【摘要】在加快建设海洋强国，重点发展海洋工程装备的背景下，我国水下智能机器人产业的发展迅速，但水下机器人自动识别定位技术仍与发达国家有较大差距，本文试图通过对国内机器视觉技术在水下机器人中的应用研究的文献

进行整理。为后续水下机器人机器视觉研究提供思路和方向。

【关键词】水下机器人；机器视觉；现状；策略
1、引言
      随着人类探索海洋意识的不断加强和科技的进步，作为人类探索海洋最重要工具的水下机器人技术得到了广泛的重视和迅速的发展。水下机器人分遥控式机器人和自主式机器人，遥控式水下机器人已经广泛应用到海洋环境、海洋工程、海洋地质等方面的科学考察。由于受遥控缆绳的限制，只适用于活动范围不大的地方。自主式水下机器人具有活动范围大、隐蔽性好等优点，不仅在民用领域可用于海底考察、海底施工等，还可以在军事领域用于侦察、援潜、救生等。正如人的双眼为人类大脑提供了大量的信息，水下机器人也需要机器视觉为其提供有用信息。而且水下机器人在水下作业，工作环境恶劣且复杂多变，因此为水下机器人配备具有自动识别能力的机器视觉系统成为水下机器人智能化的重要标志。水下机器人的视觉系统不同于传统的光学传感器，它不仅需要具有获取光学信息（包括图片和视频）的能力，还应该具备对光学信息进行处理和智能识别的功能，为水下机器人工作提供信息支持。在此方面国内的科研工作者进行了大量的研究开发工作，本文将近十年国内各研究机构和高校对水下机器人采用机器视觉技术进行目标识别和定位方面的研究进行整理分析如下。









