陳 偉,張宇航,張浩哲,王 磊,王偉然,李 旭

(江蘇科技大學(xué) 電子信息學(xué)院,鎮(zhèn)江 212100)

水下機(jī)器人-機(jī)械手系統(tǒng)(underwater robot-manipulator system，UVMS)依靠視覺(jué)系統(tǒng)和機(jī)械手,在極端危險(xiǎn)的大深度領(lǐng)域完成人工無(wú)法勝任的工作,廣泛應(yīng)用于堤壩檢測(cè)、水產(chǎn)養(yǎng)殖、水下清污、海洋管線檢修等領(lǐng)域[1]．然而在真實(shí)海洋環(huán)境中,UVMS面臨水下光學(xué)感知弱化、外部復(fù)雜海洋環(huán)境不確定性擾動(dòng)等問(wèn)題，因此，目前實(shí)現(xiàn)抗干擾水下自主作業(yè)仍有難度．

水體對(duì)光易引起散射與吸收,造成圖像對(duì)比度低、光學(xué)畸變等諸多不利因素,降低UVMS自主水下目標(biāo)精細(xì)識(shí)別能力．在多種水下圖像增強(qiáng)方法中,基于顏色恒常理論的水下圖像增強(qiáng)方法脫穎而出,例如Retinex算法[2]、基于Retinex算法的非線性圖像增強(qiáng)算法[3]、多子塊協(xié)同單尺度Retinex算法[4]等都得到了方案論證．Retinex算法具有顏色恒常效果,在保留色彩信息基礎(chǔ)上,提高人工光源圖像暗區(qū)域內(nèi)的細(xì)節(jié)部分,達(dá)到圖像局部對(duì)比度顯著提高的效果．為解決Retinex產(chǎn)生的“光暈”現(xiàn)象，引入雙邊濾波方法，是一種帶有邊緣保護(hù)的圖像降噪平滑濾波器,能有效消除光照不均對(duì)圖像的影響[5]．融合雙邊濾波的Retinex算法在車輛故障檢測(cè)系統(tǒng)[6]、無(wú)人機(jī)偵察[7]、礦井勘探[8]等行業(yè)得到應(yīng)用．而在自然光源主導(dǎo)的淺水區(qū)域或人工光源加持的深水區(qū)域,采用融合雙邊濾波的Retinex優(yōu)化算法研究水下圖像增強(qiáng)是具有一定挑戰(zhàn)性的．

真實(shí)水下環(huán)境的復(fù)雜性和不可預(yù)測(cè)性提高了UVMS精準(zhǔn)控制的難度．國(guó)內(nèi)外學(xué)者提出多種控制策略,例如基于模擬負(fù)載的PID控制[9]、自適應(yīng)非奇異積分終端滑?？刂芠10]、自適應(yīng)抗擾控制方法[11]、冗余度分解方法[12]等都在UVMS機(jī)械手控制中得到了實(shí)驗(yàn)驗(yàn)證,但大多局限于沒(méi)有擾動(dòng)或部分?jǐn)_動(dòng).為解決建模不精確問(wèn)題,提出許多方法,如基于干擾觀測(cè)器的模糊自適應(yīng)S面控制[13]、基于滑模觀測(cè)器的模型預(yù)測(cè)控制[14]、基于擴(kuò)展卡爾曼濾波器(extended Kalman filter，EKF)的魯棒快速管模型預(yù)測(cè)控制[15]．其中EKF作為系統(tǒng)狀態(tài)觀測(cè)器,可以對(duì)未知海流參數(shù)的水下機(jī)械手運(yùn)動(dòng)進(jìn)行顯性估計(jì)和補(bǔ)償,結(jié)合反饋線性化控制還可以應(yīng)用于機(jī)器人本體的動(dòng)態(tài)定位,從而提高UVMS工作穩(wěn)定精度,實(shí)現(xiàn)更復(fù)雜的水下作業(yè)．

