基于深度学习的水下视觉惯导SLAM回环检测的研究.pdf

基于深度学习的水下视觉惯导SLAM回环检测的研究

摘要

21世纪以来，随着水下作业的需求日益增加，水下视觉SLAM的发展十分迅速。

尤其在图像处理和深度学习都是热点领域的今天，水下视觉SLAM已经成为热门的研究

方向。水下视觉SLAM的不断发展也为水下项目的开展提供了便利。

图像处理结合深度学习的应用领域越来越广，为水下视觉SLAM的研究提供了良好

的思路和先进的理论支持。利用图像处理和深度学习实现水下图像增强，在此基础上利

用特征提取和相似度匹配实现回环检测。本文由水下图像增强和水下视觉SLAM回环检

测两个模块构成。水下图像增强可以实现水下图像的颜色矫正和分辨率增强。回环检测

模块是对水下图像进行特征提取，利用相似度检索工具进行相似度匹配，实现回环检测。

其中颜色矫正部分是对风格迁移网络CycleGAN引入多路径优化、深度剩余收缩网络和

膨胀卷积等方法，解决了卷积噪声和特征详细信息不全的问题。分辨率增强部分是对超

分辨率增强SRGAN网络引入像素重构、残差密集连接模块和光谱归一化的方法，解决

了计算复杂度高和信息丢失的问题。回环检测部分提出一种难样本挖掘与四元组损失结

合的改进三元组损失函数，结合改进的ResNet网络和基于欧式距离的Faiss相似度检索

算法实现回环检测。解决了高维度特征向量计算复杂度大、计算时间长和深度学习过拟

合的问题。在定位精度方面，使用本文回环检测算法的视觉SLAM系统运行复杂度高的

数据集，与原系统相比轨迹误差明显降低。

关键词：生成对抗网络；回环检测；三元组损失；相似度检索

基于深度学习的水下视觉惯导SLAM回环检测的研究

ABSTRACT

Sincethe21stcentury,withtheincreasingdemandforunderwateroperations,

underwatervisionSLAMhasdevelopedrapidlyandhasbeenwidelyused.Especiallytoday,

withthevigorousdevelopmentofimageprocessinganddeeplearning,underwatervisual

SLAMhasbecomeahotresearchdirection.Thecontinuousdevelopmentofunderwater

visionSLAMalsoprovidesconvenienceforthedevelopmentofunderwaterprojects.

Theapplicationfieldofimageprocessingcombinedwithdeeplearningismoreandmore

wide,whichprovidesagoodideaandadvancedtheoreticalsupportfortheresearchof

underwatervisualSLAM.Underwaterimageisenhancedbyimageprocessinganddeep

learning,andthenfeatureextractionandsimilaritymatchingareusedtorealizeloopdetection.

Thispaperconsistsoftwomodules:underwaterimageenhancementandunderwatervisual

SLAMloopdetection.Underwaterimageenhancementcanrealizeunderwaterimagecolor

correctionandresolutionenhancement.Theloopdetectionmoduleistoextractfeaturesfrom

underwaterimages,andusesimilarityretrievaltoolstomatchthesimilarity,soastorealize

loopdete