随着智慧矿山建设的快速推进,涌现出很多新的矿山建图方法和定位导航技术。在煤矿智能化开采过程中,各种自主移动机器人都需要进行精确的定位和导航,以保证工作人员对矿山少人化开采进行精准控制和管理。矿山环境中的移动机器人定位自主导航依赖同步定位与建图（Simultaneous Localization and Mapping,SLAM）。激光雷达通过扫描矿山的三维信息,构建点云地图,为煤矿机器人的定位导航提供环境结构信息。点云地图构建是SLAM的关键技术之一。煤炭行业属于高风险行业,工作人员作业强度高、危险系数大,很多岗位都缺少作业人员,需要采用机器人作业。本文基于自主设计的多源信息感知平台,利用多源信息感知平台的激光雷达、IMU等传感器感知矿山周围的环境,实现多源信息感知平台自主定位和点云地图的构建;基于已创建的离线点云地图,采用正态分布变换算法实现多源信息感知平台在矿山点云地图中的重定位。本文研究内容如下。（1）设计并实现了多源信息感知平台本文搭建了一个由激光雷达、IMU等传感器同时采集数据的平台。在ROS操作系统中,实现了传感器节点间的通信。针对本实验设备采集的矿山数据在LIO-SAM框架中出现数据格式错误的问题,对激光雷达软件rslidar＿sdk进行配置,在激光雷达点云格式中添加ring和timestamp属性,将激光雷达数据格式转变为XYZIRT（x,y,z,intensity,ring,timestamp）格式,在rslidar＿sdk中添加rs＿to＿velodyne转化节点,再将数据格式转变为Velodyne雷达格式。（2）基于LIO-SAM框架设计并实现了一种矿山环境下点云地图构建方法本文利用LIO-SAM框架构建出点云地图,针对LIO-SAM框架在矿山非结构化环境中存在建图较差的问题,对激光雷达和IMU外参进行标定,通过采集具有激光雷达和IMU的数据集,将激光雷达数据转换到IMU坐标系下,通过优化计算,使前后两次扫描的数据点能够尽可能重合,完成标定。通过对IMU内参进行标定,采用Allan方差法对采集的IMU数据进行量化噪声分析和零偏不稳定性噪声分析,标定后得到加速度计的误差参数和陀螺仪的误差参数。实验表明,经过本实验设备标定的LIO-SAM框架在矿山环境中建图效果更好。（3）设计并实现了基于矿山环境先验地图的重定位算法生成的点云地图有大量的噪点且数据量较大,去除噪点的方法是基于统计的鲁棒滤波,点云降采样的方法是体素滤波,在保持点云形态基本不变的前提下,减少了点云的数量提高了配准的效率。通过正态分布变换算法,建立描述空间表面的NDT模型,构造和求解目标函数实现配准,完成矿山环境下的重定位。实验表明本文采用的重定位算法在矿山复杂环境下能实现较准确的定位。