面向退化环境的基于 DVL 预积分的水下视觉-惯性-声学-深度 SLAM
机器人学
2025-10-27 v1
摘要
水下环境中由能见度有限、光照不足以及特征稀少所导致的视觉退化,对视觉-惯性同步定位与建图 (SLAM) 系统提出了重大挑战。为应对这些挑战,本文提出了一种基于图优化的视觉-惯性-声学-深度 SLAM 系统,集成了立体相机、惯性测量单元 (IMU)、多普勒速度计 (DVL) 以及压力传感器。其核心创新在于对四种不同传感器模态的紧耦合集成,以确保即使在视觉退化条件下也能可靠运行。为缓解 DVL 漂移并提升测量效率,我们提出了一种新颖的基于速度偏差的 DVL 预积分策略。在前端,混合跟踪策略与声学-惯性-深度联合优化增强了系统的稳定性。此外,多源混合残差被纳入图优化框架中。我们在仿真与真实水下场景中对所提系统进行了广泛的定量与定性分析。结果表明,我们的方法在稳定性与定位精度方面均优于当前最先进的立体视觉-惯性 SLAM 系统,尤其在视觉挑战性环境中表现出卓越的鲁棒性。
引用
@article{arxiv.2510.21215,
title = {Underwater Visual-Inertial-Acoustic-Depth SLAM with DVL Preintegration for Degraded Environments},
author = {Shuoshuo Ding and Tiedong Zhang and Dapeng Jiang and Ming Lei},
journal= {arXiv preprint arXiv:2510.21215},
year = {2025}
}
备注
10 pages, 10 figures