2.2? 運(yùn)動(dòng)控制模塊

運(yùn)動(dòng)控制模塊基于STM32F407VET6微控制器設(shè)計(jì)，STM32F407VET6是基于32位ARM Contex M4的微控制器，工作頻率可達(dá)168 MHz，采用RISC精簡(jiǎn)指令集、LQFP表面貼裝封裝，具有14個(gè)定時(shí)器、2個(gè)UART接口、3個(gè)I2C接口、3個(gè)SPI通道和3路16位AD轉(zhuǎn)換器。

運(yùn)動(dòng)控制模塊的STM32F407VET6微處理器的主要功能為接收來(lái)自主控制器的運(yùn)動(dòng)指令，通過(guò)運(yùn)動(dòng)學(xué)公式根據(jù)運(yùn)動(dòng)指令計(jì)算左右車(chē)輪的轉(zhuǎn)速，并通過(guò)PID控制輸出到電機(jī)驅(qū)動(dòng)模塊的PWM波控制左右車(chē)輪的轉(zhuǎn)速。同時(shí)結(jié)合光電編碼器返回的信息，計(jì)算出電機(jī)的實(shí)時(shí)轉(zhuǎn)速得到機(jī)器人的實(shí)時(shí)運(yùn)動(dòng)狀態(tài)信息，并將得到的信息和IMU返回的加速度信息上傳到主控制器。

2.3? 感知模塊

感知模塊由雙目攝像頭、2D激光雷達(dá)和IMU慣性測(cè)量裝置組成。采用微雪的IMX219雙目攝像頭作為視覺(jué)傳感器實(shí)時(shí)獲取環(huán)境中的圖像信息。IMX219雙目攝像頭的分辨率為800萬(wàn)像素、視場(chǎng)角為83°、支持紅外夜視功能，采用雙CSI排線作為攝像頭接口。雙目攝像頭成本較低且易于獲取環(huán)境中的深度信息，同時(shí)IMX219的紅外夜視功能可以在昏暗環(huán)境下更好地獲取環(huán)境信息。激光雷達(dá)采用思嵐科技的RPLIDAR-A1型雷達(dá)，通過(guò)USB轉(zhuǎn)串口模塊與主控制器相連，RPLIDAR-A1型雷達(dá)的正常工作功率為3 W，測(cè)距范圍為12 m，工作頻率為5.5 Hz，測(cè)量頻率為8 000次/秒。利用高精度激光雷達(dá)可以準(zhǔn)確測(cè)量機(jī)器人周邊環(huán)境的距離信息，有效提高煤炭井下機(jī)器人建圖的準(zhǔn)確性。IMU慣性測(cè)量裝置采用內(nèi)置輸出16位數(shù)字量的三軸加速度計(jì)、三軸陀螺儀和三軸磁力計(jì)的MPU9250，通過(guò)I2C通信向單片機(jī)發(fā)送機(jī)器人的運(yùn)動(dòng)和姿態(tài)信息。

目前基于視覺(jué)傳感器的SLAM框架已經(jīng)較為成熟，但由于煤炭井下光照不足、空氣中有較多粉塵和水霧的特殊環(huán)境，基于視覺(jué)的SLAM方法會(huì)產(chǎn)生一定誤差，因此加入了可對(duì)周邊環(huán)境的障礙物進(jìn)行測(cè)距的激光雷達(dá)和實(shí)時(shí)提供機(jī)器人加速度信息的IMU慣性測(cè)量裝置，用于數(shù)據(jù)融合，增加井下巡檢機(jī)器人定位與路徑規(guī)劃的精度和魯棒性。

