针对煤矿井下空间狭窄、光线昏暗且严重不均匀，使矿井图像存在照度低、纹理稀疏、颜色失真等缺陷，严重影响了视觉SLAM特征点提取匹配结果，导致定位性能急剧下降。提出一种基于改进ORB-SLAM3算法的煤矿移动机器人单目视觉定位算法。首先对ORB-SLAM3定位算法进行改进，在前端特征点提取（ORB）算法的基础上引入了直方图均衡化、非极大值抑制法、自适应阈值法以及基于四叉树策略的特征点均匀化性质；然后在特征点匹配工作中，引入了基于图像金字塔的LK光流法，减少优化的迭代次数，在特征点匹配完成后加入RANSAC算法去除误匹配的特征点，提高特征点的匹配准确率。在后端通过三角测量的方法，得到像素的深度信息，将2D-2D位姿求解问题转化成3D-2D（pnp）位姿求解问题。根据视觉惯导紧耦合的原理，通过融合视觉残差和IMU残差构建整个定位系统的残差函数，并使用基于非线性优化的滑动窗口BA算法不断迭代优化残差函数，获取精确的移动机器人位姿估计。将改进后的算法在四个数据集下与ORB-SLAM3算法以及VINS-Mono算法进行了充分的对比实验。研究表明：①相比于ORB-SLAM3算法以及VINS-Mono算法，提出定位系统的运动轨迹和真值轨迹最接近；②提出定位系统的APE各项指标均优于ORB-SLAM3算法以及VINS-Mono算法；③提出定位系统均方根误差为0.049m（四次实验平均值），相较于ORB-SLAM3均方根误差降低了31.1％（四次实验平均值）。

0 引言
1 图像特征点提取与匹配算法
1.1 ORB特征点法
1.2 四叉树均匀化
1.3 自适应直方图均衡化
1.4 基于图像金字塔的Lucas-Kande（LK）光流特征跟踪
1.5 特征点误匹配剔除算法
2 视觉惯导融合定位算法
2.1 IMU预积分
2.2 基于PnP的位姿估计
3 实验验证
3.1公开数据集选择
3.2 轨迹对比实验
3.3 定位精度分析实验
3.4基于真实场景的定位实验验证
4结论与展望