巡检机器人作为智能化巡检常规手段，对于保障煤矿安全生产、实现井下减人增安具有重要意义。为了提高矿井巡检机器人在长距离、复杂工况下的避障能力，实时调整行径路线并实现对障碍物的避让，基于红外摄像仪与激光雷达多源传感融合的巡检避障系统，提出了一种基于子图像分割映射点云空间的巡检机器人避障算法。通过将红外数据作为边界条件，以不同尺度的子图像对点云空间范围进行映射，进而实现对障碍物点云进行提取；利用边界约束降低点云数据处理总量的方式，提高算法收敛速度，最后通过仿真分析验证了算法对点云总量的精简效果，模拟了障碍物在不同子图像尺度下的最大外径反演精度，结果表明当子图像边长为10.0mm时，最大相对误差低于1.53%，算法收敛时间为1.243s，障碍物外径反演精度与收敛速度均达到实际应用需求，同时，算法在静态障碍物、动态障碍物以及多机器人避障环境中均有较高的准确率和避障效率，具有较高的应用价值。

0引 言
1多源传感融合系统框架
2 自适应避障算法设计
2.1避障算法工作机理与数学模型构建
2.2 自适应避障算法流程设计与实现
3 多源点云数据融合优化方法
4 实验与分析
4.1 障碍物点云数据获取与边界重建
4.2 收敛时间分析
4.3 不同算法对照实验
5 结论