《煤矿机器人重点研发目录》要求探水、防突和防冲钻孔机器人具备自动装卸钻杆、自动调整钻姿、智能钻孔规划和定位功能。现有的具备钻杆装卸功能的自动化钻机,其钻杆装卸装置机构复杂、多级传递,不具备智能决策,故障率高、抓取效率低。同时现有钻机位姿调节靠人工调节,自动化程度低、精度差,位姿调节机构长期使用后因磨损变形等,导致无法补偿误差。根据钻孔机器人全流程施工孔群要求,全流程施工中,钻孔机器人可通过调用调姿模块,自动变换位姿进行下一个钻孔设计位置;再调用自动加杆识别模块智能识别新的钻杆递送位置,自动加杆识别与位姿精确调节模块之间相互配合、共同协作,并成为制约全流程施工效率的关键。因此突破自动加杆识别与钻臂定位误差补偿关键技术研究,可大大提高钻孔机器人施工效率。同时,该技术的应用还可推进“机械化换人、自动化减人、智能化无人”的进程,并具有重要的理论意义和工程应用价值。通过分析煤矿井下钻孔机器人应用现状,厘清了制约自动化钻机向智能化钻孔机器人发展的关键技术难题。针对井下受限环境中的巷道条件,提出了两体自行式钻孔机器人总体方案,包含钻杆装卸系统和钻进机器人系统,结合自动装卸钻杆3D视觉识别和单目视觉识别的需求,完成了钻杆抓取子系统和钻杆递送子系统搭建与结构设计,为开展后续研究提供了支撑条件。针对因钻杆磨损导致6自由度机械臂码放时抓取失败的状况,提出了结构光3D视觉识别方案;通过对防爆机械臂改型设计、机械臂运动学分析及机械臂与3D防爆相机的手眼标定,为钻杆抓取子系统识别定位提供依据。通过3D防爆相机获取点云,进行点云分割、去噪、下采样、特征检测、钻杆法线识别和点特征直方图,并由钻杆点云粗、精匹配得到了钻杆精确位置信息。鉴于井下煤岩掉落物、杂光、粉尘和水雾等复杂条件影响,提出了融合3D视觉与码放算法的视觉融合识别方法,可精确、鲁棒的识别大容量杆仓内的钻杆。针对钻孔机器人两体式布局灵活的特点,采用基于多合作靶标的单目视觉识别,解决了远距离、大视角和易遮挡条件下识别递送钻杆位置的难题。为了满足递送位置在径向、轴向、俯仰角、偏航角的精度要求,基于单目相机内参标定和手眼标定结果,结合对合作靶标特征提取与识别,采用P3P算法计算钻杆递送位姿信息,实现递送位姿的精确获取。鉴于煤矿井下返水、返渣、粉尘、水雾、矿灯直射等复杂环境,提出的多种图像增强算法,提高了图像识别可靠性;采用激光投影法进行了大角度位姿精度测试,提出了误差曲线拟合法和运动学推算法的单目视觉误差补偿方法,试验证明可解决大角度超差问题。通过分析钻臂结构动作,建立了钻臂运动学模型,深入分析了产生钻臂位姿误差的原因,根据摄动微分理论和挠性分析方法,建立了钻臂静、动态误差补偿模型,基于RBF神经网络法计算钻臂补偿模型的逆解,由逆解得到的关节变量控制钻臂精确定位;针对静态、动态误差补偿测量时的非实时性,提出了一种通过激光测距仪和高精度开孔定向仪组合检测位姿误差的方法,搭建了误差补偿模型,实现了钻臂在线误差检测与补偿,测试结果表明补偿精度满足要求;并用传统误差检测方法验证了激光测距组合位姿误差补偿模型的正确性。通过在实验室模拟煤矿井下工作环境,测试3D视觉和单目视觉在模拟粉尘、水雾、强光照射和外部干扰等异常条件的识别效果;模拟井下车体和开孔定位调节过程,测试了调平和定位误差,测试结果满足精度要求;模拟全施工过程进行了全流程精度和可靠性测试,结果表明:钻杆抓取和递送准确率分别为100%和99.8%;钻孔机器人在河南平宝煤业全自动施工钻孔6个,共计604 m,抓取、递送钻杆准确率为100%,验证了3D视觉与码放融合算法、复杂场景合作靶标识别算法和钻臂定位误差补偿算法的精度和可靠性。