随着生活水平的提高,人们对海参等海珍品的需求量越来越大。海参的养殖水深一般是10～40m,主要以人工下潜捕捞的方式进行成品捕捞。潜水式采捕不但产量低,成本高,而且会严重损害潜水员的健康。本文研究应用水下机器人进行海参捕捞的机器视觉追踪和定位的技术,主要包括以下内容:在课题预研期间,以在实验室环境模拟海底环境拍摄的视频为研究对象,提出了一种改进的均值漂移(Mean-Shift)追踪算法。主要思路是通过提取海参的轮廓,利用Mean-Shift算法反复迭代搜索轮廓形心,从而实现位置跟踪和尺度计算。在取得真实水下海参视频后,首先利用上述Mean-Shift算法进行海参跟踪。由于实际水下图像对比度低,质量差,无法精确得到海参的轮廓,为此首先采用去雾算法进行图像处理,然后再应用上述Mean-Shift算法实现了海参的跟踪。由于去雾算法的应用导致Mean-Shift算法的跟踪效率较低,为了提高跟踪效率,提出一种基于核相关滤波(KCF)算的水下海参跟踪算法。算法的主要思路是通过对海参两个头部的分别跟踪实现整体的跟踪,不但有效提高了跟踪效率,而且位置精度和尺度精度也有了较大提高。该算法的图像处理速度可以达到42帧每秒,平均精确度可以达到88.98%,并且追踪成功率高。因此,本文中采用的这三种算法在针对目标海参的自动化采集的情况,都能够满足追踪的准确度要求,能够在复杂环境下对目标海参进行追踪,但其中KCF追踪算法对目标海参的追踪和定位的速度快,能够满足控制系统的快速反馈要求,并且稳定性和成功率高,鲁棒性好。