针对目前尾矿库排洪隧洞环境存在的安全隐患,研发一种隧洞检测机器人用于检测隐患,通过机器人的精确位姿来确定隐患所在位置。为了精确确定机器人在隧洞环境中的位姿,本文设计了先运用改进的UMBmark方法校正机器人里程计系统参数,再用基于扩展卡尔曼滤波(EKF)的SLAM(即时定位与成图)算法融合里程计和激光雷达的定位方法。首先,建立了机器人定位系统的数学模型,包括机器人与隧洞环境坐标系、传感器模型、隧洞环境地标模型以及机器人速度运动模型。用Simulink对速度运动模型进行仿真分析,分析出里程计圆弧运动模型能够得到更精确的机器人定位,通过校正里程计系统参数以减小机器人系统误差。设计了检测机器人双向正方形路径校正尺寸以及改进UMBmark校正算法,并且用实验验证了改进的UMBmark校正算法更能减小里程计的系统误差。其次,针对设计的EKF-SLAM融合定位算法,阐述了其四个关键实现步骤,并且用Matlab对机器人在隧洞局部环境的EKF-SLAM融合定位情况进行了仿真分析,验证了算法的可行性,最后分析了定位不确定性对定位误差的影响。搭建了检测机器人平台和定位系统,在实际隧洞环境中开展了基于里程计的百米直线路径定位实验和50 m×2 m门字型路径定位实验,实验结果表明,在设计的校正路径尺寸和改进的UMBmark算法校正里程计的系统参数之后,机器人的百米直线定位误差为4.32%,相比于校正之前,里程计定位精度提高了49.88%,机器人门字型路径里程计定位精度提高了55.91%。在ROS(机器人操作系统)中模拟了隧洞局部有支洞的环境,进行了更接近真实情况的EKF-SLAM融合定位仿真实验,证明了融合定位算法在实际环境中的可行性。最后,在实际搭建的模拟隧洞环境中开展了检测机器人EKF-SLAM融合定位实验,并且在该环境中进行了20次融合定位实验,测试了机器人的重复定位精度,得出检测机器人平均距离误差小于15.27 cm,平均航向误差小于2.67?,在此误差范围内可以完成隧洞检测任务。