针对煤矿巷道复杂环境下掘进机精确定位难题，提出了一种惯导与视觉融合的掘进机精确定位方法，该方法采用惯导与“视觉+激光标靶”的定位方案。该方案将设计的四特征点大尺寸激光标靶固定于巷道顶板，相机固定于掘进机机身采集激光标靶图像，并运用圆拟合法定位光斑中心和基于四特征点的EPnP算法解算掘进机位置。为了验证“视觉+激光标靶”方法对掘进机位置检测效果，在模拟掘进工作面环境下开展了“视觉+激光标靶”位置检测实验，结果表明：在30m内沿巷道宽度方向、掘进方向、高度方向最大误差不超过28.549mm、78.868mm、44.459mm，实现了掘进机位置精确检测。针对惯导测量掘进机位姿误差随时间累积和掘进机振动对组合定位系统产生干扰导致位姿检测不准问题，提出改进Sage-Husa自适应滤波的惯导与视觉信息融合方法，该方法通过检测新息方差值修正量测误差来提高定位准确性。在模拟掘进工作面环境下开展了惯导与“视觉+激光标靶”组合定位实验，采用改进前后Sage-Husa自适应滤波算法融合惯导与视觉信息进行对比分析，结果表明：改进后Sage-Husa自适应滤波算法融合得到的定位误差更小，俯仰角、横滚角、航向角最大误差分别为0.029°、0.051°、0.0113°，在30m内巷道宽度位置误差在0.033m范围内，巷道掘进方向位置误差在0.062m范围内。所提出的惯导与视觉融合定位方法能够满足巷道掘进定位精度要求。

0引 言
1 掘进机定位系统方案
1.1 定位系统坐标系
1.2 组合定位方案
2 基于“视觉+激光标靶”的掘进机机身位置检测方法
2.1 激光标靶设计
2.2 光斑中心定位方法
2.3 基于四特征点EPnP的掘进机位置解算方法
3 基于改进Sage-Husa自适应滤波的惯导与视觉融合算法
3.1 组合定位状态向量
3.2 Sage-Husa自适应卡尔曼滤波
3.3 量测误差跟踪
4 实验验证与结果分析
4.1 “视觉+激光标靶”位置测量实验
4.2 惯导与视觉融合定位实验
4.3 改进Sage-Husa自适应滤波算法与SOTA方法的性能对比
5 结 论