NOKOV度量动作捕捉高精度位姿数据助力水下SLAM精度验证：RUSSO系统实验解析| IROS 2025哈工大（深圳）、天大研究案例

导语

水下环境为SLAM系统带来了GPS不可用、光照变化剧烈及结构稀疏的独特挑战。
哈工大（深圳）与天津大学团队提出RUSSO水下SLAM系统，首次融合双目相机、IMU和成像声呐，实现六自由度（6-DoF）鲁棒定位。
实验中，NOKOV度量动作捕捉系统提供水下机器人高精度位姿真值，是量化RUSSO精度与鲁棒性的核心工具。

一、 研究方法概述

本文针对水下视觉退化问题，首次提出了一种融合双目相机、IMU 与成像声呐的水下SLAM系统 - RUSSO，实现用于六自由度（6-DoF）估计的鲁棒且精确的水下定位。室内实验中，NOKOV度量水下光学动作捕捉系统提供水下机器人高精度位姿真值，助力评估RUSSO系统的定位精度与鲁棒性。

(a) 本文方法示意图。当在 ∆t 帧发生视觉退化时，成像声呐的特征跟踪作为机器人位姿估计的约束，从而减少位姿漂移。(b) 水下模拟器、水池和海洋中视觉可用与视觉退化场景的样本。

 RUSSO 系统的整体框架，其中成像声呐融合被集成到 VIO 系统中。紫色框和连线表示对 VIO 系统新增的扩展部分

1. 多模态传感器融合

RUSSO系统在视觉-惯导里程计基础上，融合成像声呐以增强视觉退化条件下的鲁棒性。当视觉特征不足时，声呐提供位姿约束，降低漂移。

2. IMU传播优化

提出IMU传播优化方法：利用声呐位姿估计作为先验，提高视觉退化期间IMU传播精度，并减少位姿漂移。

3. 鲁棒初始化

在视觉特征缺失环境中，通过相邻声呐帧位姿完成初始化，保证SLAM系统稳定启动。

二、 研究贡献

1) 据作者所知，该研究是首个融合成像声呐与立体相机及IMU的水下SLAM研究工作；

2) 提出了一种新颖的IMU传播优化方法，在视觉退化期间利用声呐位姿估计提供良好先验，从而提升IMU传播精度并减少定位漂移；

3) 为应对挑战性环境下的视觉初始化失败问题，提出了一种鲁棒的SLAM初始化方法，直接利用成像声呐相邻两帧之间的位姿估计进行初始化；

4) 开展了从水下模拟器到真实实验室水池及开阔海域的大量实验，验证了所提出的RUSSO系统在视觉退化环境中的鲁棒性与准确性。

三、 实验设计

1. 室内水池与浅海实验

 

本文实验平台。(b) 水池中搭建的配备NOKOV度量动作捕捉系统的实验环境。(c) 水池中的ZED2相机图像。(d) 水池中的Oculus m750d成像声呐图像。

实验平台包括水下模拟器、实验室水池及浅海区域。NOKOV度量动作捕捉系统为水下机器人提供高精度位姿真值，用于SLAM精度验证。开展了从水下模拟器到真实实验室水池及开阔海域的大量实验，验证了所提出的RUSSO系统在视觉退化环境中的鲁棒性与准确性。

2. 对比算法

实验对比SVIn2（仅相机+IMU）及VINS-Fusion算法。RUSSO在视觉退化条件下保持最高定位精度及地图一致性。

3. 实验结果与分析

水下SLAM系统定位精度对比表格

算法	平均误差	视觉退化误差	初始化成功率
RUSSO	最低	稳定	100%
SVIn2	高	漂移明显	失败
VINS-Fusion	中	增加漂移	部分失败

IMU传播优化效果

• 引入声呐位姿降低IMU传播误差
• 提升视觉退化下状态估计稳定性
• 移除视觉信息后仍能维持基础定位能力

初始化验证

• 视觉特征缺失时RUSSO通过声呐辅助成功初始化
• SVIn2初始化失败，VINS-Fusion误差明显增加

四、 结论与应用价值

该研究的提出的RUSSO系统在仿真、水池及浅海实验中均优于传统视觉-惯性SLAM算法。
NOKOV度量动作捕捉系统作为高精度位姿真值来源，是验证SLAM系统精度与鲁棒性的关键工具。
该系统适用于水下勘测、测绘及自主水下任务场景，显著提升偏航角估计精度。

五、 鲁棒水下SLAM：首次融合成像声呐、双目相机与IMU的RUSSO系统FAQ

Q1: RUSSO水下SLAM系统的核心创新？
A1: 融合双目相机、IMU与成像声呐，实现视觉退化环境下鲁棒六自由度定位，并提出IMU传播优化方法。

Q2: NOKOV度量动作捕捉在研究中的作用？
A2: 提供水下机器人高精度位姿真值，量化SLAM系统精度与鲁棒性。

Q3: RUSSO相比传统VIO算法优势？
A3: 在视觉退化环境保持高定位精度，初始化成功率高，IMU传播误差低，适用于复杂水下任务。

六、 参考文献

来自哈工大（深圳）和天津大学的研究团队在工程技术类一区期刊 IEEE/ASME Transactions on Mechatronics (TMECH) 发表题为《RUSSO: Robust Underwater SLAM with Sonar Optimization against Visual Degradation》的论文，论文同时被IROS 2025收录。

引用格式

S. Pan, Z. Hong, Z. Hu, X. Xu, W. Lu and L. Hu, "RUSSO: Robust Underwater SLAM With Sonar Optimization Against Visual Degradation," in IEEE/ASME Transactions on Mechatronics, vol. 30, no. 6, pp. 5456-5467, Dec. 2025, doi: 10.1109/TMECH.2025.3550730.