在智慧矿山建设的背景下，智能化设备的应用日益成为矿山智慧化改造的主要内容，用于巡检、危险区域勘测等任务的煤矿井下智能机器人运行依赖于数字地图构建和机器人自身定位，但大多数传统的定位方法在煤矿井下出现了低效甚至失效的情况，同步定位与建图技术(Simultaneous Localization and Mapping， SLAM)成为了煤矿井下智能机器人定位方法的较优选择。然而，受制于激光雷达的高成本，以及相机在井下的低光照环境性能不佳，需要设计一种兼顾低成本和具有井下低光照环境适应性的SLAM定位方法，故提出了一种具有井下暗光照适应性煤矿井下机器人定位方法。首先，采集了陕西省宝鸡市凤县某煤矿井下的实景图像和SLAM所需的相机与IMU数据，根据图像制作了非匹配的暗光与正常光数据集，经过数据扩增达到3560张图像。设计了结合自注意力模块的EnlightenGAN图像增强网络，在不依赖配对数据集的情况下兼顾图像不同区域的依赖关系应对图像光照不均区域。在ORB-SLAM3框架的基础上，引入全局部图像检测对输入图像进行筛分，引入基于解析解的IMU初始化改进策略提高初始化速度，并引入了改进的图像增强网络对低光照以及光照不均的图像进行增强处理。在EuRoC数据集上的实验表明，基于图像增强的煤矿井下智能机器人定位方法能够在低光照环境下降低13.7%的RMSE和15.24%的SD。在两个实际煤矿巷道场景中，系统能够识别低光照环境、增加SLAM系统提取的特征点数量，减少定位轨迹的漂移现象，最终改善系统在巷道低光照区域的定位效果。

0 引言
1 基于ORB-SLAM3改进的FCM-SLAM算法
1.1 基于EnlightenGAN的图像增强模块
1.1.1 生成式对抗网络(Generative Adversarial Networks，GAN)
1.1.2 图像亮度检测
1.1.3 改进的EnlightenGAN网络
1.2 基于解析解的IMU初始化方法
2 实验与分析
2.1 图像增强实验验证
2.1.1 图像增强效果分析
2.1.2 特征点数量分析
2.2 SLAM定位实验验证
2.3系统响应速度验证
3 结论与分析