视觉系统作为水下机器人的设计开发中的一个重要环节,在水下作业中发挥着重要作用。视觉系统可以用来对采集到的水下图像进行处理,其处理结果可以用来引导水下机器人的水下活动。由于水下环境的特殊性,水下机器人的图像处理系统的主要步骤包括图像预处理、图像分割、目标识别以及距离估算。本课题中开发的视觉系统不仅可以很好的达成欧洲学生自主水下机器人比赛(SAUC-E)的任务要求,而且可以广泛应用于各水下作业环境,实时进行图像处理,快速有效地定位水中物体。图像预处理包括图像增强和图像平滑。水下环境会影响到捕捉图像的质量,不利于图像目标物体的提取和处理。图像增强算法可以利用同态滤波器来增强图像中的物体,并使用色彩校正算法处理图像中衰减的颜色。图像平滑算法的应用可以最大程度上消除噪声,提高被处理图像的质量。图像分割系统中包括边缘检测和阈值化技术。应用了更具鲁棒性的色彩形态学梯度法进行边缘检测,以提取图像中的目标物体,与周围背景进行分离。应用了阈值化技术量化分割图像的边缘,得到感兴趣的物体图像。应用霍夫变换(HT)来识别水下的门、球和浮标等目标物体。该方法在现有的目标探测系统的基础上做出改进使其具有更强的鲁棒性,能精确快速定位和寻找水下环境中的目标物体。该目标探测算法提升了视觉系统的精确性和运算速度。距离估算系统中,应用针孔模型在单帧图像和视频序列中进行距离测量,获得目标物体与水下机器人之间的相对距离。利用边界图像提升了单帧图像距离估算的精确性。在视频序列操作中,应用初始化目标模型和霍夫变换限制算法来限制目标物体的检测范围,并应用Kalman滤波器跟踪算法获得了更加精确和稳定的距离估算结果。