作者：杨雪, 马培立, 施子凡, 石硬

作者单位：南京工程学院创新学院, 江苏 南京 211167

关键词：机器鱼;动力学;畸变校正;智能识别;自动跟踪

摘要：

针对目前机器鱼水下续航时间短、图像视角不足、人工操作困难等一系列问题，提出一种有缆视觉自主型机器鱼。该款机器鱼采用有缆结构以增加水下续航时间，采用分区域模块化畸变校正方法对鱼眼镜头畸变图像进行校正、匹配与拼接，从而快速得到全景图像。提出HSI（色调、饱和度、亮度）分析与EKF（扩展卡尔曼滤波）预测相结合的目标获取方法，以实现对水下目标的自动追踪，降低人员操作难度。实验结果表明：HSI分析与EKF预测相结合的识别法目标跟踪成功率明显高于RGB法；有缆视觉自主型机器鱼结合遥控水下机器人（ROV）与仿真鱼的优点，适合长时间水中航行、观测，能精准实现水下自动跟踪。

Design of an autonomous robot fish system with cable vision

YANG Xue, MA Peili, SHI Zifan, SHI Ying

Innovation College, Nanjing Institute of Technology, Nanjing 211167, China

Abstract: In view of underwater endurance short, visual angle insufficient, manual operation difficult and other problems of the robot fish, a kind of cable visually autonomous robot fish was put forward. The robot fish has a cable structure to increase the underwater endurance. The correction algorithm is used to correct, match and stitch the distorted image of fisheye lens, so that the panoramic image can be obtained quickly. A target acquisition method combining HSI (hue, saturation and brightness) analysis with EKF (extended Calman filtering) prediction is proposed to achieve automatic tracking of underwater targets. While the difficulty of personnel operation was reduce. The experimental results show that the success rate of target tracking by combining HSI analysis with EKF prediction is obviously higher than that of RGB method. The cable visually autonomous robot fish combines the advantages of ROV and simulation fish, which suitable for long time navigation and can achieve underwater automatic tracking accurately.

Keywords: robot fish;dynamics;distortion correction;intelligent recognition;automatic tracking

2018, 44(12): 62-68  收稿日期: 2018-09-07;收到修改稿日期: 2018-10-25

基金项目: 江苏省高校教改研究项目（2015jsjg169）

作者简介: 杨雪(1982-),女,云南曲靖市人,讲师,硕士,研究方向为智能机器人、数据挖掘技术

参考文献

[1] 王安忆, 刘贵杰, 王新宝, 等. 身体/尾鳍推进模式仿生机器鱼研究的进展与分析[J]. 机械工程学报, 2016, 52(17):137-146
[2] 姜婵娟. 遥控式水下机器人PID运动控制算法优化研究[D]. 哈尔滨:哈尔滨工程大学, 2010.
[3] 魏清平, 王硕, 谭民, 等. 仿生机器鱼研究的进展与分析[J]. 系统科学与数学, 2012, 32(10):1274-1286
[4] 邱玉泉, 王子旭, 王宽, 等. 仿生机器人的研究进展及其发展趋势[J]. 物联网技术, 2016, 6(8):58-59
[5] SUMOTO H, YAMAGUCHI S. A study on a control method of artificial muscle using segmented binary control for an up-scaled fish type robot[C]//The Twenty-first International Offshore and Polar Engineering Conference,2011.
[6] 梁建宏, 邹丹, 王松, 等. SPC-Ⅱ机器鱼平台及其自主航行实验[J]. 北京航空航天大学学报, 2005, 31(7):709-713
[7] 王睿, 王硕. 仿生机器鱼推进效率实验研究进展[J]. 系统科学与数学, 2016, 36(9):1388-1396
[8] 黄明泉. 水下机器人ROV在海底管线检测中的应用[J]. 海洋地质前沿, 2012, 28(2):52-57
[9] 朱胜利. Mean Shift及相关算法在视频跟踪中的研究[D]. 杭州:浙江大学, 2006.
[10] 郑岩, 谭庆昌, 王树范, 等. 车载火控系统自动跟踪的卡尔曼滤波[J]. 红外与激光工程, 2010, 39(2):346-351
[11] LIU J, LI J, XU W, et al. Mosaicing of fisheye images through conformal projection and sphere matching[J]. Proceedings of the Spie, 2017, 225:102250T
[12] HOU W, DING M, QIN N, et al. Digital deformation model for fisheye image rectification[J]. Optics Express, 2012, 20(20):22252
[13] 朱均超, 葛磊, 韩芳芳, 等. 基于分离参数标定的鱼眼镜头成像模型研究[J]. 传感技术学报, 2013, 26(7):975-980
[14] 黄莎莎, 乔嘉, 柳琦. 基于序列图像的组合摄影机外场同步标定技术[J]. 中国测试, 2018, 44(2):108-112