2.4? 電機(jī)驅(qū)動(dòng)模塊

電機(jī)驅(qū)動(dòng)模塊選用東芝半導(dǎo)體公司生產(chǎn)的TB6612電機(jī)驅(qū)動(dòng)元件，TB6612電機(jī)驅(qū)動(dòng)模塊的工作溫度為-20 ℃～85 ℃，具有兩路最高頻率為100 kHz、最高電流為1.2 A直流電流的PWM波輸出，可同時(shí)驅(qū)動(dòng)兩路直流電機(jī)實(shí)現(xiàn)正轉(zhuǎn)、反轉(zhuǎn)和急停功能。相比于常用的L298N電機(jī)驅(qū)動(dòng)模塊散熱性能更好，進(jìn)行電路設(shè)計(jì)時(shí)不需設(shè)計(jì)額外的散熱元件。電機(jī)選擇帶有高精度編碼器的12 V直流減速電機(jī)。直流減速電機(jī)通過(guò)在直流電機(jī)外加裝一套齒輪通過(guò)齒輪線速度的變化，實(shí)現(xiàn)在低轉(zhuǎn)速時(shí)為車(chē)輪提供較大力矩。高精度光電編碼器通過(guò)光電裝置實(shí)時(shí)測(cè)量車(chē)輪的實(shí)時(shí)轉(zhuǎn)速數(shù)據(jù)，通過(guò)運(yùn)動(dòng)學(xué)公式計(jì)算得到機(jī)器人的里程計(jì)信息。

2.5? 電源模塊

采用12 V鋰電池供電，其中直流減速電機(jī)由12 V電源電壓直接供電，電源電壓經(jīng)過(guò)降壓得到5 V和3.3 V電壓為各個(gè)模塊供電。將12 V電源電壓通過(guò)RT8289模塊降壓得到5 V電壓，再將5 V電壓通過(guò)CP2102模塊進(jìn)一步降壓得到3.3 V電壓。

2.6? 通信模塊

主控制器模塊和運(yùn)動(dòng)控制模塊通過(guò)串口通信實(shí)現(xiàn)數(shù)據(jù)傳輸。運(yùn)功控制模塊通過(guò)CP2102 USB轉(zhuǎn)串口模塊實(shí)現(xiàn)單片機(jī)的UART接口和Jetson Nano USB接口的連接，CP2102模塊使用5 V電壓供電，支持300 bit/s -1 Mbit/s波特率的數(shù)據(jù)傳輸。主控制器模塊采用intel 8265NGW雙頻網(wǎng)卡，通過(guò)Wi-Fi通信和上位機(jī)連接滿足傳輸視頻流的需求。

3? 軟件設(shè)計(jì)

軟件設(shè)計(jì)基于ROS開(kāi)發(fā)平臺(tái)和Keil5開(kāi)發(fā)平臺(tái)，采用C++和Python語(yǔ)言進(jìn)行程序編寫(xiě)，根據(jù)功能主要分為通信子程序、SLAM子程序、運(yùn)動(dòng)控制子程序和路徑規(guī)劃子程序。

用戶通過(guò)通信子程序遠(yuǎn)程控制機(jī)器人的運(yùn)動(dòng)和查看周邊環(huán)境的信息。SLAM子程序利用激光雷達(dá)和視覺(jué)傳感器返回的數(shù)據(jù)，通過(guò)提取運(yùn)動(dòng)環(huán)境的特征同時(shí)結(jié)合里程計(jì)信息得到機(jī)器人的位置信息和周邊環(huán)境信息并生成地圖。運(yùn)動(dòng)控制子程序進(jìn)行機(jī)器人的運(yùn)功控制，根據(jù)IMU傳感器和光電編碼器的信息通過(guò)卡爾曼濾波進(jìn)行數(shù)據(jù)融合，計(jì)算機(jī)器人的位姿信息，并通過(guò)SLAM子程序進(jìn)行建圖。路徑規(guī)劃子程序根據(jù)地圖結(jié)合里程計(jì)信息和傳感器信息，進(jìn)行路徑規(guī)劃并向運(yùn)動(dòng)控制模塊發(fā)送運(yùn)動(dòng)指令，從而在移動(dòng)過(guò)程中通過(guò)傳感器信息進(jìn)行移動(dòng)路徑的優(yōu)化和局部避障。

3.1? 通信子程序設(shè)計(jì)

