海洋是生命的起源地,是人类生存的重要空间,蕴含着广阔的自然资源。由于海洋环境的特殊性,单靠人力已难以实现海洋的探索和开发,为此,各种水下机器人应运而生。智能水下机器人(以下简称AUV)利用水下视觉系统感知外部环境,为机器人规划决策系统提供环境信息。本课题结合工信部“海洋探测智能潜水器工程化技术研究项目”,研究了水下声光图像的处理方法、基于信息融合的目标检测算法和水下管道检测、识别和定位方法,并在前面研究方法的基础上,构建了一套基于视觉的水下管道检测与跟踪系统。本文主要的研究内容包括:(1)针对水下目标检测中图像处理算法内容,分析了水下光学图像和声学图像特征,针对水下图像的特点,从滤波、增强、分割以及形态学处理四方面进行了研究。在图像增强中,改进了传统的模糊增强算法,有效地克服了传统算法中参数多,灰度级损失以及低计算效率的缺陷,并且更好地保留目标和背景的特征信息;在图像分割中,针对目标和背景灰度级重叠、对比度低的水下图像,建立了基于图像梯度信息的二维Abutaleb最大熵和改进粒子群优化算法(SPSO)结合的分割算法,该方法可以有效地检测出水下目标,提高计算效率。(2)研究了 AUV航行过程中基于特征级融合的水下目标检测识别方法。首先针对声纳和微光图像特点,分别提取目标的Hu不变矩和小波不变矩,并采用主分量分析法对维数较多的小波矩特征降维。然后以加权组合串行特征融合为基础,建立了基于神经网络与改进的粒子群算法相结合的水下目标检测算法。对测试样本进行的识别实验结果表明,本文的算法具有更高的识别率和更强的泛化能力。(3)研究了 AUV管道检测与跟踪系统中的水下管道的检测算法。文中分析了传统的边缘检测算子的优缺点,建立了基于快速Kirsch边缘检测算子和Yasuda局部边缘检测相结合的管道边缘检测方法,并以离散卡尔曼滤波模型为基础,建立了管道序列图像中的关联波门,限制管道边缘检测中的搜索空间,结合本文的改进的快速Hough变换,提高了管道检测的准确性和实时性。针对管道序列图像中的弯管检测问题,以Hough变换检测的结果为基础,抽取管道的特征区域,利用直方图信息对管道进行相似性测量,实现管道检测过程中弯管的准确判断。(4)研究了管道图像坐标系与AUV坐标系的转换,建立了管道跟踪系统。考虑到摄像机畸变因素以及标定精度,本文采用张正友方法对摄像机进行标定,求取摄像机模型参数,确定图像中管道目标点从图像坐标系到机器人坐标系中的转换关系,实现基于视觉系统的机器人环境信息感知。(5)构建了 AUV管道自主检测系统的软硬件体系结构。将AUV的管道检测系统与机器人系统集成,分别在基于图形工作站的半实物仿真环境和水池中,完成了 AUV的管道自主检测与跟踪试验,验证了 AUV管道检测系统中图像处理、检测和跟踪算法的有效性、实时性和可靠性。