同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术,可以在未知的作业区域,机器人通过自身传感器来获取周围环境的特征推算出其位姿,并借助定位信息逐渐更新出周围的环境地图。水下自主机器人的作业特点通常是时间长、隐蔽性强。视觉SLAM技术可以利用视觉信息在航行器没有配备导航系统或者其它定位导航方法失效的时候提供定位导航功能。实现基于水下视觉的同步定位与地图构建解决方案,本文主要的研究工作有:1.通过图像序列信息获取相机内参。在只有图像信息的条件下,本文的相机标定方法区别于传统方法,直接采用图像信息获得相机传感器的模型参数,得到三维空间和二维测量数据之间的数学映射关系。2.ORB(Oriented FAST and Rotated BRIEF)特征点提取算法能够满足系统的实时性要求,针对提取的特征点在图像中分别不均匀的问题,本文采用格栅化图像分区域提取的方法。为提高特征点匹配的速率,本文借助词袋模型构建的字典、借助运动先验知识加速特征点的匹配。在提升特征点匹配的正确率方面,运用匹配特征点对的方向差的统计规律来剔除错误匹配。3.设计一个借助空间路标点和图像特征点的匹配关系得到位姿估计的视觉里程计。由于单目视觉没有特征点的深度信息,采用三角测量来还原与图像特征点相对应的空间路标点,获得由图像帧和路标点组成的初始地图。通过优化相机位姿使得空间点在图像中的投影点到图像特征点的偏差最小,达到对相机定位的目的。4.为了跟踪定位的可持续性,用最新时刻的图像信息来维护一个地图要素(关键帧和路标点)随着图像信息更新的地图。地图的信息应该具有代表性且尽量精简,本文在图像序列中设计规则选择有代表性的关键帧加入地图,新的关键帧与其有共视关系的关键帧继续生成新的路标点,然后设计一定的策略来精简冗余的关键帧和路标点。通过光束平差法(Bundle Adjustment)来优化更新得到的关键帧和路标点的这一局部地图。5.虽然在多个环节对估计结果不断优化的视觉里程计可以提供相对满意的定位结果,但是视觉里程计还是难以避免累计误差的问题,所以设计一个闭环控制环节来修正误差。首先通过词袋模型算法找到与当前关键帧相似的回环关键帧,计算这两个关键帧之间的相似变化,确立当前关键帧新的位姿,再通过位姿传播策略来修正关键帧位姿,调整地图中的路标点。最后通过只有位姿节点的图优化来调整全局定位结果。