10、水下机器人探索海底：视觉与声学成像技术解析

水下机器人探索海底：视觉与声学成像技术解析

1. 视觉导航与SLAM技术

视觉导航本质上是一种航位推算过程。在导航和地图构建期间，视觉系统会估计相机相对于先前姿态或环境地图的姿态，同时根据相机姿态的观测结果构建地图。然而，所有的估计都容易受到混叠、噪声、图像失真和数值误差的影响，从而导致姿态和地图推断的不准确。这些误差虽然通常较小，但会随着时间累积，在相机大轨迹移动时导致显著的误差。

为了减少这些误差，可以利用交叉点（loop-closures）产生的额外信息。交叉点是指机器人在视觉勘测过程中重新访问先前已映射区域的情况。如果能够正确检测到这些情况，就可以建立新的约束条件，从而减少相机姿态和地图的误差。可以使用离线方法（如BA）或在线方法（如使用高斯滤波器的卡尔曼滤波器或使用粒子滤波器的非参数方法）来实现这一目标。

然而，目前的主要问题是如何正确且高效地检测交叉点。以下是一些常见的交叉点检测方法及其优缺点：
| 方法 | 优点 | 缺点 |
| — | — | — |
| 暴力循环闭合检测 | - | 计算成本极高，尤其是对于在线应用，因为需要匹配大量特征 |
| 缩小搜索范围到当前相机姿态附近 | 广泛应用于SLAM社区 | 准确估计车辆不确定性是一个复杂问题，且受线性化近似影响；噪声模型未考虑遮挡、临时运动模糊、传感器故障等导致的不准确情况，可能导致交叉点检测失败 |
| 基于特征计算视觉相似度 | - | 对遮挡敏感，计算成本高，限制了在大导航轨迹上的应用 |
| 将整个图像作为观测值 | 计算成本低，能进行暴力交叉点检测，可正确检测轨迹循环，独立于相机姿态和协方差估计精度 | - |

基于图像