一款采用八推进器的自主水下航行器（AUV），通过融合立体深度、目标外观与运动历史，能够更可靠地追踪鱼形目标。系统将这些估计结果转化为具备预测能力、能够遵守约束的控制指令，并将偏航与平移分开处理，使航行器在目标和水下环境不断变化时仍能保持合适的观测视角。
目录
研究人员构建了什么？
研究人员构建了一套完整的水下视觉伺服系统：通过摄像头感知环境，并将 AUV 看到的信息转换为运动指令。航行器配备一台前视双目摄像头，可从略有差异的两个视角采集图像，软件再根据图像视差估计场景深度。
系统的核心感知模块针对特定目标设计。它并不为场景中的每个像素都接受嘈杂的深度估计，而是融合目标周围三类证据：
- 颜色线索，帮助将目标与背景区分开来。
- 视差线索，反映可见表面距离摄像头的远近。
- 时间线索，利用前序帧的信息稳定目标掩膜。
随后，系统分别对目标深度和图像位置进行滤波。这样区分十分重要，因为当水下目标旋转、变形或表观尺寸发生变化时，图像运动与距离变化的表现并不相同。
系统运行在一台八推进器 AUV 上。四个水平推进器负责平面运动和偏航，四个垂直推进器则控制升沉、横滚和俯仰。主机通过 ROS 2 运行感知、状态估计和高层控制程序；机载控制器再将这些指令转换为推进器的具体动作。
这套水下追踪系统取得了哪些成果？
评估涵盖视频回放、仿真，以及实体水池中的闭环实验。真实环境下的感知研究使用了 12 段视频：其中四段主要包含静态干扰，八段涉及目标运动、航行器运动、姿态变化和目标偏航等动态条件。
所有方法都接收相同的校正后双目图像、检测框和视差图。指标分别针对每段视频计算，再以全部 12 段序列的中位数进行汇总。这样的设置能够降低某一段异常简单或困难的录制结果对比较的影响。
报告结果显示，与仅依赖场景级立体估计相比，针对目标的颜色—视差—时间融合能够提供更多可用的目标深度测量。将图像平面观测与深度观测分开滤波，也提升了相对状态估计的稳定性。
在控制层面，即使目标运动方式发生变化，系统仍保持了良好效果。其自适应模型融合同时结合恒速度预测和零速度预测，而不是预先认定目标必然遵循某一种运动规律。水池实验验证了这套从感知到推进器的完整闭环，且实验运行在八推进器 AUV 上。
所提供的结果描述没有给出确切的误差降幅、追踪成功率或延迟数值，因此无法负责任地作出量化精度比较。该研究最有力的证据，是在视频回放、仿真和实体追踪等多种条件下完成了系统级验证。
深度估计器和预测控制器如何工作？
系统采用基于位置的视觉伺服（PBVS）设计。PBVS 不仅控制目标在图像中的像素位置，还会估计目标相对于摄像头的三维位置。这样，控制器就能直接调节距离，并保持摄像头对目标的可见性。
感知流程首先接收双目图像、目标检测结果和视差图。融合掩膜用于识别图像中可能属于目标的区域。颜色信息有助于排除外观不匹配的背景区域；视差有助于区分不同距离的表面；时间信息则抑制目标区域在相邻帧之间突然跳变。
系统随后从目标区域提取深度，而不是把深度视为整个场景的属性。目标在图像中的水平、垂直位置与距离分别进行滤波。这样可以减少突发深度异常对整体相对状态估计造成的不稳定影响。
控制器采用基于二次规划的模型预测控制（MPC）方法。MPC 会预测未来指令将如何影响追踪误差，并在满足执行器限制和航行器运动约束的前提下选择动作。该设计将偏航调节与平移控制解耦：偏航负责让目标保持在摄像头的合适方向上，平移优化器则处理前后、侧向和垂直运动。
控制器还维护两个相互竞争的目标运动模型：
- 恒速度模型，适用于目标持续稳定运动的情况。
- 零速度模型，适用于目标暂停或看起来处于静止状态的情况。
每个预测时域结束后，系统会根据历史多步预测误差比较这两个模型。近期表现更好的模型将获得更高权重，融合后的预测结果则用于下一次控制决策。这样，AUV 无需人工切换模式，也能适应不同的目标运动状态。
实验采用基于 Unity 的水下仿真环境，并与 ROS 2 连接；实体实验则使用经过标定的摄像头参数，并让各方法共享相同的算法设置。
这对现实世界的机器人技术为何重要？
水下机器人通常要面对能见度低、光照不稳定、悬浮颗粒、反射，以及形状或朝向不断变化的目标。如果控制器只对当前图像误差作出反应，就可能发出滞后的指令，导致追踪过冲，或让摄像头偏离需要持续观测的目标。
这套系统通过两种实用方式应对这些问题。首先，针对目标的深度估计将立体测量集中在关键对象上，而不是平等信任场景中的每个像素。其次，自适应预测让控制器能够同时应对运动目标和暂时静止的目标，无需依赖固定的运动假设。
这种方法适用于水下检测、水产养殖监测、海洋研究，以及与运动物体进行机器人交互等任务。同样的设计原则也适用于水下以外的场景：在评估已投入使用的工业机器人或面向复杂环境的自主平台时，针对传感器的滤波、明确的三维目标，以及遵守执行器限制的控制同样有价值。
对于机器人采购方和运营团队而言，这项工作凸显了视觉检测与可用自主能力之间的重要区别。发现一个物体还不够；机器人还必须估计物体的位置，预测它将前往何处，并将这些估计转化为安全的运动。
有哪些局限与待解问题？
实体验证是在受控水池中使用鱼形模型完成的，并非在开放水域、面对活体动物或实际检测目标进行。水池条件便于开展可重复实验，但无法充分代表浑浊水体、变化的阳光、水流、生物附着或复杂海床等情况。
系统还依赖可用的双目视差以及对目标的持续观测。严重的能见度下降、部分遮挡或完全检测失败，仍可能导致状态估计失效。若更换航行器或摄像头布局，固定的摄像头标定参数和算法参数也可能需要重新调整。
研究人员将视差优化、观测丢失处理和开放水域泛化能力列为未来重点。后续测试还应报告计算延迟、执行器饱和频率、观测丢失后的恢复能力，以及面对不同目标形状和速度时的表现。
常见问题
测试了哪种机器人？
研究人员在仿真和实体水池实验中测试了一台配备前视双目摄像头的八推进器 AUV。
为什么要估计目标专属的深度？
水下场景级立体深度可能较为嘈杂，因此系统将深度估计集中在与追踪目标相关的像素上。
模型融合为预测控制带来了什么？
它融合恒速度和零速度预测，并根据近期多步预测误差调整两者的影响权重。
系统是否在开放水域进行过测试？
没有。报告中的实体实验是在受控水池中使用鱼形模型完成的。
结论
这项研究将面向目标的立体感知与自适应模型融合 MPC 相结合，使水下视觉追踪更加稳定，也更能响应目标运动方式的变化。仿真、视频回放和水池实验共同展示了八推进器 AUV 上完整的感知与控制流程；而在开放水域中的鲁棒性，仍是下一项重要考验。
当双目视觉暂时丢失目标时，水下机器人应如何恢复追踪？