深海slam相关工作

我按 2022-2026 这个范围找了一批和“水下/深海环境 SLAM”直接相关的论文。下面优先列 已确认顶会/顶刊，然后补充几篇很新、很相关但目前我只查到 arXiv/Workshop 信息的工作。

已确认顶会/顶刊

1. VIMS: A Visual-Inertial-Magnetic-Sonar SLAM System in Underwater Environments
   会议：IROS 2025
   地址：arXiv:2506.15126
   摘要：这篇文章提出 VIMS，一个面向水下导航的视觉-惯性-磁场-声呐 SLAM 系统。普通 VIO 在水下容易遇到尺度估计困难和闭环困难，作者用低成本单波束声呐改善尺度估计，并引入高采样率磁力计与人工磁场线圈产生的磁场特征做地点识别。系统采用视觉-磁场分层地点识别策略实现鲁棒闭环，同时避免给前端增加过多计算负担。实验表明，该系统能明显提升水下状态估计的鲁棒性和精度。arXiv 页面注明已被 IROS 2025 接收。(arxiv.org)

2. Enhancing Visual Inertial SLAM with Magnetic Measurements
   会议：ICRA 2024
   地址：arXiv:2409.09904 / DOI
   摘要：这篇文章把磁力计测量紧耦合进视觉惯性里程计，在滑动窗口中同时优化重投影误差、惯性误差和磁力计相对姿态误差。作者还通过椭球拟合校准软铁/硬铁效应。该方法特别关注水下洞穴场景，因为洞穴中光照差、通道狭窄、水流扰动强，闭环很难发生。实验显示，加入磁力计后能显著降低姿态误差，并恢复相对于磁北的真实 yaw 方向。arXiv 页面给出的期刊/会议引用是 ICRA 2024。(arxiv.org)

3. Robust Imaging Sonar-based Place Recognition and Localization in Underwater Environments
   会议：ICRA 2023
   地址：arXiv:2305.14773 / DOI
   摘要：这篇提出 SONAR Context，用于水下成像声呐的地点识别和闭环检测。它不依赖训练数据，而是直接利用原始声呐测量的几何特性进行编码；同时设计了分层搜索、平移/旋转鲁棒匹配，并把匹配结果作为 ICP 闭环因子加入 SLAM。实验覆盖仿真开阔水域、水池和真实水下环境，结果显示该方法在声呐地点识别和定位中更鲁棒。arXiv 页面关联 DOI 为 ICRA 2023。(arxiv.org)

4. Overhead Image Factors for Underwater Sonar-based SLAM
   期刊/会议：IEEE RA-L 2022 + ICRA 2022 presentation
   地址：arXiv:2202.05811
   摘要：这篇文章研究如何用廉价传感器做 AUV SLAM。作者利用常见的先验信息：带地理参考的 overhead imagery。方法先用 CNN 将 AUV 声呐图像转换为类似俯视图的合成图像，再与全局 overhead image 配准，把得到的变换作为因子加入 pose SLAM factor graph。仿真基准和真实 AUV 外场实验显示，这种 overhead image factor 能改善水下机器人状态估计精度。arXiv 注明该文发表于 RA-L 2022，并在 ICRA 2022 展示。(arxiv.org)

5. STERN: Simultaneous Trajectory Estimation and Relative Navigation for Autonomous Underwater Proximity Operations
   期刊：IEEE Journal of Oceanic Engineering, 2026
   地址：arXiv:2309.08780 / DOI
   摘要：这篇文章面向 AUV 水下对接、归航和近距离相对导航任务。作者把水下 proximity operations 类比为空间机器人近距离操作，提出用 factor graph 统一建模 chaser 和 target 的轨迹估计问题。实验场景包括 AUV 通过相对 USBL 测量向移动母船归航。文章展示了前后端实现、仿真与真实部署结果，并分析了目标动力学假设和噪声建模带来的限制。arXiv 页面注明正式发表于 IEEE Journal of Oceanic Engineering。(arxiv.org)

非常相关的新工作，但目前更像预印本/Workshop

6. Opti-Acoustic Semantic SLAM with Unknown Objects in Underwater Environments
   状态：arXiv 2024，未在我查到的页面中确认顶会/顶刊
   地址：arXiv:2403.12837
   摘要：这篇做的是水下 语义 SLAM。它不假设预先知道水下物体类别，而是进行无监督对象分割、对象级特征聚合，再结合光学-声学传感器融合定位物体。随后使用概率数据关联建立观测与 landmark 的对应关系，并联合优化车辆位姿和 landmark 位置。作者还采集了室内/室外水下数据集，覆盖复杂声学和光照条件。(arxiv.org)

7. VISO: Robust Underwater Visual-Inertial-Sonar SLAM with Photometric Rendering for Dense 3D Reconstruction
   状态：arXiv 2026，较新，尚未看到正式顶会/顶刊信息
   地址：arXiv:2601.01144
   摘要：VISO 融合 stereo camera、IMU 和 3D sonar，实现水下 6-DoF 定位和实时稠密三维重建。文章提出 sonar-camera 外参在线粗到细标定方法，并用 photometric rendering 把声呐点云地图补充为带视觉信息的地图。水池和湖泊实验表明，它在定位鲁棒性、精度和稠密重建效果上优于多种水下/视觉 SLAM baseline。(arxiv.org)

8. Mapping the Catacombs: An Underwater Cave Segment of the Devil’s Eye System
   状态：ICRA 2025 Field Robotics Workshop
   地址：arXiv:2507.06397
   摘要：这篇关注水下洞穴建图。作者用低成本运动相机和潜水电脑估计相机轨迹与稀疏点云，并生成洞穴通道的一维骨架、上下左右边界，以及局部高真实感三维重建。方法使用 SVIn2 做视觉/惯性估计，再把关键帧和位姿送入 COLMAP 做全局优化和稠密重建，并用人工测绘工具 MNemo V2 做验证。它不是主会论文，但对水下洞穴 SLAM 很有参考价值。(arxiv.org)

我建议你优先读的路线

如果你想做 水下/深海 SLAM 算法，优先级可以这样排：

1. 声呐闭环与定位：读 SONAR Context / ICRA 2023。
2. 视觉-惯性在水下退化问题：读 Enhancing VIO with Magnetic / ICRA 2024。
3. 多传感器紧耦合系统：读 VIMS / IROS 2025。
4. 声呐 + 视觉 + 稠密重建：跟进 VISO / 2026 arXiv。
5. 深海/工程任务相对导航：读 STERN / IEEE JOE 2026。
6. 语义建图方向：读 Opti-Acoustic Semantic SLAM / 2024 arXiv。