随着智能电网的发展,变电站的智能化程度不断提高,采用巡检机器人对变电站设备巡检成为当前变电站巡检的主流趋势。巡检机器人SLAM技术是巡检机器人在变电站中自主导航的关键所在。当前变电站巡检机器人主要采用激光雷达作为传感器进行定位和建图,但激光SLAM在环境结构特征相似、缺失的场景中存在定位失误的问题,且激光SLAM构建的环境地图为巡检机器人导航提供的道路信息较为单一,不利于道路场景的判断。本文将3D激光雷达信息和视觉信息融合,给出了一种适用于变电站巡检机器人的SLAM算法,解决上述激光SLAM定位失误问题,提高算法定位精度,并构建了变电站彩色激光点云地图,为巡检机器人导航提供更多道路环境信息。本文主要研究工作概括如下:1.对当前两种主流SLAM方案:激光SLAM和视觉SLAM的传感器模型、算法基本框架和工作原理进行分析,并结合定位与建图实验结果对比分析了激光SLAM和单目视觉SLAM在实际应用中的优缺点。2.针对巡检机器人导航需求,给出了一种3D激光和视觉融合的巡检机器人SLAM算法。算法将图像特征点和3D激光点位置信息结合,计算特征点在空间中真实位置,恢复单目视觉定位的尺度信息;采用激光位姿和视觉位姿配合插值,纠正由于激光雷达运动造成的点云畸变,提高了算法的定位精度;针对激光SLAM在结构特征相似、缺失等区域存在定位失误的问题,设计了位姿自适应选取方法,将视觉位姿融入算法后端,当机器人经过上述区域时自动采用视觉定位取代激光帧间定位,提高算法的鲁棒性;最后结合巡检机器人导航对场景地图的需求,融合激光点位置信息和图像像素信息,构建了变电站彩色激光点云地图。3.搭建算法测试平台,测试算法在不同场景下的性能。首先对激光雷达和相机联合标定方法进行改进,降低了标定参数的误差。在室内实际场景、室外标准数据集场景对算法性能进行了评估,实验结果表明,本文设计的算法在不同场景下定位精度和建图准确性都优于当前巡检机器人采用的激光SLAM算法。最后在变电站实际场景下对算法构建的地图进行对比分析,验证了彩色激光点云地图在变电站环境的适用性。