分享是最大的支持，关注是最好的鼓励
SLAM 技术及其在矿山无人驾驶领域的研究现状与发展趋势
作者
崔邵云1，鲍久圣1，胡德平2，袁晓明3，张可琨1，阴妍1，王茂森1，朱晨钟2
作者单位
1. 中国矿业大学 机电工程学院，江苏 徐州 221116；2. 徐州徐工重型车辆有限公司，江苏 徐州 221112；3. 中国煤炭科工集团太原研究院有限公司，山西 太原 030006
一
SLAM技术原理
SLAM系统框架分为数据预处理、前端里程计、后端优化、回环检测和地图构建5个部分。通过数据预处理对环境感知传感器获取的数据进行噪声剔除、有用信息（点云特征、图像灰度等）提取。将预处理后的数据交由前端里程计处理分析，通过特征匹配等手段快速估算相邻数据帧之间无人驾驶设备的位姿变换，此时估计位姿存在误差。后端优化负责全局轨迹优化，得出精确位姿，以构建全局一致性地图。在后端优化过程中，回环检测重复执行，识别相同场景，以实现闭环数据关联，消除前端里程计累计误差。
二
矿山无人驾驶SLAM技术现状
1 、井工煤矿领域
1） 井下视觉SLAM技术研究现状。提高图像质量或更改特征匹配方案的优化方法一定程度上改善了视觉SLAM在井下应用的效果。但现有优化方案存在以下问题：① 优化方案将增加原SLAM算法的复杂程度，计算资源及硬件要求提高，不便于井下部署。② 相机易受光照条件影响的固有缺陷始终无法彻底改变，导致视觉SLAM在井工煤矿环境应用受限。③ 煤矿地面颠簸造成的图像畸变、长距离巷道导致的特征缺失等问题进一步加剧视觉SLAM技术的应用难度。因此，笔者认为以相机为核心传感器的视觉SLAM方案并不适用于井工煤矿领域。
2） 井下激光SLAM技术研究现状。针对框架不完善的问题，部分学者提出以成熟且完整的地面激光SLAM框架为基础进行适应性优化的解决方案。目前，主要的优化方式包括以不同点云配准方法提高激光SLAM点云匹配精度和针对特定激光SLAM算法在井下应用存在的局限性进行优化2种。单一激光SLAM在复杂煤矿环境的特征检测与匹配性能仍有待进一步提高。
3） 井下多传感器融合SLAM技术研究现状。井下多传感器融合方案包括相机−IMU、激光雷达−IMU、相机−激光雷达−IMU 3种。在井工煤矿领域，安全性是SLAM技术应用的前提，因此相机−激光雷达−IMU融合方案更符合实际需求。
2 、露天矿山领域
相较于井工煤矿领域，露天矿山具有开阔环境，可利用全球导航卫星系统实现无人驾驶设备定位。因此，针对露天矿山领域的SLAM研究相对较少。受限于传感器的感知范围，SLAM技术并不适合开阔露天矿山场景。因此，SLAM技术在露天矿山领域研究价值不高。
三
矿山无人驾驶SLAM技术展望
1 、矿山无人驾驶SLAM技术难点分析
① 煤矿环境方面。SLAM技术一方面需减少误差随时间及活动范围的积累，另一方面需克服各类场景引起的不良影响，这导致井下全场景同时定位与建图难度远超地面。
② 可使用硬件方面。现阶段大多数相关研究所使用的传感器无法直接应用至井下，且当前具备煤安认证的相关传感器性能较差，无法满足高精度SLAM算法对硬件的要求。这导致井下SLAM技术的应用难度较高。
2、矿山无人驾驶SLAM技术趋势分析
① 由于井工煤矿环境存在时空变换特性，井下SLAM技术应具有较强的环境适应性。目前主流的相机−激光雷达−IMU融合SLAM方案仍无法避免粉尘、水雾影响。未来可尝试通过融入强穿透力的毫米波雷达克服这一缺点，使SLAM技术更具鲁棒性。
② 目前SLAM技术使用的激光雷达以机械旋转式架构为主，仅有少数学者针对新兴的固态激光雷达进行研究。与机械旋转式相比，固态激光雷达具有结构简单、体积小、成本低等优点，是未来激光雷达的研发方向。应针对固态激光雷达展开SLAM技术研究，降低SLAM 应用成本及难度。
③ 针对特征匹配、回环检测等SLAM核心环节，未来可借助人工智能技术取代传统的ICP、NDT等匹配算法，取得更准确的匹配效果；同时为环境地图赋予更多语义信息，便于无人驾驶设备更深层次地理解所处环境，执行更为智能的操作，助力煤矿智能化发展。
作者介绍
鲍久圣，博士，教授，博士生导师，国家第一批煤矿智能化专家，全国煤炭工业技术委员会矿山机电与辅助运输专委会委员，中国自动化学会智慧矿山专委会委员，山西省煤炭学会“千人智库”高级专家，江苏省“333人才工程”、“六大人才高峰”等4项省级人才计划入选者。主要从事矿山智能无人运输与煤矿机器人技术研究，主持科研项目40余项，出版著作4部，发表学术论文150余篇，申请和授权发明专利130余件。研究成果荣获中国煤炭工业科学技术一等奖、绿色矿山科技进步一等奖、教育部科技进步二等奖等省部级科技奖励10余项。
第一作者：崔邵云（1999—），男，山西晋城人，硕士研究生，主要研究方向为煤矿井下激光 SLAM，E-mail：1055462124@qq.com。
引用格式
崔邵云，鲍久圣，胡德平，等. SLAM 技术及其在矿山无人驾驶领域的研究现状与发展趋势[J]. 工矿自动化，2024，50（10）：38-52.
CUI Shaoyun, BAO Jiusheng, HU Deping, et al. Research status and development trends of SLAM technology in autonomousmining field[J]. Journal of Mine Automation，2024，50（10）：38-52.
扫码阅读全文
