机器人视觉-惯性SLAM方法、设备及介质

本发明公开一种机器人视觉‑惯性SLAM方法、设备及介质，属于计算机视觉与机器人导航技术领域。通过机器人双目相机和IMU同步采集图像及惯性数据，结合预训练深度学习模型对原始图像进行特征增强，并引入自适应亮度补偿机制和设计基于生成对抗网络(GAN)的图像补光模块，恢复低光照图像细节，改善低光照区域图像质量；提出基于熵的自适应动态干扰剔除算法，结合IMU数据剔除动态干扰特征点；采用低秩近似改进图优化算法，加速全局地图构建与位姿优化；通过基于熵的非线性动态平滑系数调整，提升轨迹稳定性。本方法提高了低光照环境下的定位精度和鲁棒性，提升了计算效率，有效抵抗动态干扰。