水下视觉SLAM的高鲁棒性图像处理方法研究.pdfVIP

水下视觉SLAM的高鲁棒性图像处理方法研究

摘要

同步定位与建图（SimultaneousLocalizationandMapping，SLAM）是水下机器人在

陌生海域实现自主导航和高精度地图构建的核心技术。以水下相机等视觉传感器为环境

感知设备的水下视觉SLAM环境感知结果分辨率通常远高于前视声呐等声学传感设备，

可实现小范围区域内高分辨率环境成图，是当前水下SLAM技术重要研究方向。与陆地

SLAM不同，水下视觉SLAM需要考虑水下环境的特殊性质，比如，水的折射和散射作

用使得相机拍摄到的图像出现畸变问题、水下图像存在的模糊、色偏和低对比度问题以

及低质量水下图像的特征点提取与匹配数量少问题。这些导致相机测量精度、位姿估计

不可靠，从而影响SLAM的稳定性和精度。论文根据已有的研究和结论，对水下视觉

SLAM技术进一步完善改进，主要研究工作如下：

首先，研究了提高水下相机测量精度的图像去畸变方法。分析了针孔相机的成像原

理和水下相机的成像过程，针对传统的水下图像校正方法在实际应用中标定程序复杂、

标定效果不稳定的问题，设计了一种高效的图像去畸变方法。该方法首先作了三个符合

实际情况的假设，然后经过投影与反投影完成水下畸变图像校正，在水池对该方法进行

了试验验证。

其次，研究了面向高质量图像信息获取的水下图像增强方法。分析了水下图像降质

现象成因，对经典的水下图像增强算法开展了算法实践和对比分析。针对水下视觉

SLAM场景下图像的噪声、色偏和低对比度问题，提出了一种水下图像融合增强方法，

并与传统方法在水下数据集上作了对比试验。

再次，研究了水下复杂环境的图像特征点提取方法。分析了传统特征点的理论原理，

针对人工设计特征的局限性，通过深度学习的方法完成特征点的提取，然后进行匹配并

使用RANSAC算法去除误匹配。在水下图像中与ORB、SIFT进行了特征匹配对比试

验，试验结果证明该方法在一定程度上可以解决弱纹理区域、相机视角发生较大变化时

的特征点提取匹配问题。

最后，搭建了遥控水下机器人（RemotelyOperatedVehicle，ROV）配载的水下视觉

SLAM验证系统，并利用课题组自研ROV平台于三亚周边海域完成了海上试验验证。

关键词：水下机器人；同步定位与建图；水下图像去畸变；水下图像增强；特征点提取

哈尔滨工程大学硕士学位论文

Abstract

SimultaneousLocalizationandMapping(SLAM)isthecoretechnologyforautonomous

navigationandhigh-precisionmapconstructionofunderwaterrobotsinunfamiliarseaareas.

UnderwatervisualSLAM,whichusesunderwatercamerasandothervisualsensorsas

environmentalperceptiondevices,typicallyhasresolutionsfarhigherthanacousticsensing

devicessuchasforward-lookingsonars.Thisallowsforhigh-resolutionenvironmental

mappingwithinsmallareas,makingitanimportantresearchdirectionincurrentunderwater

SLAMtechnology.UnlikelandSLAM,underwatervisualSLAMneedstoconsiderthespecial

propertiesoftheunderwaterenvironment,forexample,therefractionandscatteringofwater

causesdistortion