本文研究图像目标导航，提出了一种基于拓扑表示法和深度学习的解决方案，显著提升了长时间任务的性能。开发的SLAM系统在内窥镜图像重建中表现优异，ColonFormer网络架构能够精确分割息肉。此外，研究提出结合合成与真实数据的新方法，提升深度图预测的准确性，推动内窥镜自动导航的发展。

本文研究图像目标导航，提出了一种基于拓扑表示法和深度学习的解决方案，显著提升了长时间任务的导航性能。通过多通道占用表示和自注意力转换器，优化了室内场景的拓扑图和语义标签，增强了房间分割和分类效果。同时，探讨了语义视觉导航技术在复杂环境中的应用，结合现实与虚拟数据提高模型学习效果。