目前海产品的捕捞主要依靠人工,效率低下,并且长期水下作业会对潜水员的身体造成极大伤害。因此,使用水下捕捞机器人代替人工进行海产品捕捞已经成为一种趋势。通常,水下捕捞机器人在进行海产品捕捞作业时,需要找到海产品,然后挑选生长成熟的海产品抓取,这就要求机器人不仅能识别海产品,还要能对其大小进行判断。本文将以海参作为主要研究对象,针对水下环境的特点,对水下折射现象导致的双目测量不准确问题进行了研究并对海产品的检测方法进行了研究,并在此基础上设计一种基于双目视觉的海产品尺寸自动测量方法,最终实现了自动寻找待捕捞海产品并判断其大小的功能。本文的主要研究内容包括以下几个部分:(1)开展水下双目视觉技术研究。相机成像时,光在水与空气的交界处会发生折射现象,这将导致双目获取到的三维信息不准确。本文通过建立水下相机成像模型发现折射对相机焦距与成像畸变造成了影响,并依据推导结果对水下双目相机进行标定,通过水下标定参数完成相机校准。在此基础上对双目相机进行建模,通过三角测量原理,推导得到图像上的目标点在空间中的实际位置。最后,本文在水下进行了三维重建以及三维测量实验,实验结果显示水下重建结果误差平均值小于0.154mm,相邻角点距离测量误差平均值小于1.29%。(2)开展水下海产品检测方法的研究。在综合考虑目标检测算法的精度和速度之后,本文采用了 YOLOv3目标检测算法检测海参并进行感兴趣区域定位,并对检测原理进行了分析。本文对水下机器人采集的大量水下海参图片进行了标注,结合URPC-2019所公布比赛数据集组成了水下海参数据集。通过K-means算法对数据集标注框进行聚类得到新的锚框,本文利用海参数据集借助新的锚框训练检测模型,模型最终检测mAP达到90.46%,通过分析阈值与F1分数的关系,本文最终选用0.5作为阈值,最终召回率达到80.34%。(3)开展水下海产品尺寸自动测量方法的研究。首先采用水下双目相机获取矫正图像与场景深度信息;利用YOLOv3检测模型检测左图像,对海参进行区域定位;对GrabCut算法进行了改进,加入深度信息高斯模型利用共分割方法来对于检测所得边界框内的图像进行分割,将海参与背景进行分离;对于分割到的海参结果,本文提出利用最小包围矩形法寻找最佳尺寸测量点,并通过三角测量求解测量点三维坐标;最终,将两点欧式距离作为尺寸测量结果。实验结果显示,海产品自动测量误差小于4.85%。