文章详情

摘要

针对水下环境中光照变化显著、水体散射强烈导致视觉惯性SLAM前端特征点数量波动大、跟踪稳定性不足的问题，文章提出了一种面向水下环境的视觉惯性SLAM前端改进方法。该方法以特征点数量为反馈指标，构建场景特征基线，动态调节对比度受限自适应直方图均衡化参数，实现对复杂水下光照条件的自适应增强；并结合改进的ORB特征提取策略与双向光流一致性校验机制，降低水体噪声和成像退化引起的误匹配。基于MCUVI水下视觉惯性数据集的实验结果表明，该方法在多种水下光照条件下可提升前端特征跟踪稳定性，并在系统稳定运行序列中相较原始VINS-Mono取得更优的绝对轨迹精度与运行鲁棒性。

关键词

水下视觉惯性SLAM；特征点反馈；特征跟踪

参考文献

1. [1] 刘浩敏，章国锋，鲍虎军.基于单目视觉的同时定位与地图构建方法综述 [J].计算机辅助设计与图形学学报，2016，28（6）：855-868.
2. [2] Mourikis A I，Roumeliotis S I. A Multi-State Constraint Kalman Filter for Vision-aided Inertial Navigation [C]//Proceedings 2007 IEEE International Conference on Robotics and Automation，2007：3565-3572.
3. [3] Leutenegger S，Lynen S，Bosse M，et al. Keyframe-based Visual–Inertial Odometry Using Nonlinear Optimization [J].The International Journal of Robotics Research，2015，34（3）：314-334.
4. [4] Qin T，Li P L，Shen S J. VINS-Mono: A Robust and Versatile Monocular Visual-Inertial State Estimator [J].IEEE Transactions on Robotics，2018，34（4）：1004-1020.
5. [5] Mur-Artal R，Montiel J M M，Tardós J D. ORB-SLAM： A Versatile and Accurate Monocular SLAM System [J].IEEE Transactions on Robotics，2015，31（5）：1147-1163.
6. [6] Song J B，Li W Q，Zhu X W. Acoustic-VINS: Tightly Coupled Acoustic-Visual-Inertial Navigation System for Autonomous Underwater Vehicles [J].IEEE Robotics and Automation Letters，2024，9（2）：1620-1627.
7. [7] Xu Z Z，Haroutunian M，Murphy A J，et al. An Integrated Visual Odometry System With Stereo Camera for Unmanned Underwater Vehicles [J].IEEE Access，2022，10：71329-71343.
8. [8] Ou Y M，Fan J F，Zhou C，et al. Hybrid-VINS: Underwater Tightly Coupled Hybrid Visual Inertial Dense SLAM for AUV [J].IEEE Transactions on Industrial Electronics，2025，72（3）：2821-28315.
9. [9] Zhang B B，Liu S，Ji D X，et al. MVINS: A Magnetism&vision Aided Inertial Navigation System for Autonomous Underwater Vehicles [J].IEEE Robotics and Automation Letters，2025，10（3）：2239-2246.
10. [10] Wu R H，Gao Y Z. Research on Underwater Complex Scene SLAM Algorithm Based on Image Enhancement [J/OL].Sensors，2022，22（21）：8517.https://doi.org/10.3390/s22218517.
11. [11] 王海芳，乔鼎杰，吴天浩，等.基于改进VINS-Mono算法的状态估计方法 [J].东北大学学报（自然科学版），2024，45（9）：1287-1293.
12. [12] 李志政，聂志喜，王振杰，等.改进视觉前端的视觉/惯导融合定位算法 [J].全球定位系统，2024，49（3）：20-27.
13. [13] Pizer S M，Johnston R E，Ericksen J P，et al. Contrast-limited adaptive histogram equalization: speed and effectiveness [C]//Proceedings of the First Conference on Visualization in Biomedical Computing，1990：337-345.
14. [14] 张猛，唐清岭，蒋小菲.基于自适应的AGAST特征均匀化提取算法 [J].智能计算机与应用，2023，13（8）：66-72.
15. [15] 杨弘凡，李航，陈凯阳，等.基于改进ORB算法的图像特征点提取与匹配方法 [J].图学学报，2020，41（4）：548-555.
16. [16] Rosten E，Drummond T. Machine Learning for High-Speed Corner Detection [C]//Computer Vision-ECCV 2006.ECCV 2006. Lecture Notes in Computer Science，2006：430-443.
17. [17] 俞勇杰，沈亦纯，周志峰，等.基于改进VINS的同步定位与建图算法 [J].兵器装备工程学报，2024，45（7）：283-289，297.
18. [18] Singh M，Dharmadhikari M，Alexis K. An Online Self-calibrating Refractive Camera Model with Application to Underwater Odometry [C]//2024 IEEE International Conference on Robotics and Automation(ICRA)，2024：10005-10011.

作者简介

曹新城（1992—），男，汉族，山东青州人，讲师，博士研究生，研究方向：海洋智能装备设计与开发；郑世浩（2001—），男，汉族，福建宁德人，硕士研究生在读，研究方向：水下定位与导航。