單片機(jī)通過(guò)通信子程序接收主控模塊發(fā)送的前進(jìn)、后退、變速、轉(zhuǎn)向等指令并控制機(jī)器人的運(yùn)動(dòng)。單片機(jī)和主控模塊通過(guò)波特率為115 200串口實(shí)現(xiàn)通信。單片機(jī)以20 Hz的頻率向主控模塊發(fā)送數(shù)據(jù)幀，單片機(jī)發(fā)送的數(shù)據(jù)幀如表1所示，每個(gè)數(shù)據(jù)幀由幀頭、使能標(biāo)志位、XYZ三軸速度、IMU三軸加速度、三軸角速度、電源電壓、數(shù)據(jù)校驗(yàn)位和幀尾組成。

單片機(jī)采用中斷接收的方式接收主控制器發(fā)送的數(shù)據(jù)。單片機(jī)接收的數(shù)據(jù)幀由幀頭、使能標(biāo)志位、機(jī)器人XYZ三軸目標(biāo)速度數(shù)據(jù)校驗(yàn)位和幀尾組成。

3.2? 同步定位與建圖子程序設(shè)計(jì)

近年來(lái)以O(shè)RB-SLAM框架為代表的傳統(tǒng)視覺(jué)SLAM技術(shù)已經(jīng)較為成熟，但煤炭井下光線暗、多粉塵的復(fù)雜環(huán)境限制了視覺(jué)傳感器在井下環(huán)境的應(yīng)用。因此煤炭井下等不利于視覺(jué)傳感器的特殊環(huán)境多采用基于激光雷達(dá)的SLAM技術(shù)[3]，雖然激光SLAM的效果優(yōu)于傳統(tǒng)的視覺(jué)SLAM，但低價(jià)格的激光雷達(dá)存在激光點(diǎn)不夠密集、噪聲大、閉環(huán)檢測(cè)效果不好的問(wèn)題，而視覺(jué)SLAM由于圖像包含的豐富信息在閉環(huán)檢測(cè)方面存在天然的優(yōu)勢(shì)。因此采用激光結(jié)合視覺(jué)的方式提高定位精度是井下移動(dòng)機(jī)器人的研究熱點(diǎn)[4]。

井下巡檢機(jī)器人采用一種激光和視覺(jué)相結(jié)合的定位與建圖方法，通過(guò)融合激光點(diǎn)云數(shù)據(jù)和圖像特征點(diǎn)數(shù)據(jù)基于稀疏姿態(tài)調(diào)整對(duì)機(jī)器人位姿進(jìn)行優(yōu)化的同時(shí)，采用基于視覺(jué)的詞袋模型進(jìn)行閉環(huán)檢測(cè)并生成基于3D點(diǎn)云的柵格地圖。加入視覺(jué)信息的激光視覺(jué)聯(lián)合優(yōu)化的SLAM整體框架，如圖2所示。

常用的SLAM數(shù)學(xué)模型有基于濾波的SLAM算法和基于圖優(yōu)化的SLAM算法，圖優(yōu)化通過(guò)構(gòu)造節(jié)點(diǎn)和構(gòu)造邊表示一系列位姿變量的關(guān)系，通過(guò)非線性優(yōu)化求出最優(yōu)變量得到準(zhǔn)確的位姿估計(jì)。

將視覺(jué)相鄰幀誤差函數(shù)公式和激光誤差函數(shù)公式改寫(xiě)成李代數(shù)形式并合并，整體誤差函數(shù)為：

將機(jī)器人位姿作為唯一變量并進(jìn)行優(yōu)化，視覺(jué)觀測(cè)量和激光點(diǎn)云數(shù)據(jù)作為位姿之間的約束，誤差函數(shù)為：

采用L-M法求解非線性優(yōu)化問(wèn)題。

3.3? 運(yùn)動(dòng)控制子程序設(shè)計(jì)

