自主导航是移动机器人自主运行的关键技术,当前自主导航最主流的定位技术是 SLAM（Simultaneous Localization and Mapping）,同步定位与建图。球形机器人是一种新型形态的移动机器人,密封性能好,能适应复杂环境。球形机器人在机械结构和运动特性上,相对于传统移动机器人有较大的不同,通用的SLAM方法无法直接适用于球形机器人上,使其SLAM方法设计具有一定的难度和挑战性。针对球形机器人室内环境长期稳定运行的需要,本文研究了用于球形机器人平台的多传感器融合的激光SLAM算法。实现了针对球形机器人平台传感器数据的预处理方法。提出并实现了球形机器人平台上基于误差状态卡尔曼滤波器的多传感器融合的。基于占据正态分布变换地图（Occupancy Normal Distribution Transform,ONDT）,提出和实现了用于球形机器人的激光SLAM方案。主要研究的工作以及成果包括:1.探究球形机器人平台传感器数据质量并对数据进行预处理。在球形机器人平台上,通过实验对传感器原始数据质量进行探究。针对IMU噪声和漂移噪声很大的问题,通过对IMU内参标定提高数据质量,并使用IMU数据对机器人状态初始化。针对球形机器人轮速里程计由于模型误差和累计误差,长时间定位失效的问题。针对激光雷达存在拖尾现象和地面点干扰的问题,通过拖尾噪点去除和运动去畸变提高激光雷达数据质量。2.提出基于误差状态卡尔曼滤波器的多传感器融合定位。结合球形机器人的机械结构和运动模型,实现传感器的静态外参标定和动态外参解算,为传感器融合提供基础。在球形机器人上测试了前端激光里程计,发现存在失效的针对球形机器人激光里程计容易失效的情况,基于误差状态卡尔曼滤波器,设计了一种融合IMU、球形机器人轮速里程计和激光雷达的融合定位方法。通过实验证明该方法能在球形机器人中得到更为准确,鲁棒的定位效果。3.搭建了用于球形机器人的图优化激光SLAM方法。基于ONDT的地图构建与更新,提出了动态环境下快速过滤动态物体的方法,最终设计和实现了基于ODNT的回环检测算法,和全局位姿后端优化算法。通过实验,证明本文设计的激光SLAM方法在球形机器人取得较好的效果,平均精度在5cm以下。