我国地下矿山存在数量众多的空区、采场和高风险巷道,随着开采的不断推进和地压扰动的影响,这些区域存在着冒顶、片帮甚至坍塌的风险,严重影响矿山企业的正常生产和人民的生命财产安全,亟需高效安全的技术手段来探明其内部三维形态。而无人机由于具有体积小、移动性能好、悬停能力强等优点,是地下矿山受限环境下探测的理想平台,为了实现地下矿山危险区域的飞行探测任务,至关重要的是无人机能够自主飞行,以减少操作人员的风险和提高探测效率。然而地下矿山没有GPS定位信号、空间拓扑结构复杂、分布有细小障碍物,导致目前无人机在地下矿山实现自主飞行时面临定位和建图难度大、自主探索效率低、飞行安全风险高等方面问题,为了有效解决无人机在地下矿山自主飞行面临的问题,本文围绕无人机飞行过程中采集数据预处理、无GPS信号环境下无人机实时定位和建图、复杂空间结构条件下无人机自主探索等方面进行了研究,主要内容包括:（1）针对外部复合运动导致无人机采集的激光帧点云数据存在畸变的问题,提出了一种复合运动条件下多线激光雷达点云数据畸变去除方法。与假设多线激光雷达处于匀速运动的畸变去除方法相比,本文的方法利用惯性测量单元在短时间能够输出精确位姿的特性对激光帧点云数据进行球面插值,然后对点云数据的外部运动进行补偿,有效地修正了点云数据的运动畸变。实验表明:本文提出的方法不仅可以去除旋转运动畸变也可以去除平移和旋转的复合运动畸变。（2）针对地下矿山表观特征缺乏、点云数据远近稀疏不均引起的位姿估计和地图构建失败的问题,提出一种基于概率特征和空间特征的无人机实时定位和建图方法。首先沿激光帧点云数据主方向构建出自适应网格,使划分的每个网格内部点云都能反应出局部形态分布。然后使用基于概率特征的匹配方法来实现激光帧间匹配,确保在地下矿山特征缺乏的区域能够稳定地估计无人机位姿。进而使用估计的位姿作为局部激光帧的初值并采用基于空间特征的匹配方法,实现动态构建环境地图。实验表明:本文提出的R-LIO-PS算法无论是在地下矿山采场和还是在地下矿山巷道的建图效果、点云精度还是飞行定位精度都超过目前主流的FASTER-LIO算法、FAST-LI02算法、LIO-SAM-ODOM 算法。（3）针对实时估计的位姿和构建的地图会随时间或移动的距离增长而漂移的问题,提出了一种基于重复场景约束的位姿和地图优化方法。由于激光帧数据量大,采用激光关键帧提取、关键帧最近邻迭代和相似度估计的策略,快速地检测出重复场景。基于检测的重复场景和已有的位姿信息,构建了全局位姿优化模型,实现了对历史位姿和地图的全局更新。实验表明:使用本文提出的R-LIO-RS算法对地下长距离巷道数据进行优化后,测点绝对误差、测点间相对误差、首尾定位误差分别比LIO-SAM算法提高了 93.1%、93.3%、92.6%。（4）针对地下矿山分支通道多、存在独头区域和分布有细小障碍物引起的无人机自主探索效率低、飞行风险大的问题,提出了基于局部广义Voronoi图约束的自主探索方法。与传统的使用快速搜索随机树相比,构建的快速搜索随机图能够在分支通道众多的地下矿山优选出可行的候选路径。采用局部路径规划+全局路径规划的策略,使无人机在陷入停滞的时候从候选路径中快速选择一条可飞行路径。利用局部广义Voronoi图边界与Voronoi图单元中任一点的距离都相同的特点对飞行路径进行优化,使无人机在地下矿山空间狭窄且有细小障碍物的区域能够安全通过。实验表明:无论是在仿真场景还是实际地下矿山场景,本文提出的LVGPlanner算法在探索效率和探索安全性方面都优于NBVPlanner算法。