基于融合視覺(jué)增強(qiáng)的UVMS抗擾控制方法如圖1．采用融合圖像增強(qiáng)算法可提高UVMS觀測(cè)性能,并為水下機(jī)械手實(shí)現(xiàn)伺服控制提供準(zhǔn)確的目標(biāo)信息．將EKF和線性反饋轉(zhuǎn)換控制方法結(jié)合利于應(yīng)對(duì)作業(yè)過(guò)程中出現(xiàn)的不確定性擾動(dòng),提高水下作業(yè)機(jī)動(dòng)性能,提升UVMS水下視覺(jué)伺服控制能力．

圖1 基于融合視覺(jué)增強(qiáng)的UVMS抗擾控制方法Fig.1 UVMS anti-interference control method based on fusion vision enhancement

1 集總不確定性擾動(dòng)下UVMS精確建模

UVMS運(yùn)動(dòng)主要涉及3個(gè)坐標(biāo)系:大地坐標(biāo)系、本體坐標(biāo)系和機(jī)械手坐標(biāo)系,如圖2．

圖2 水下機(jī)器人-機(jī)械手系統(tǒng)的坐標(biāo)Fig.2 Coordinates of the underwater vehicle- manipulator system

設(shè)定I(x,y,z)為大地坐標(biāo)系(配置空間),B(xb,yb,zb)為水下機(jī)器人本體坐標(biāo)系,E(xt,yt,zt)為機(jī)械手坐標(biāo)系(任務(wù)空間)．利用牛頓-歐拉和遞推牛頓-歐拉公式建立配置空間的機(jī)械手動(dòng)力學(xué)方程:

(1)

(2)

(3)

(4)

(5)

(6)

任務(wù)空間和配置空間的轉(zhuǎn)換關(guān)系為:

μ=f(q)

(7)

式中：μ=[xtytzt]T為任務(wù)空間向量；f(q)為正向運(yùn)動(dòng)學(xué)向量．對(duì)上式求導(dǎo):

(8)

式中：J(q)為雅可比矩陣,構(gòu)成配置空間與任務(wù)空間的速度映射關(guān)系．

將式(1)轉(zhuǎn)換為任務(wù)空間下機(jī)械手動(dòng)力學(xué)方程:

(9)

式中：Mμ、Cμ、Dμ、Gμ、Fμ分別為任務(wù)空間中機(jī)械手慣性矩陣、科氏力矢量和向心力矩陣、阻尼矩陣、恢復(fù)效應(yīng)矢量、動(dòng)態(tài)耦合矢量；τin為控制輸入向量．

UVMS水下作業(yè)時(shí)機(jī)械手面臨的各類擾動(dòng)主要分為:系統(tǒng)不確定性擾動(dòng)、外界波浪流擾動(dòng)、非結(jié)構(gòu)化隨機(jī)擾動(dòng)[16-18],因此其運(yùn)動(dòng)方程是高度非線性的,將上述不確定性擾動(dòng)歸結(jié)為集總不確定性擾動(dòng)τdis,最后得任務(wù)空間的水下機(jī)械手動(dòng)力學(xué)方程:

(10)

2 水下融合視覺(jué)增強(qiáng)算法

2.1 融合增強(qiáng)過(guò)程

文中提出基于雙邊濾波和MSR優(yōu)化算法的融合圖像增強(qiáng)方法．如圖3,對(duì)初始圖像進(jìn)行雙邊濾波,得到粗略圖像和細(xì)節(jié)圖像;將粗略圖像進(jìn)行MSR優(yōu)化算法,實(shí)現(xiàn)顏色校正和細(xì)節(jié)還原;將增強(qiáng)后的粗略圖像與細(xì)節(jié)圖像融合,最終得到輸出圖像．其中,MSR優(yōu)化算法加入了動(dòng)態(tài)圖像信息補(bǔ)償步驟,使MSR算法不再局限于單一環(huán)境,擴(kuò)寬了該算法的運(yùn)用范圍．

