近年来，随着我国煤矿业的快速发展，智能化技术的运用越来越广泛。其中，露天煤矿环境的精确定位导航技术研发显得尤为重要。同步定位和地图构建（Simultaneous Localization and Mapping，SLAM）作为无人驾驶的关键技术，在露天煤矿中的应用面临诸多挑战。由于露天煤矿道路周围环境特征点较少，且环境退化严重，SLAM技术需要根据稀疏的特征点进行定位和地图构建，难度较大。此外，由于斜坡和道路不平，传感器易产生抖动，导致机器人运行时的运动畸变问题。针对这些问题，文中提出了一种新的解决方案。首先，对传感器外部参数进行重新标定，采用惯导和激光雷达融合的方式，以增强数据的一致性和准确性。在此基础上，采用全特征点匹配方式，直接对激光雷达采集的数据进行点云降采样提取。通过在算法前端对预处理后的激光点云数据添加迭代最近点（Iterative Closest Point，ICP）匹配提取出关键帧点云X，再结合惯导数据对点云信息进行畸变校正形成点云P，再次通过迭代最近点配准X和P。此外，后端采用因子图加入了回环检测提高约束的方法，进一步提高算法在露天煤矿环境下的定位精度和建图效果。实验结果表明，文中所提算法具有较高的定位精度和完整的建图效果，未产生明显的畸变。侧壁纹理清晰，具有一定的鲁棒性，有效提高了在露天煤矿环境下的鲁棒性和精度。

0 引言
1 系统框架
1.1 三维激光雷达运动畸变的产生
1.2 SLAM系统框架
2 迭代最近点算法
3 激光惯性里程计
4 实验分析
4.1实验设备
4.2开源数据集实验
4.3 实测露天煤矿数据集实验
5 结论