在煤矿巷道、地铁隧道等危险、幽闭的地下场景下，使用移动机器人完成探测、开采和搜救任务安全且高效。地下机器人自主智能的完成任务，精准的定位和地图构建是前提和关键。
机器人在地下环境中自主运行时往往没有先验的地图信息，而且不能使用GPS进行定位，需要机器人在未知环境创建地图，同时利用地图进行自主定位和导航，即SLAM技术。
由于地下环境中场景在几何特征上极其相似，且激光雷达点云在远处分布极少，基于激光雷达的SLAM方法效果不好；中国矿业大学的研究人员采用一种多传感器融合的方法，基于图优化的框架将 UWB和IMU融合定位系统提供的位置约束添加到位姿图优化约束中，为激光雷达扫描匹配提供可靠的初始估计，多种传感器协同估计移动机器人状态。
首先研究人员提出了一种基于扩展卡尔曼滤波器融合UWB测距信息和IMU加速度信息的算法，通过增广状态向量，将加速度和加速度的偏差也进行估计，能够提高精度并降低延迟，为移动机器人在地下环境运动提供可靠的定位估计。?
为了验证算法的有效性和定位精度，以及对狭长隧道环境的实用性，研究人员设计了室内验证实验。实验使用Turtlebot2移动机器人作为机器人平台，并在平台上固定IMU和UWB移动节点。UWB使用4个锚节点构建定位系统。
场地周围布置8个k8一触即发的人生赢家 Mars2H 动作捕捉镜头，利用k8一触即发的人生赢家动作捕捉系统跟踪粘贴在移动机器人上的反光标识点，来获取机器人的真实轨迹。
通过对比k8一触即发的人生赢家动作捕捉系统采集的参考轨迹（真实轨迹）和EKF算法输出的估计轨？梢钥闯觯兰浦涤胝媸抵祷痉。
验证过上述定位方案性能后，研究人员开发了地下狭长隧道环境的激光/超宽带融合SLAM 算法，并在实际地下隧道进行实验，证明了该方法更接近实际轨迹且不存在累积误差。
参考文献：[1]赵宇. 面向地下狭长隧道的移动机器人定位与建图方法研究[D].中国矿业大学,2021.
原文链接：https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CMFD&dbname=CMFDTEMP&filename=102