煤矿水仓巷道光照强度不均匀且结构化特征明显，传统的基于视觉的机器人位姿识别方法识别不准确，而单一的机器人定位技术如自适应蒙特卡洛（AMCL）方法随着清仓机器人的长时间运行，输出的位姿信息存在较大累计误差，易出现煤泥清理不干净、与巷道两侧发生碰撞的情况。针对上述问题，提出了一种基于扩展卡尔曼滤波的多传感器融合清仓机器人位姿识别方法。首先搭建多传感器融合算法框架，建立里程计、惯性测量装置、激光雷达数据采集模型；其次基于扩展卡尔曼滤波原理，以惯性测量装置角度信息建立观测方程，结合里程计位姿矩阵，得到第1次融合的清仓机器人位姿矩阵，再利用激光雷达位置信息建立观测方程与第1次融合的清仓机器人位姿矩阵进行迭代，得到第2次融合的清仓机器人位姿矩阵；最后采用互补滤波算法对融合后的清仓机器人位姿矩阵进行处理，输出最终的清仓机器人位姿矩阵。实验结果表明：在直线位姿识别中的最大位置误差为0.04 m，最大姿态角误差为0.05 rad；在模拟巷道实验中的最大位置误差为0.1 m，最大姿态角误差为0.085 rad；与AMCL方法相比，基于扩展卡尔曼滤波的清仓机器人位姿识别方法在减少清仓机器人运行过程中的累计误差方面表现出显著的有效性。

0 引言
1 清仓机器人位姿识别系统结构
2 传感器数据采集
2.1 里程计数据采集
2.2 惯性测量装置数据采集
2.3 激光雷达数据采集
3 多传感器融合机器人位姿识别方法
3.1 AMCL算法
3.2 基于扩展卡尔曼滤波的多传感器融合定位算法
3.2.1 EKF基本原理
3.2.2 多传感器融合算法设计
4 实验研究
4.1 实验平台搭建
4.2 机器人位姿识别实验
4.2.1 沿直线位姿识别精度测试
4.2.2 模拟巷道位姿识别精度测试
5 结论