随着工业智能化时代的来临,人工智能技术在机器人领域的应用得以迅猛发展。巡检机器人代替人工巡检逐渐成为工业巡检的趋势,而机器人能够实现自主巡检的前提是机器人的准确定位和建图。本文针对某高铁站设备夹层的复杂作业环境设计了基于三维激光雷达的定位和建图系统。该作业环境具有场景尺度大、特征相似度高、复杂度高、外界干扰大等特点,本文设计的定位和建图系统能在缺少GPS（Global Positioning System,全球定位系统）信息的情况下完成对作业环境的点云地图构建和基于点云地图的准确定位。首先,提取三维激光点云数据中的特征点云,并将IMU（Inertial Measurement Unit,惯性测量单元）数据与激光数据耦合,根据IMU提供的初始位姿完成对特征点云的Scanto-Scan配准和Scan-to-Submap配准,构建稳定的激光惯性里程计,实验结果验证了基于IMU耦合的激光惯性里程计在局部定位与建图上的优越性。其次,提出一种基于因子图优化的SLAM（Simultaneous Localization and Mapping,同步定位与建图）后端优化方法,利用因子图结构对SLAM问题进行建模描述,并构建了IMU预积分因子、激光里程计因子和回环因子。在完成对因子图构建的基础上,采用基于贝叶斯树的增量优化来加速对非线性最小二乘问题的求解。实验结果验证添加回环因子能够有效消除累积误差,为机器人构建全局一致的点云地图奠定基础。再次,提出一种基于三维激光雷达、IMU和轮式里程计的多传感器融合定位技术,将IMU和轮式里程计的数据耦合实现对机器人位姿的预测,计算预测结果与当前帧的相似度以进行定位。此外,针对巡检机器人作业环境的高相似度特性带来的丢失定位问题,本文引入分支界定算法实现机器人的快速重定位。然后,本文利用巡检机器人作业环境的数据集对定位与建图系统的有效性进行验证。针对建图系统,本文构建出全局一致的三维点云地图,点云地图可以反映真实环境特征;针对定位系统,实验过程中巡检机器人在设置的20个巡检点处的定位平均误差为2.5467cm,小于10cm,平均角度误差为0.02250055rad,小于0.05rad。该结果表明系统可以对大尺度、高相似度、高复杂度的作业环境构建全局一致的三维点云地图,并且利用该地图能够实现机器人的准确定位,满足巡检机器人的定位精度要求。