基于目标检测与深度语义关键点提取的水下自主建图方法

本发明公开了一种基于目标检测与深度语义关键点提取的水下自主建图方法，首先，自主系统通过三目视觉、主动声纳获取环境信息；其次，利用MEK‑SLAM融合数据与估计位置与姿态，联合物理‑深度学习框架构建双分支网络，减小水下图像的干扰；然后，将经过校正、融合的数据通过MEK‑SLAM实时更新位姿，为特征提取提供稳定基础；再而，利用实时实例分割算法辅以时序感知的动态过滤，剔除动态物体的干扰，仅基于静态环境特征进行定位；最后，采用基于深度学习的特征检测与描述算法、多模态特征鲁棒描述子优化特征点匹配，生成三维水下地图。本发明提升了自主系统在复杂动态环境中的鲁棒性；同时提升图像配准精度，减少了误差的累积，生成高精度的三维水下地图。