一种基于深度学习的水下环境单目SLAM算法研究

摘要

在水下应用场景中，针对水下环境复杂、光照昏暗导致现有SLAM系统鲁棒性下降的问题，提出了一种基于深度学习的水下视觉SLAM算法，前端采用SuperPoint进行关键点检测，结合SuperGlue实现高精度特征匹配，后端借助SLAM回环检测和全局优化估计AUV位置和环境地图参数，实现单目视觉SLAM算法。实验在多种经典数据集和实验室自建数据集上进行，结果证明，该系统在复杂水下场景中显著提升了定位精度和地图构建的鲁棒性，验证了深度学习方法在水下SLAM中应用的可行性和可靠性。

关键词

水下SLAM / 深度学习 / AUV导航 / 水下环境

基金资助

国家自然科学基金项目(52061042)