圖3 融合圖像增強(qiáng)算法Fig.3 Fusion image enhancement algorithm

2.2 基于MSR優(yōu)化算法的視覺(jué)融合增強(qiáng)

MSR優(yōu)化算法流程如圖4．首先,對(duì)輸入圖像進(jìn)行預(yù)校正,減少主導(dǎo)顏色;其次,利用強(qiáng)度通道執(zhí)行改進(jìn)MSR算法,估計(jì)得到反射率和照明分量;之后,恢復(fù)圖像,補(bǔ)償動(dòng)態(tài);最后,差別性的保留原始圖像的顏色．

圖4 MSR優(yōu)化算法Fig.4 MSR optimization algorithm

2.2.1 顏色預(yù)校正

根據(jù)光學(xué)原理,水體吸收作用是在可見(jiàn)光的波長(zhǎng)范圍內(nèi),光的波長(zhǎng)越長(zhǎng),水對(duì)光的吸收能力越強(qiáng),故水下圖像總是被綠色或藍(lán)色主導(dǎo)[19]．因此,水下圖像顏色預(yù)校正是必不可少的一步．

引入Imean和Ivar作為輸入圖像的平均值和偏差值,每個(gè)通道的最大值Imax和最小值Imin可以通過(guò)以下方式獲取:

I(i)max=I(i)mean+λμI(i)var
I(i)min=I(i)mean-λμI(i)var

(11)

式中：i∈{R G B}；μ為動(dòng)力學(xué)標(biāo)稱；λ為顏色均衡標(biāo)度．

顏色預(yù)校正后的圖像表示為:

(12)

2.2.2 帶強(qiáng)度通道的MSR算法

人觀察到的物體顏色是由物體本身的屬性有關(guān),即主要由物體表面反射能力決定[20]．觀察到的圖像表示如下:

S(x,y)=L(x,y)×R(x,y)

(13)

式中：R(x,y)為反射光圖像,決定了該圖像具有的內(nèi)在性質(zhì);L(x,y)為照度圖像,可以通過(guò)中心/環(huán)繞函數(shù)估計(jì)得到;S(x,y)為觀察者所獲得的圖像．通過(guò)上式可以反推得原始反射光圖像表達(dá)式,并對(duì)等式兩邊同時(shí)取對(duì)數(shù):

logR(x,y)=logS(x,y)-logL(x,y)

(14)

引入高斯環(huán)繞函數(shù)構(gòu)建單尺度Retinex,但其不能同時(shí)提供動(dòng)態(tài)范圍壓縮和顏色恢復(fù),而MSR算法通過(guò)權(quán)值疊加彌補(bǔ)了上述缺點(diǎn),定義式如下:

log(F(x,y,σn)×S(i)(x,y)))

(15)

式中：N為標(biāo)度數(shù)；ωn為每個(gè)標(biāo)度的權(quán)值；log(S(i)(x,y))-log(F(x,y,σn)×S(i)(x,y))為單尺度Retinex的輸出圖像,×為卷積運(yùn)算,F(x,y,σn)為各標(biāo)度的高斯環(huán)繞函數(shù)；i∈{R G Bρ},ρ為強(qiáng)度通道,用于保存圖像顏色．

(16)

式中：m為圖像通道數(shù)量．

2.2.3 動(dòng)態(tài)補(bǔ)償

如式(14),MSR算法通過(guò)線性變換從對(duì)數(shù)域中獲得增強(qiáng)圖像．在恢復(fù)過(guò)程中往往要考慮增益和偏差，這兩個(gè)特征量往往需要針對(duì)指定圖像進(jìn)行調(diào)整,無(wú)法適用于所有水下圖像增強(qiáng),會(huì)大大減弱該算法的效果,降低實(shí)用性．

