DIVO: Continuous-time DVL-Inertial-Visual Odometry for Unmanned Underwater Vehicles
作者: Kyungmin Jung, Angad Bajwa, Junha Yoo, Arturo Del Castillo Bernal, James Richard Forbes
分类: cs.RO
发布日期: 2026-07-06
💡 一句话要点
提出连续时间DVL-惯性-视觉里程计以解决水下定位问题
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 水下定位 视觉里程计 高斯过程 多模态融合 无人水下航行器 SLAM算法 特征提取 轨迹估计
📋 核心要点
- 水下环境对视觉定位和映射提出了挑战，现有方法在光照和颗粒物影响下表现不佳。
- 提出的解决方案是基于高斯过程的连续时间轨迹估计，融合多种传感器数据以增强鲁棒性。
- 实验结果表明，该系统在真实水下数据集上超越了现有的SLAM算法，提升了准确性和轨迹覆盖率。
📝 摘要（中文）
本文提出了一种新颖的声学-视觉-惯性里程计解决方案，利用连续时间轨迹估计框架，专为无人水下航行器设计。水下环境对视觉定位和映射提出了独特挑战，如光衰减、照明变化和颗粒物的存在。因此，本文采用了额外的传感器模态和一个对多种水下条件具有鲁棒性的视觉跟踪管道。所提出的系统是第一个基于高斯过程的连续时间轨迹估计框架，能够融合来自多普勒速度计、立体相机和惯性测量单元的异步测量。此外，本文还提出了一种新颖的视觉前端，结合了基于学习的特征提取和匹配，能够有效应对水下环境的特定挑战。该框架在真实水下检查数据集上进行了广泛测试，显示出在准确性、鲁棒性和轨迹覆盖方面超越了现有的视觉-惯性和声学-视觉-惯性SLAM算法。
🔬 方法详解
问题定义：本文旨在解决无人水下航行器在复杂水下环境中进行准确定位和映射的问题。现有方法在光照变化和水下颗粒物影响下，常常无法提供可靠的视觉数据关联。
核心思路：论文提出了一种基于高斯过程的连续时间轨迹估计框架，能够有效融合来自多普勒速度计、立体相机和惯性测量单元的异步测量数据，从而提高水下定位的准确性和鲁棒性。
技术框架：该系统的整体架构包括多个模块：首先是数据采集模块，收集来自不同传感器的数据；其次是视觉前端，负责特征提取和匹配；最后是轨迹估计模块，利用高斯过程进行连续时间轨迹估计。
关键创新：最重要的技术创新在于首次将高斯过程应用于连续时间轨迹估计，能够无缝集成多种传感器模态，并且在不同环境下无需重新配置。
关键设计：在设计中，采用了基于学习的特征提取方法，以增强对水下环境挑战的适应能力。同时，损失函数的设计考虑了多模态数据的融合，以提高整体系统的鲁棒性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，所提出的系统在真实水下检查数据集上表现优异，相较于现有的视觉-惯性和声学-视觉-惯性SLAM算法，准确性和轨迹覆盖率均有显著提升，具体性能数据未提供，但整体表现超越了现有技术。
🎯 应用场景
该研究的潜在应用领域包括水下机器人、海洋探测、环境监测以及水下考古等。通过提高无人水下航行器的定位精度和鲁棒性，能够在复杂水下环境中实现更高效的任务执行，具有重要的实际价值和未来影响。
📄 摘要（原文）
This paper presents a novel acoustic-visual-inertial odometry solution leveraging a continuous-time trajectory estimation framework for unmanned underwater vehicles. Underwater environments present unique challenges for visual localization and mapping, such as light attenuation, illumination variance, and the presence of particulate matter. This motivates the use of additional sensing modalities and a visual tracking pipeline that is robust to diverse subsea conditions. The proposed system is the first continuous-time trajectory estimation framework based on Gaussian processes to fuse asynchronous measurements from a Doppler velocity log, a stereo camera, and an inertial measurement unit. Additionally, a novel visual frontend is proposed, incorporating learning-based feature extraction and matching that is robust to the specific challenges that subsea environments present. The proposed framework enables seamless integration of additional sensor modalities in continuous-time and is adaptable to different environments without reconfiguration. The proposed system is extensively tested on real-world underwater inspection datasets, where it outperforms state-of-the-art visual-inertial and acoustic-visual-inertial SLAM algorithms in accuracy, robustness, and trajectory coverage. Notably, the proposed system outperforms the state-of-the-art despite only forming short-term visual data associations.