RGB-D双模态互引导的自监督视觉里程计

来源：信号处理杂志 2026年第3期北京时间：

作者：史宝坤, 章宏亮, 田子安, 马伟, 米庆, 毋立芳

摘要：视觉里程计通过分析图像序列，估计每一帧对应的相机位姿，该项技术在机器人自主导航、自动驾驶系统及增强现实等场景中发挥着重要作用。自监督视觉里程计因其无需依赖位姿真值数据而成为当前研究热点，通过几何一致性原理实现跨视角图像合成与自监督损失构建，有效优化位姿和深度估计过程。在自监督视觉里程计框架下，如何设计网络结构以充分挖掘RGB图像和深度图双模态中蕴含的位姿相关线索是提升模型性能的关键。然而，现有算法对于两种模态的异质特性和互补价值考虑欠缺，导致双线索挖掘不充分，进而影响位姿估计精度。针对这一关键问题，本文提出RGB-D双模态互引导的自监督视觉里程计（Self-supervised Visual Odometry with RGB-D Bimodal Mutual Guidance， BMG-VO）。具体而言，设计RGB引导的深度细节增强模块，通过RGB图像的纹理先验增强深度编码分支的细节信息表达能力，使深度特征能有效捕获边缘、纹理等关键细节，从而提升特征匹配鲁棒性；同时，引入深度引导的RGB语义增强模块，利用深度图的几何信息为RGB编码分支补充类内一致性线索，提升其对抗光照污染等干扰的鲁棒性，为位姿回归提供更可靠的匹配依据。此外，设计单模态过滤模块，以突出单一模态中的位姿估计关键线索。在KITTI数据集上的丰富实验结果表明，与现有主流自监督视觉里程计方法相比，BMG-VO的位姿估计准确度更高，深度估计精度也达到了优异水平。

关键词：视觉里程计, 自监督学习, RGB-D双模态互引导, 同步定位与地图构建