本文主要围绕浑浊水体下的三维环境重建算法展开研究。本文既借鉴了众多研究者对不同大气厚度下的图像除雾算法,又考虑了水下图像衰减因素的复杂性,结合在纹理特征缺失下的三维环境重建算法,设计出一种能够适应水下浑浊度在一定范围内变化的三维重建算法。本文的主要研究内容包括:第一,不同浑浊环境下的浑浊度量化研究。当水下机器人在不同的浑浊环境下作业时,环境的浑浊度是不一样的,因此需要明确水下机器人在不同浑浊环境下的浑浊度范围。在本文中借助浊度仪根据散射法的原理测量在不同环境下的浑浊度范围,然后根据测量得到的浑浊度范围对其进行浑浊分级。第二,不同浑浊度范围下的图像增强模型研究。本文考虑在浑浊水体下所采集视频数据的特殊性,首先将影响水下成像的干扰因素主要分为四类:吸收和散射、内散射、多重散射以及随机噪声;然后分别对这几种因素所造成的图像衰减进行分析,先利用导向滤波器除去随机噪声对图像的干扰,并建立人造光模型,将水下机器人自身携带的光源与太阳光光源综合考虑,接着将干扰因素数学模型化,建立图像增强模型,最后讨论在不同参数下基于GGD的PSF函数值的变化。第三,衰减因素影响下的三维环境重建算法研究。本文充分考虑到水下图像的衰减性和纹理特征缺失的特殊性,提出基于直接法的单目相机三维重建算法。首先考虑到单目相机的特殊性,给出了基于单目相机的深度测量方法——三角测量法;然后简述了在图像跟踪过程中的PnP问题模型,并给出了相应的P3P和EPnP解决方案;最后提出了基于直接法的单目相机跟踪原理,并分析了深度滤波器的更新以及图像关键帧的提取和更新方式,并基于3D相似变换将当前关键帧与候选帧进行相似度配准,实现全局地图的更新和拓展。最后,本文选取了浑浊水体下的3-4个测试集,分别进行了不同环境不同浑浊度范围下的对比实验。通过实验的对比验证与分析可知,本文提出的三维环境重建算法,在一定浑浊度范围内变动的环境下具有较强的稳定性,都能够实现较高精度下的半稠密地图。