文獻(xiàn)[21]在CIE-Lab顏色模型中運(yùn)用了自適應(yīng)拉伸方法,建立亮度參數(shù)歸一化的拉伸公式,最終得到高對(duì)比度、平衡化、飽和化的清晰圖像．在此基礎(chǔ)上,文中將動(dòng)態(tài)適應(yīng)拉伸方法用于圖像信息補(bǔ)償,建立如下補(bǔ)償公式:

I(i)MSRMAX=I(i)MSRMEAN+μI(i)MSRVAR
I(i)MSRMIN=I(i)MSRMEAN-μI(i)MSRVAR

(17)

式中：I(i)MSRMAX和I(i)MSRMIN分別為MSR處理后每個(gè)通道的最大值和最小值；I(i)MSRMEAN和I(i)MSRVAR分別為MSR輸出圖像的平均值和偏差值；μ為動(dòng)態(tài)范圍；i∈{R G B}．

動(dòng)態(tài)補(bǔ)償后的MSR圖像:

(18)

2.2.4 顏色保留

MSR算法容易將顏色信息丟失,造成顏色飽和度降低的情況，采用具有顏色修復(fù)的MSR算法(MSRCR)解決了上述問(wèn)題,但面臨著顏色增益和偏差的問(wèn)題,局限了其使用效果．將原始圖像色度信息進(jìn)行一定比例放大,從而避免后續(xù)過(guò)多的顏色增益和偏差,生成更接近于原始顏色的圖像．

(19)

式中,i∈{RGB}；α為顏色保留系數(shù),I(i)mean為原始圖像的平均值；I(S)DCMSRMEAN為MSR算法動(dòng)態(tài)補(bǔ)償后的強(qiáng)度通道平均值；I(i)DCMSR為MSR算法動(dòng)態(tài)補(bǔ)償后的圖像；I(i)DCMSRCP為MSR優(yōu)化算法生成的最終圖像．

3 機(jī)械手抗擾控制器

在UVMS具備精細(xì)感知能力的基礎(chǔ)上,設(shè)計(jì)優(yōu)良的機(jī)械手抗擾控制器,使系統(tǒng)出現(xiàn)內(nèi)外不確定性擾動(dòng)時(shí)能做出實(shí)時(shí)調(diào)整,實(shí)現(xiàn)高精度水下視覺(jué)伺服抓取任務(wù)．通過(guò)擴(kuò)展卡爾曼濾波器(EKF)和空間反饋線性轉(zhuǎn)換,取代傳統(tǒng)干擾控制器,補(bǔ)償內(nèi)外干擾下機(jī)械臂的位移,維持機(jī)械手系統(tǒng)穩(wěn)定．

UVMS作為非線性環(huán)境下的冗余系統(tǒng),內(nèi)外擾動(dòng)瞬息萬(wàn)變．對(duì)輸出系統(tǒng)的所有狀態(tài)參數(shù)進(jìn)行反饋控制,降低了效率和實(shí)用性．如果在可控誤差范圍內(nèi),選取定量參數(shù)估計(jì)未知狀態(tài),往往變得易于實(shí)現(xiàn)且高效．因此,通過(guò)EKF和轉(zhuǎn)換矩陣來(lái)估計(jì)模擬出系統(tǒng)位置和速度,補(bǔ)償實(shí)時(shí)偏差,以達(dá)到機(jī)械手系統(tǒng)水下穩(wěn)定作業(yè)的目的．機(jī)械手抗擾控制系統(tǒng)為:

(20)

(21)

(22)

式中：s為系統(tǒng)狀態(tài)向量,τin為控制輸入向量,τdis為控制過(guò)程中的集總不確定性擾動(dòng)量．

系統(tǒng)狀態(tài)檢測(cè)過(guò)程分為預(yù)測(cè)和校正階段，預(yù)測(cè)過(guò)程為:

(23)

