随着智能矿山的不断发展,传统煤炭行业将面临重大改革。巷道工程及其稳定性控制是智能矿山不可缺少的一部分,其中如何自动、快速、全方位地检测巷道变形是一个亟待解决的问题。煤矿智能机器人能够有效实现巷道环境的三维重建,为巷道变形预警提供有效参考与解决方案。然而,现有基于智能机器人的巷道变形预警解决方案存在单一传感器稳定性低,精度不足等问题。因此,本文在轮式机器人运动底盘基础上对RGB-D相机与激光雷达融合SLAM方法进行研究。研究内容的完成将实现机器人在GPS不可用,光照不均等巷道环境下实时地进行巷道三维重建,对加快智能煤矿建设,实现煤矿巷道检测少人甚至无人化,保证安全生产具有重要意义。本文主要工作和贡献如下:（1）为解决多线激光雷达成本过高,视觉传感器依赖环境特征的问题,本文提出了通过低成本单线激光雷达和RGB-D相机进行融合优化与建图。首先,分析比较了现有巷道重建SLAM方案的优缺点;然后,选择Astra Pro深度相机和RPLIDAR A1激光雷达作为环境感知传感器;最后,在实验室自主研制的机器人运动底盘基础上构建巷道重建实验平台。（2）针对巷道环境亮度不均、纹理较少的问题,本文提出基于高效测试的自适应FAST角点检测算法。首先,通过粗筛候选点和引入自适应阈值的方法提高特征提取算法的计算效率和提取准确度;然后,通过金字塔模型LK光流法与EPn P位姿求解得到视觉里程计信息;最后,通过实验验证本文改进算法的有效性。针对激光雷达地图构建,首先以激光雷达模型为基础;然后,采用统计滤波算法和基于曲率的特征提取算法实现了对激光雷达点云数据的优化与提取;接着,通过ICP算法进行点云配准;最后,完成巷道环境中栅格地图构建。（3）针对巷道环境下视觉里程计易丢失,单线激光雷达数据稳定但是只能获取平面信息问题,本文提出在图优化基础上融合视觉与激光雷达的局部位姿优化和利用回环检测的全局位姿优化。首先,通过联合标定算法匹配栅格地图和点云地图;然后,构建激光雷达和相机联合误差函数并通过位姿图的方式进行局部优化;最后,通过基于视觉词袋模型的回环检测方法得到非相邻帧的位姿约束,并将约束加入到位姿图进行全局优化得到全局一致地图。（4）本文在模拟巷道实验场景中使用巷道重建实验平台进行实验验证。结果表明,通过巷道重建SLAM方法得到的巷道地图融合完整、内部结构无失真变形。进而证明本文所提出的巷道重建SLAM方法的有效性。本文包括图49幅,表11个,参考文献71篇。