VISO：基于光度渲染的鲁棒 underwater 视觉-惯性-声纳 SLAM 用于稠密 3D 重建
机器人学
2026-03-09 v2
摘要
水下环境中的视觉挑战显著阻碍基于视觉的定位精度以及高保真稠密重建。在本文中，我们提出了 VISO—a 鲁棒的 underwater SLAM 系统，通过融合立体相机、惯性测量单元（IMU）和 3D 声纳实现准确的 6 自由度定位，并支持高光度保真的高效稠密 3D 重建。我们引入一种用于声纳与相机外参估计的粗到细在线标定方法。此外，提出了一种用于 3D 声纳点云的光度渲染策略，以丰富声纳地图的视觉信息。实验在实验室水箱和开放湖泊中进行，结果表明 VISO 在定位鲁棒性和精度方面优于当前水下和基于视觉的 SLAM 算法，同时在实时稠密 3D 重建性能上与离线稠密制图方法相当。
引用
@article{arxiv.2601.01144,
title = {VISO: Robust Underwater Visual-Inertial-Sonar SLAM with Photometric Rendering for Dense 3D Reconstruction},
author = {Shu Pan and Simon Archieri and Ahmet Cinar and Jonatan Scharff Willners and Ignacio Carlucho and Yvan Petillot},
journal= {arXiv preprint arXiv:2601.01144},
year = {2026}
}