石化输油管道厂区是保障国家油气供应的重要能源基地,内部存在众多需要定期巡察的仪表设备,以往通过人工进行巡检的方法存在较大的安全隐患,巡检机器人作为一款代替人力巡察的自动化装置,在石化输油厂区等高危复杂环境下具备更高的可靠性与安全性。对于机器人系统而言,掌握未知环境的特征信息并进行更高层次的感知与理解是实现无人化应用的基础,而采用单一传感器获得的信息往往是不全面、不稳定的,因此多传感融合技术成为机器人领域研究的热点。本文针对不同传感器应用的SLAM算法进行深入分析,提出了一套完整的多传感融合定位算法,以提升机器人在大范围户外环境下的生存能力与定位精度。研究内容及成果如下:首先,对机器人应用最为广泛的激光SLAM技术进行分析与研究,构建二维激光雷达测量模型并选择出地图的最优表达形式,研究了Cartographer算法的前端扫描过程与后端优化方法,在此基础上用惯导与里程计信息作为子图插入时的初始值,避免算法受异常值影响出现误差累积的情况。其次,研究了双目摄像头SLAM算法,前端采用ORB算法来获取视野环境内的特征点信息,通过计算相邻两帧图片内同一特征点位置的变化来求解相机位姿,针对后端重定位效率低下的问题,采用ORB-SLAM3中的多地图系统来改进回环检测过程,使算法在重定位后具备全局地图优化的能力,提高了系统在恶劣环境下的生存能力。然后,针对异步传感器同步过程复杂的问题,提出了一种基于自适应容积序贯滤波的多传感融合定位算法,通过容积-径向准则对机器人运动模型作多项式近似处理,将激光与视觉定位结果以序贯传递的方式输入融合中心,并在量测环节添加了自适应修正系数。仿真实验表明设计的算法在精度方面优于传统的扩展卡尔曼滤波算法,而且在多次迭代运行后具备更好的收敛性。最后,设计了一款适用于石化厂区作业的巡检机器人平台,采用两电机配合同步带传动的四轮驱动方式,在电子元器件选型过程中充分考虑了硬件计算性能与可行性要求,软件方面基于ROS操作系统开发了一款上位机界面,可以对机器人进行运动控制并显示各传感器定位结果。在机器人平台上进行的融合定位实验显示,融合算法的定位精度相较于单一传感器有显著提高。