水下机器人深度学习自适应数据处理方法及系统

本发明公开了水下机器人深度学习自适应数据处理方法及系统，涉及深度学习技术领域，本发明通过收集水下环境的声纳数据、视觉图像和机器人运动状态；利用卷积神经网络增强视觉图像清晰度，标注自主移动元素并构建二维坐标系完成初步定位；基于声纳数据的像素值和时间延迟计算元素深度，融合二维坐标构建三维坐标系；在三维空间中统一轨迹，计算元素与机器人距离并规划移动路线和速度。系统包括数据采集、视觉处理、声学融合和路径规划模块，实现多源数据整合、三维定位和路径规划。本发明通过视觉与声学数据融合及深度学习模型，提升水下环境立体感知精度和路径规划效率，增强水下机器人在复杂水域的适应性与作业安全性。