近日，西安科技大学测绘学院矿山智能测绘研究团队在摄影测量与遥感领域国际顶级期刊ISPRS Journal of Photogrammetry and Remote Sensing（ISPRS P&RS）发表了题为“Graph-based adaptive weighted fusion SLAM using multimodal data in complex underground spaces”的研究成果，论文第一作者为蔺小虎副教授，第二作者为硕士研究生杨鑫，通讯作者为姚顽强教授。ISPRS P&RS期刊（中科院一区Top期刊，IF=10.6）被公认为是摄影测量与遥感领域最具权威性的国际期刊之一，主要发表摄影测量、遥感观测、空间信息系统、计算机视觉等领域的理论和方法相关的原创文章。

成果简介：

在复杂地下空间进行自主探索、无人运输和紧急救援时，精确而稳健的同时定位与建图（SLAM）技术非常必要。然而，地下空间低光照、弱纹理、高粉尘等给SLAM技术带来了极大地挑战。为此，我们提出了一种基于图的自适应加权融合SLAM（AWF-SLAM），用于自主机器人在复杂的地下空间实现精确、稳健的 SLAM。首先，我们提出了一种对比度受限的自适应直方图均衡（CLAHE）方法，该方法结合了色调、饱和度和值（HSV）空间的自适应伽玛校正与加权分布（AGCWD），以增强地下空间视觉图像的亮度和对比度。然后，利用基于Mahalanobis距离的一致性检验来评估每个传感器的性能，从而为特定条件选择最佳配置。随后，我们设计了一种自适应加权函数模型，该模型利用了点云匹配的残差和图像匹配的内点率，可以动态融合来自激光雷达（LiDAR）、惯性测量单元（IMU）和相机的数据，从而提高融合过程的灵活性。最后，利用滑动窗口的方法，在因子图优化中自适应地融合多个原始特征。并使用自主设计的移动机器人测绘平台在地下停车场、开挖的地铁隧道和复杂的煤矿井下进行了广泛的实验，验证了AWF-SLAM具有较高的精度和稳定性。

论文下载地址：https://doi.org/10.1016/j.isprsjprs.2024.08.007

本研究由国家自然科学基金青年项目（42201484）、中国博士后科学基金项目（2023MD744243）、自然资源部矿山地质灾害成灾机理与防控重点实验室重点课题（2022-03）等共同资助。

团队简介：

团队围绕智慧矿山建设对智能化测绘保障的社会需求，针对矿山空间信息获取、处理、分析和应用的科学技术问题开展研究。在深入研究人工智能、计算机视觉、多源遥感、3S集成等空间信息采集与分析技术基础上，结合团队核心成员在传统矿山地测领域的技术积累，重点开展矿区沉陷损害监测与评价、井下SLAM技术与三维实景建模、矿山智能测绘装备研发等方面的创新性研究。团队负责人及核心成员在西部矿区地表形变损害遥感监测与多源数据融合、黄土覆盖区采煤沉陷机理与预测方法、大倾角煤层地表形变致害机理、矿用钻孔轨迹测量及可视化分析、井下SLAM数据处理与三维建模、综采工作面激光扫描与煤岩识别、高精度贯通工程测量与施工指向技术等方面，取得了多项研究成果，构建了黄土矿区地表形变损害预计理论模型与综合监测技术体系，发展了煤矿井下环境多模态数据融合的SLAM技术，改进了大型矿井高精度贯通测量的技术方法，研制了“矿用钻孔测井分析仪”、“矿用本安型测距罗盘仪”等煤矿地测技术装备，填补了国内外井下钻孔综合测井领域的技术空白，达到国际领先水平，产品入选国家科技部与安全监察总局遴选的安全生产先进适用性技术名录。近几年来，团队获省部级科学技术奖8项，授权专利30多项，软件著作权20多项，发表论文80多篇，其中SCI/EI收录30多篇，完成国家自然科学基金等省部级以上科研项目10项，企业横向课题40多项，科研成果和技术装备在数百家企业成功推广应用，创造了良好的经济社会效益。