單片機(jī)接收指令后按照由運(yùn)動(dòng)控制子程序根據(jù)運(yùn)動(dòng)學(xué)公式進(jìn)行計(jì)算得到左右輪的轉(zhuǎn)速，并根據(jù)光電編碼器返回的左右輪實(shí)時(shí)轉(zhuǎn)速信息通過(guò)輸出PWM脈沖控制電機(jī)實(shí)現(xiàn)對(duì)車(chē)輪轉(zhuǎn)速的PID控制從而實(shí)現(xiàn)控制機(jī)器人按照指定速度運(yùn)動(dòng)，車(chē)輪轉(zhuǎn)速的控制流程圖如圖3所示。

車(chē)輪轉(zhuǎn)速的PID控制算法采用增量式離散PID公式，根據(jù)單位時(shí)間內(nèi)光電編碼器獲取的脈沖數(shù)得到車(chē)輪的速度并與目標(biāo)值進(jìn)行比較得到偏差，通過(guò)控制偏差的比例、積分和微分使偏差趨向于零。

增量式離散PID控制的計(jì)算公式為：

Pwm+=Kp[e（k）-e（k-1）]+Kie（k）+Kd[e（k）-2e（k-1）+（k-2）]

式中Pwm為增量輸出的結(jié)果，e（k）為第k次車(chē)輪轉(zhuǎn)速與目標(biāo)轉(zhuǎn)速的偏差，Kp為比例項(xiàng)參數(shù)，Ki為積分項(xiàng)參數(shù)，Kd為微分項(xiàng)參數(shù)。井下巡檢機(jī)器人的控制閉環(huán)系統(tǒng)采用PI控制，將增量離散PID公式簡(jiǎn)化為：

Pwm+=Kp[e（k）-e（k-1）]+Kie（k）

采用串級(jí)PID進(jìn)行機(jī)器人的位置控制，位置控制的流程圖如圖4所示，將外環(huán)位置環(huán)的輸出作為速度環(huán)的輸入，并由內(nèi)環(huán)速度控制器的輸出控制作為執(zhí)行器的電機(jī)轉(zhuǎn)動(dòng)，從而實(shí)現(xiàn)在控制車(chē)輪轉(zhuǎn)速的同時(shí)使機(jī)器人到達(dá)目標(biāo)位置。

差速履帶式機(jī)器人在經(jīng)過(guò)某些復(fù)雜地形時(shí)會(huì)出現(xiàn)空轉(zhuǎn)或打滑的現(xiàn)象，IMU慣性傳感器在長(zhǎng)時(shí)間使用時(shí)會(huì)出現(xiàn)零點(diǎn)漂移的情況，采用單一方法得到的里程計(jì)信息會(huì)存在較大的誤差[5]。為了得到更準(zhǔn)確的里程計(jì)信息，單片機(jī)通過(guò)擴(kuò)展卡爾曼濾波將IMU傳感器和編碼器的信息進(jìn)行數(shù)據(jù)融合，并將得到的里程計(jì)信息發(fā)送到主控制器。

3.4? 路徑規(guī)劃子程序設(shè)計(jì)

井下巡檢機(jī)器人采用基于A*算法改進(jìn)的D*算法進(jìn)行路徑規(guī)劃和自主導(dǎo)航。D*算法是一種啟發(fā)式的路徑搜索算法，適合于井下動(dòng)態(tài)未知環(huán)境和動(dòng)態(tài)障礙物的場(chǎng)景。D*算法首先通過(guò)dijstra或A*算法從目標(biāo)點(diǎn)向初始點(diǎn)進(jìn)行反向搜索，在機(jī)器人向目標(biāo)點(diǎn)移動(dòng)的過(guò)程中遇到障礙物時(shí)對(duì)路線進(jìn)行局部更改，算法流程如圖5所示。