(24)

運(yùn)用上節(jié)建立的UVMS本體運(yùn)動(dòng)學(xué)方程,對(duì)其進(jìn)行預(yù)測(cè)狀態(tài)后的校正環(huán)節(jié):

Kn=PnGnT(GnPnGnT+Fn)-1

(25)

(26)

(27)

(28)

式中：k1和k2為待設(shè)計(jì)和調(diào)節(jié)的常系數(shù)矩陣；α和β為水下機(jī)械手的自由度指數(shù)系數(shù)分量．

依據(jù)文中建立的UVMS動(dòng)力學(xué)方程,便可由抗擾控制器估計(jì)出狀態(tài)偏差量,經(jīng)空間轉(zhuǎn)換矩陣,換算為UVMS本體系統(tǒng)的狀態(tài)補(bǔ)償量,從而實(shí)現(xiàn)本體水下動(dòng)態(tài)定位,配合機(jī)械手完成更復(fù)雜的水下作業(yè)．

4 實(shí)驗(yàn)研究

利用研制的UVMS分別進(jìn)行水下視覺(jué)增強(qiáng)實(shí)驗(yàn)和機(jī)械手視覺(jué)伺服抓取實(shí)驗(yàn),該水下機(jī)器人-機(jī)械手系統(tǒng)搭載三自由度電動(dòng)機(jī)械手和網(wǎng)絡(luò)攝像機(jī),裝備兩個(gè)垂直電力推進(jìn)器、兩個(gè)縱向電力推進(jìn)器和可加裝的側(cè)向推進(jìn)器,具備縱蕩、垂蕩、橫蕩、橫搖、艏搖、縱搖的六自由度運(yùn)動(dòng),選用吸水率<1%(24 h)的固體復(fù)合泡沫,可以承受2 000～36 000英尺的水下環(huán)境,浮心高、重心低的開(kāi)架式結(jié)構(gòu)優(yōu)化了縱向和橫向正穩(wěn)性,在俯仰和搖擺軸上實(shí)現(xiàn)進(jìn)一步穩(wěn)定．內(nèi)置慣導(dǎo)、測(cè)深、電導(dǎo)溫深(CTD)等環(huán)境感知系統(tǒng),預(yù)留了超短基線接口，系統(tǒng)如圖5．

圖5 水下機(jī)器人-機(jī)械手系統(tǒng)Fig.5 Underwater vehicle-manipulator system

4.1 水下視覺(jué)增強(qiáng)實(shí)驗(yàn)

對(duì)水下圖像進(jìn)行了融合圖像增強(qiáng)算法,同時(shí)與MSR算法和雙邊濾波算法進(jìn)行成像效果對(duì)比和數(shù)據(jù)分析．圖6成像效果表明,MSR算法補(bǔ)償了水池底部塵埃的細(xì)節(jié)信息,在增強(qiáng)水下圖像色彩的同時(shí)很好的保持了顏色恒常性,但出現(xiàn)了邊緣銳化不足、紋理不清晰等缺點(diǎn),這點(diǎn)在物體A上顯得尤為明顯．雙邊濾波算法考慮了卷積核中像素與中心像素之間相似程度的影響,在保留了邊緣的同時(shí)消除了噪聲,增強(qiáng)了圖像的層次感,這在物體B的成像效果中得到證明,但增強(qiáng)后的圖像明顯顏色偏淡、色彩失真,背景細(xì)節(jié)丟失嚴(yán)重．相比之下,融合增強(qiáng)算法補(bǔ)償了兩者的成像缺點(diǎn),物體A、B的紋理清晰,背景細(xì)節(jié)得到還原,能夠更好的還原海參模型形狀和實(shí)驗(yàn)環(huán)境細(xì)節(jié),顏色也較雙邊濾波得到了收斂,整體畫(huà)面自然,更貼近實(shí)際水下環(huán)境．同時(shí),圖像細(xì)節(jié)量的增多為后續(xù)水下目標(biāo)識(shí)別與測(cè)距提供了豐富的參考數(shù)據(jù),解決了識(shí)別過(guò)程帶來(lái)對(duì)象不明的問(wèn)題．