2、机器视觉技术在水下机器人中的应用研究现状
       2010年华中科技大学船舶与海洋工程学院徐筱龙等对某型水下遥控机器人的视觉定位进行研究，通过对相机进行标定试验获得相机内参数，对由于水流的晃动、浑浊度等引起模型畸变进行非线性修订,在陆地机器人单目视觉定位方法MonLAM基础上进行改进，获得水下机器人视觉定位方法，试验结果表明,该水下机器人视觉定位方法适用于水下环境，定位精度有所提高。
       2011年上海交通大学自动化研究所王卫华等研究了如何在海底管线检测维修工作中应用机器视觉快速找到管线及故障点的位置，即管线识别与精确定位。在目标识别过程中，由于采用HSL空间描述进行图像处理只需处理色调和饱和度，且均对光照变化不敏感，所以作者提出将特征颜色从RGB空间转换到HSI空间，并使用模糊神经网络来动态调整特征颜色阈值的方法解决水下光照变化剧烈的问题，实验结果证明了，该算法提高了机器视觉图像处理的速度和特征抽取的鲁棒性。。
       2011年浙江大学流体与传动国家重点实验室陈元杰在水下机器人(ROV)的机械手定位研究中，提出了一种基于双目视觉的前向平行校正定位算法，比传统的射线相交坐标点提取法简单易行。通过实验验证了该算法简单可靠，且具有较高的准确度和适用范围。
       2012年中国科学院沈阳自动化研究所苗锡奎等在水雷目标识别研究过程中，针对水雷具有形状稳定性好的特点，从水雷形状的典型特征出发，通过区域特征描述和边界特征描述相结合的方法，构造水雷目标特征，以水雷目标特征阈值为依据来实现水雷目标的识别。实验结果表明，该方法识别率高达94.85%，明显高于基于不变矩的方法进行识别的识别率，尤其对目标受到部分遮挡的情况仍然具有较高的识别率和较好的稳定性。
       2014年浙江大学机械电子工程专业高明等在水下机器人定位研究中，根据惯性导航不依赖外部信息，隐藏性好，但是定位误差随时间而累积的特点，提出惯性导航和机器视觉组合的定位方式，运用基于Kalman滤波的信息融合算法，利用机器视觉获取的空间信息修正惯性导航定位的累积误差，实验验证了多传感器融合技术提高了水下机器人的定位精度和在复杂水环境中的定位能力。
       2016年哈尔滨工程大学史言彬等在工业废水处理机器人的研究中，结合BP神经网络，在双目视觉定位原理的基础之上，设计了一种基于BP神经网络的单目三维定位方法，成功地避免了摄像机的标定，降低了系统复杂度。针对水下不均匀光照对水下图像分割效果的影响，提出了一种基于色调和最大类间差的图像分割方法，有效地抑制水下不均匀光照的影响。但目标识别是在比较单一的背景环境下进行的，对更为复杂的背景环境下的目标识别将有待继续研究。
       2017年中国船舶科学研究中心韩冲等对水下机器人自主回收对接定位研究中，将OpenCV计算机视觉库应用到单目视觉定位方法，既简化了算法的复杂度，又提高了算法的实时性。仿真实验表明，水下机器人在回收对接时的位姿识别和回收装置光源标记点的定位方面均达到了较高的精度。
3、应用研究现状分析及展望
      通过阅读及整理分析，国内研究机构和高校对机器视觉技术在水下机器人中的应用研究现状分析及展望如下：
（1）机器视觉在水下机器人中的应用研究涉及领域主要集中在水下管道识别、水雷目标识别、机械手定位系统，水下机器人本体回收对接引导定位、水下机器人组合定位等。水下管道、水雷目标识别属于已知典型形状特征物体识别；机械手定位和机器人本体回收对接引导定位属于小范围近距离且有引导灯信息的识别定位；水下机器人定位和路径规划中机器视觉起着辅助作用。未来机器视觉技术在水下机器人尤其是自主式机器人的定位和导航中的应用将是值得研究的方向。
（2）机器视觉分单目视觉和双目视觉。机器视觉在水下机器人中的应用研究中单目视觉多数研究目标识别方法，比如摄像机标定、图像预处理（滤除噪声、光照明对图像的影响等）、图像分割、特征抽取、图像处理速度等。而双目视觉主要研究位姿定位技术，双目视觉研究中如何减少两个摄像头之间的误差对定位的影响将是未来的主要研究方向之一。
（3）目前机器视觉技术在水下机器人中的应用研究多数都是经过实验室验证取得了一定的进展，多数实验是在一定的限定条件下进行的，但是现实中的海水、湖水、河水水下环境都比实验环境要复杂得多，比如水下深度、光照、杂质等，研究成果在实际水下环境中应用的稳定性和实用性仍然需要投入大量的科研力量。
（4）目前机器视觉在水下机器人中的应用研究团队主要来自哈尔滨工程大学、中科院沈阳自动化所、中国船舶科学研究中心、浙江大学、华中科技大学等，仍需更多单位合作开发，更多的科研人员和工程技术人员合作研发。
【参考文献】
1、徐筱龙，徐国华.OutLand1000水下机器人的视觉定位研究[J].中国机械工程，2010，21(11):1288-1292.
2、王卫华陈卫东席裕庚.光线自适应的水下管线识别与定位系统[J].机器人，2001，23（3）:132-136.
3、陈元杰，朱康武，葛耀峥，顾临怡．基于双目视觉的水下定位系统[J].机电工程，2011，28[5]567-573．
4、苗锡奎，朱枫，许以军，吴清潇，郝颖明，任申真.基于视觉的水雷目标识别方法研究[J].海洋工程，2012，30(4):154-160．
5、高明.基于视觉和惯性导航的水下机器人组合定位设计[D].杭州：浙江大学，2014.
6、史言彬．基于单目视觉的水下目标识别和定位方法研究[D].哈尔滨：哈尔滨工程大学，2016．
7、韩冲，苏涛，谢基榕.基于OpenCV的水下机器人单目定位技术研究与仿真[J].计算机测量与控制，2017：25(12)219-223.