設(shè)目標(biāo)點(diǎn)為點(diǎn)G，Y為當(dāng)前節(jié)點(diǎn)，X為Y的下一個(gè)節(jié)點(diǎn)，c（X， Y）為X到Y(jié)的路徑，open集合為待訪問(wèn)的節(jié)點(diǎn)集合，close集合為已經(jīng)訪問(wèn)的節(jié)點(diǎn)和待訪問(wèn)的節(jié)點(diǎn)，h函數(shù)為當(dāng)前點(diǎn)到目標(biāo)點(diǎn)的距離，k函數(shù)為當(dāng)前點(diǎn)到G點(diǎn)的最小代價(jià)。當(dāng)機(jī)器人到目標(biāo)點(diǎn)的最短路徑上的節(jié)點(diǎn)發(fā)生變化時(shí)，D*算法通過(guò)傳播狀態(tài)和搜索臨接點(diǎn)的方法尋找地圖發(fā)生改變后的最優(yōu)路徑。

4? 實(shí)驗(yàn)結(jié)果

在實(shí)驗(yàn)室環(huán)境下進(jìn)行了樣機(jī)搭建和測(cè)試，樣機(jī)運(yùn)行圖如圖6所示。將樣機(jī)和上位機(jī)連接在同個(gè)網(wǎng)絡(luò)下后進(jìn)行ROS的主從機(jī)配置和通信。

進(jìn)行系統(tǒng)初始化，給雷達(dá)連接的串口訪問(wèn)權(quán)限后通過(guò)launch配置文件啟動(dòng)建圖節(jié)點(diǎn)。如圖7所示。

控制樣機(jī)在環(huán)形實(shí)驗(yàn)空間以0.2 m/s的速度運(yùn)動(dòng)兩圈，通過(guò)rviz可視化工具得到環(huán)境地圖，如圖8所示。

5? 結(jié)? 論

基于多傳感器融合的巡檢機(jī)器人在實(shí)驗(yàn)室環(huán)境下相對(duì)于單一傳感器有更好的穩(wěn)定性，且不受環(huán)境光的影響，缺點(diǎn)是由于并行運(yùn)行多個(gè)系統(tǒng)導(dǎo)致運(yùn)行幀率下降，以及激光雷達(dá)在收鏡面反射干擾產(chǎn)生誤差，今后的研究可從關(guān)聯(lián)視覺(jué)信息和激光信息的方向出發(fā)，在降低誤差的同時(shí)盡可能提高巡檢機(jī)器人的運(yùn)動(dòng)速度。

參考文獻(xiàn)：

[1] 黃騫，劉帥，任偉，等.基于雙通信模式的綜采工作面巡檢機(jī)器人研制 [J].煤炭科學(xué)技術(shù)，2021，49（S1）：167-169.

[2] 張愛(ài)民，翟德華，李棟慶.煤礦綜采工作面牽引式巡檢機(jī)器人的設(shè)計(jì) [J].自動(dòng)化應(yīng)用，2021（7）：133-135.

[3] HOUBEN S，DROESCHEL D，BEHNKE S. Joint 3D Laser and Visual Fiducial Marker Based SLAM for a Micro Aerial Vehicle [C]//2016 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems（MFI）.Baden：IEEE，2016：609-614.

[4] Shi J Q，He B w，Zhang L w，et al. Vision-Based Real-Time 3D Mapping for UAV with Laser Sensor [C]//2016 IEEE/RSJ International Conference on Intelligent Robots and Systems（IROS）.Daejeon：IEEE，2016：4524-4529.

[5] 張保龍，周觀民，黃海燕，等.礦用巡檢機(jī)器人及其控制管理系統(tǒng)的設(shè)計(jì)研究 [J].煤炭技術(shù)，2021，40（9）：165-167.

作者簡(jiǎn)介：劉璐（1997—），女，漢族，山東濟(jì)寧人，碩士研究生在讀，研究方向：視覺(jué)SLAM；高振航（1998—），男，漢族，河南開(kāi)封人，碩士研究生在讀，研究方向：嵌入式技術(shù)、自動(dòng)控制；張燦（1998—），女，漢族，河北鹽山人，碩士研究生在讀，研究方向：機(jī)器人；胡飄（1998—），男，漢族，四川遂寧人，碩士研究生在讀，研究方向：嵌入式技術(shù)。

收稿日期：2022-10-11