一种基于深度学习视觉惯性里程计的水下视觉定位方法

本发明公开了一种基于深度学习视觉惯性里程计的水下视觉定位方法。方法包括：构建包括深度学习视觉里程计模型和非线性优化后端的系统；通过安装有单目相机的水下机器人获取水下视频帧并对模型进行训练，然后将待定位的水下视频帧通过训练完成的模型处理，输出关联成功的特征点信息并通过通信接口发布，非线性优化后端订阅通信接口的节点数据，处理后输出单目相机的位姿，实现水下视觉定位。本发明方法通过在特征点提取与匹配中引入深度学习，能够在水下弱纹理和光照不稳定环境下获得充足的匹配特征点位置信息，使得非线性优化损失函数能够更加快速地收敛，以此获得更精确的相机位姿信息，可实现更好的水下移动机器人视觉定位能力。