仪器仪表学报

作者：栾添添，梁洪杰，李传龙，孙明晓，孙骁骏

单位：栾添添,哈尔滨理工大学自动化学院哈尔滨150080,,梁洪杰,哈尔滨理工大学自动化学院哈尔滨150080,,李传龙,哈尔滨理工大学自动化学院哈尔滨150080,,孙明晓,哈尔滨理工大学自动化学院哈尔滨150080,sunmingxiao@hrbust.edu.cn,孙骁骏,哈尔滨理工大学自动化学院哈尔滨150080,

关键词：视觉惯性SLAM;深度学习;位姿估计;图像增强;无人机

基金：黑龙江省自然科学基金项目（YQ2024E047）、黑龙江省优秀青年教师基础研究支持计划项目（YQJH2024067）资助

针对传统视觉惯性同时定位与建图(SLAM)算法在昏暗与低纹理场景中提取的特征点质量差，导致视觉惯性SLAM算法的跟踪稳定性差、跟踪易丢失、定位精度低的问题。提出了一种融合纹理感知与自适应特征跟踪的无人机双目视觉惯性SLAM算法。首先，引入噪声抑制因子、以抑制图像增强过程中噪声被放大，设计了一种纹理感知控制权重，根据图像局部区域的纹理丰富程度，自适应地调节增强强度，在纹理丰富区域适当增强，在纹理稀疏区域则保持较低的增强幅度，从而在提升整体图像对比度的同时，有效避免噪声干扰并保留更多有效细节。其次，采用XFeat特征提取网络代替人工设计的图像特征，同时为应对特征点分布不均的问题，提出一种基于密度反馈的检测阈值调整机制，该机制根据当前帧中特征点的空间分布密度，自适应地调整特征点检测的响应阈值，从而在特征稀疏区域检测更多特征点，在密集区域则保持较高阈值以筛选高质量特征，实现更为稳定和均匀的特征跟踪。最后，与视觉惯性同时定位与建图（VINS）系统的后端非线性优化结合，构建一个完整的SLAM系统。在EuRoc数据集上的实验结果表明，在光线昏暗与纹理稀疏的复合挑战场景中，相较于多传感器状态估计器（VINS-Fusion）与SuperVINS算法，所提算法的定位精度分别提升了29%与13%。在真实场景实验中，展现出更优的定位精度，实现了0.486m的闭合误差。

来源：2026年第2期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2026年第2期