近年来,随着矿产资源需求的增加,矿井的二次开采成为业内的研究热点。由于采矿和选矿的设备及技术的限制,许多矿井仍有丰富的矿藏,但该类矿井年代久远、内部环境未知,有甚者可能伴随着有毒气体、缺氧等极端情况,不宜直接进行复采。针对这一特殊环境,同步定位与地图构建（Simultaneous Localization and Mapping,SLAM）技术可实现载体定位和矿井地图构建,为矿井的二次开采提供保障。目前,SLAM可分为激光SLAM和视觉SLAM,前者局部定位效果好但无色彩信息,后者全局定位好但易受光照影响,二者均存在不足。因此,为了适应光线变化、缺乏纹理的巷道环境,本文进行了多传感器融合的SLAM巷道小车研究。首先,基于经典的SLAM框架,进行了多传感器融合的SLAM框架搭建。并对RGBD相机、单线激光雷达和惯性测量单元（Inertial Measurement Unit,IMU）进行了多传感器观测模型建立,以及对SLAM问题进行了数学描述。然后,针对视觉SLAM前端、激光SLAM前端、后端优化和回环检测进行了研究。在视觉SLAM前端,对SIFT、SURF和ORB特征进行比较分析,结合应用环境选择了SURF作为特征提取算法。对于特征匹配,本文提出了基于曼哈顿距离的自适应NNDR匹配算法,实现了降低计算量的同时进一步提高匹配精度。在激光SLAM前端,采用ICP进行点云匹配,获得了激光雷达准确的位姿估计。在回环检测方面,采用基于视觉特征的检测方法,减小了SLAM的累计误差。在局部优化中使用BA优化,在全局优化中采用位姿图优化,进一步减小了估计误差。为了进一步提高系统定位精度,本文提出了多传感器融位姿估计方案。将IMU与里程计位姿进行扩展卡尔曼滤波融合,并将其作为相机和雷达的初始位姿,初步提高系统的定位精度。然后将视觉里程计、雷达里程计和初始融合位姿进行二次融合,并针对非线性高维融合提出了均方容积信息滤波,结合Gazebo进行了仿真验证。实验表明,提出的多传感器融合方法的定位误差小于纯视觉和纯激光方法。最后,进行了基于RGBD相机、激光雷达和IMU的多传感器融合SLAM演示验证系统搭建及方案验证。首先,进行了多传感器联合标定,获得了各个坐标系间的静态转换。然后,在三种不同环境中进行了多传感器融合的SLAM方案验证。实验表明,本文的多传感器融合SLAM方案在定位精度和建图精度方面均优于纯视觉SLAM方案与纯激光SLAM方案,更能进行准确定位以及反映真实环境。