煤炭是我国的主要能源,随着工业互联网、人工智能、物联网、智能机器人等技术的发展,建设智能矿山符合国家发展战略,是煤炭行业的必然选择。因此,通过研究煤矿井下空间的实时三维建图、定位和导航技术,可以解决井下机器人和人员的定位及导航问题,有利于保障人员安全和提高智能化开采效率,对建设智能矿山具有重要意义。同步定位与地图构建（Simultaneous Localization and Mapping,SLAM）技术在机器人领域用于在未知环境下的定位及地图构建,为机器人的自主定位及导航奠定基础。本文在建设智能矿山的背景下,提出基于SLAM技术的煤矿井下空间重建的方法。本文通过国家煤炭工业采矿工程重点实验室模拟煤矿井下环境,采用RGB-D类深度相机中的Kinect2.0作为传感器获取图像。针对在图像信息获取过程中受矿井低光照、粉尘大等环境因素影响的问题,通过张正友标定法对Kinect2.0相机进行标定,提高了获取的图像信息的精度。并利用不同去噪算法进行实验,根据实验测试和评价指标,最终选择高斯去噪算法。针对在煤矿井下获得的图像缺少纹理和模糊造成特征点误匹配对过多,导致地图构建失败的问题,采用特征点法实现视觉里程计。对比分析SIFT、SURF、ORB特征提取算法特点,提出采用改进的ORB算法,提高了特征点提取的速度。对比分析GMS、RANSAC特征配准算法,采用最近邻法对RANSAC算法进行改进,根据实验对比分析,采用改进的RANSAC算法进行剔除误匹配,减少了迭代次数,提高了机器人在煤矿环境下进行地图构建的鲁棒性。针对在三维地图构建过程中存在信息冗余和累计误差的问题,通过选取构建位姿图的关键帧,剔除重复的图像帧。在地图优化方面,通过BA算法和BoVW方法对位姿进行调整优化,提高构建三维点云地图的全局一致性。为满足机器人自主导航对地图的需求,在三维稠密点云地图的基础上,将其转化为三维八叉树地图,为机器人自主导航奠定基础。本文提出的基于SLAM的煤矿井下空间重建的方法可以稳定高效地构建出煤矿井下环境的三维地图,实现对矿井下工作场景的三维再现,为井下机器人进行智能化开采、建设智能矿山提供了理论创新性和应用价值。