水下视觉单目SLAM挑战研究
机器人学
2025-07-29 v2 计算机视觉与模式识别
摘要
本文对水下机器人单目视觉同步定位与建图（vSLAM）方法所面临的挑战进行了全面研究。尽管过去十年中利用视觉数据的状态估计方法取得了显著进展，但大多数评估仅限于受控的室内和城市环境，并在其中展示了令人印象深刻的性能。然而，这些技术在极具挑战性的条件下尚未得到广泛测试，例如水下场景中水和光照条件、机器人路径及深度等因素会极大影响算法性能。因此，我们的评估在真实世界自主水下航行器（AUV）场景以及提供精确外部参考的实验室环境中进行。重点在于理解环境条件（如水的光学特性和光照场景）对单目vSLAM方法性能的影响。为此，我们首先展示所有方法在空气中环境下表现非常好，随后展示其在挑战性水下环境中性能的退化。本研究的最终目标是识别可提升此类条件下SLAM方法精度与鲁棒性的技术。为实现该目标，我们研究了图像增强技术改善SLAM方法所用输入图像质量的潜力，特别是在散射介质中的低能见度和极端光照场景。我们提出了基于标定机动和简单图像复原技术的首次评估，以确定其启用或增强水下环境单目SLAM方法性能的能力。
引用
@article{arxiv.2306.08738,
title = {Investigation of the Challenges of Underwater-Visual-Monocular-SLAM},
author = {Michele Grimaldi and David Nakath and Mengkun She and Kevin Köser},
journal= {arXiv preprint arXiv:2306.08738},
year = {2025}
}