圖6 水中目標(biāo)物視覺(jué)增強(qiáng)對(duì)比Fig.6 Comparison of visual enhancement of underwater targets

表1數(shù)據(jù)對(duì)比表明,融合增強(qiáng)算法在亮度、對(duì)比度、清晰度上得到了很大的提升,同時(shí)控制亮度,使其保持在合理裕度內(nèi),避免雙邊濾波處理后類似于曝光現(xiàn)象的缺點(diǎn)．信息熵的提高證實(shí)了融合算法在細(xì)節(jié)處理方面的有效性．

表1 圖6各種算法結(jié)果分析Table 1 Analysis of the results of various algorithms in figure 6

4.2 水下機(jī)器人-機(jī)械手系統(tǒng)抗擾抓取實(shí)驗(yàn)

視覺(jué)伺服抗擾抓取實(shí)驗(yàn)概述如下:融合慣導(dǎo)、測(cè)深等傳感器檢測(cè)系統(tǒng)在擾動(dòng)下的姿態(tài),運(yùn)用擴(kuò)展卡爾曼濾波器(EKF)和空間反饋線性轉(zhuǎn)換矩陣將本體位移量轉(zhuǎn)化為機(jī)械手關(guān)節(jié)矢量,利用多關(guān)節(jié)機(jī)械手的扇形工作范圍特點(diǎn),補(bǔ)償U(kuò)VMS本體未及時(shí)修正或過(guò)補(bǔ)償?shù)奈灰屏浚撌噶繑?shù)據(jù)將結(jié)合視覺(jué)解算后的數(shù)據(jù)得到最終的關(guān)節(jié)電機(jī)反饋角度．

研究對(duì)象是三自由度控制能力的UVMS,該模型參數(shù)如表2,控制器的參數(shù)選擇為:

表2 UVMS模型參數(shù)Table 2 UVMS model parameters

α=1.2I3，β=0.5I3k1=[2 0.5 0.5]T,

k2=[0.5 1 0.5]T,g=0．

在5～15 s范圍內(nèi)模擬1～3節(jié)混合水流干擾:

t=0～5 s:T=0.

(29)

生成UVMS水下作業(yè)過(guò)程的機(jī)械手末端執(zhí)行器三維軌跡(圖7)，可以看出:機(jī)械手在干擾時(shí)間段過(guò)渡平滑,未出現(xiàn)劇烈波動(dòng),伺服控制性能優(yōu)良,精確快速地對(duì)水下目標(biāo)進(jìn)行了定點(diǎn)跟蹤．

圖7 機(jī)械手三維軌跡圖Fig.7 3D track diagram of the manipulator

如圖7(b)中,突現(xiàn)擾動(dòng)帶來(lái)機(jī)械手y軸方向位移,得益于抗擾控制器,補(bǔ)償了擾動(dòng)帶來(lái)的大范圍位移,且在較短的時(shí)候內(nèi)進(jìn)行系統(tǒng)自調(diào)整,證實(shí)了基于EKF和空間線性轉(zhuǎn)換的抗擾控制器在水流干擾下對(duì)UVMS起到了優(yōu)良的平衡控制作用,改善了UVMS水下控制性能．

區(qū)別于水下工業(yè)任務(wù),水下捕撈作業(yè)多數(shù)工作于海底．對(duì)水下捕撈作業(yè)影響極大的是由海流產(chǎn)生的介于全水流層(淺水區(qū))與零水流層(海底)中間的湍流邊界層．為實(shí)現(xiàn)水流湍流層效果,以UVMS作業(yè)點(diǎn)為中心的30 m2內(nèi),于水面臨界點(diǎn)設(shè)置橫向、縱向2個(gè)250 W增氧浪涌水炮,以此模擬全水流層．參照蒲福氏風(fēng)級(jí)對(duì)應(yīng)表,制造和風(fēng)、四級(jí)風(fēng)下的水流擾動(dòng),參考流速5 m/s．

