南方水产科学

作者：龚远瑾, 杨淑洁

关键词：无人艇, 智能水产养殖, 视觉SLAM, 点线特征, 语义分割, 机器视觉

无人艇在复杂水面环境下的自主导航能力是其完成养殖作业的基础，其在智能水产养殖中的发展前景巨大。视觉同时定位与地图构建 (Simultaneous location and mapping, SLAM) 技术可以提供实时的环境信息，是实现无人艇自主导航的关键。然而，水面环境是一种缺乏足够有效特征点的低纹理场景，且受水面波纹和反光影响存在大量动态无效特征点，导致视觉SLAM位姿的计算精度较差、性能严重下降。为此，提出了一种面向动态水面环境的基于视觉语义和点线融合的SLAM系统。首先，对ORB-SLAM3算法框架进行改进，增加语义分割线程，利用语义信息生成掩码消除水面无效特征点，以消除动态水面环境的干扰。其次，加入线特征来加强系统稳定性，提出了一种基于几何约束的线段匹配方法，提高水面线特征提取和跟踪的准确性，并利用点线特征融合提高数据关联的准确性，解决传统SLAM算法在水面低纹理场景中提取不足的问题。在USVInland数据集上的实验结果显示，与ORB-SLAM3和PL-SLAM算法相比，改进后算法的定位精度在直线航行中平均提高了44.74%和55.48%，在机动航行中最多提高了76.60%和70.15%，有效消除了水面干扰对位姿估计的影响，提升了视觉SLAM系统在水面低纹理场景中位姿估计的准确性和鲁棒性。

来源：2024年第3期

《南方水产科学》期刊编辑部

查看南方水产科学杂志2024年第3期