以懸停的UVMS質(zhì)心為參考原點(diǎn),經(jīng)視覺(jué)測(cè)距獲得抓取目標(biāo)在任務(wù)空間的三維空間點(diǎn)(單位:m)為(0.523,0.558,-0.982),逆解出的肩、肘關(guān)節(jié)轉(zhuǎn)動(dòng)角度θ1，θ2分別為26.33°和31.22°．機(jī)械手運(yùn)動(dòng)過(guò)程中的相關(guān)數(shù)據(jù)由每個(gè)關(guān)節(jié)中的水下編碼器、行程開(kāi)關(guān)等反饋硬件實(shí)時(shí)記錄．圖8為抓取海參模型實(shí)驗(yàn)過(guò)程,圖9為關(guān)節(jié)實(shí)時(shí)反饋數(shù)據(jù)．?dāng)?shù)據(jù)表明水下機(jī)械手的肩關(guān)節(jié)最終位置為26.50°,肘關(guān)節(jié)最終位置為29.10°．

圖8 水下抓取實(shí)驗(yàn)過(guò)程Fig.8 Underwater grab experiment process

圖9 肩關(guān)節(jié)、肘關(guān)節(jié)實(shí)時(shí)反饋角度Fig.9 Real-time feedback angle of shoulder joint and elbow joint

實(shí)驗(yàn)分析,水流擾動(dòng)下的機(jī)械手會(huì)出現(xiàn)停車不到位和肩關(guān)節(jié)轉(zhuǎn)角偏大的情況,但轉(zhuǎn)角誤差保持在±2°范圍,相比于未經(jīng)圖像處理時(shí),成功率提升20%,達(dá)到預(yù)期控制效果．第一抓取視角如圖10,機(jī)械手到達(dá)實(shí)驗(yàn)?zāi)繕?biāo)位置,完成指定任務(wù)．

圖10 伺服控制抓取過(guò)程Fig.10 Servo control capture process

5 結(jié)論

針對(duì)UVMS水下圖像成像質(zhì)量差、抗干擾能力弱的缺點(diǎn)，采用融合圖像增強(qiáng)算法,提高了水下圖像捕獲和分析能力;同時(shí)構(gòu)建集不確定性下UVMS數(shù)學(xué)模型,為抗擾控制器的設(shè)計(jì)提供了基礎(chǔ),以獲得更好的UVMS抗擾參數(shù)．為驗(yàn)證圖像增強(qiáng)效果和基于EKF和空間線性轉(zhuǎn)換的抗擾控制器性能,進(jìn)行水下海參模型抓取實(shí)驗(yàn),測(cè)得水下機(jī)械臂各關(guān)節(jié)伺服反饋實(shí)時(shí)角度和機(jī)械手三維軌跡．分析數(shù)據(jù)表明,機(jī)械手精確跟蹤目標(biāo)軌跡的同時(shí)保持了UVMS穩(wěn)定性,實(shí)現(xiàn)了在不確定性擾動(dòng)下UVMS水下作業(yè)的任務(wù),驗(yàn)證了圖像融合算法在水下成像和細(xì)節(jié)捕捉方面的有效性．

未來(lái)將進(jìn)一步發(fā)展深海中人工光源下的融合增強(qiáng)算法及機(jī)械手抗擾控制器狀態(tài)預(yù)測(cè)精準(zhǔn)度,展開(kāi)洋流擾動(dòng)下UVMS實(shí)際海底作業(yè)的試驗(yàn)研究,以提高閉環(huán)控制系統(tǒng)的綜合控制性能．