1.一种自动躲避的仿海鬣蜥机器人的水下运动控制方法，包括以下步骤：

1)机器人按照预定航向角向着目标位置前进，双目摄像机拍摄水下的图像；

2)上位机根据躲避算法处理图像并计算出机器人位置和障碍物位置，然后根据路径规划得到躲避航向角，再根据运动模型向单片机发出控制指令；

3)单片机根据尾部和四足的运行状态做出反馈，控制尾部和四足运动，精准控制机器人水下运动，机器人自动躲避障碍物并朝目标位置逼近；

所述仿海鬣蜥机器人包括头部、躯干、尾部和四足；所述头部设有双目摄像机，躯干设有上位机模块与单片机模块；上位机模块电连接双目摄像机与单片机模块，单片机模块电连接尾部和四足；

所述路径规划包括根据机器人位置、障碍物位置、目标位置，建立虚拟势场，目标位置对机器人产生引力，障碍物对机器人产生斥力，根据所受合力的方向与大小决定躲避航向角，不断获取躲避航向角以确定到达目标位置的避障路径；

所述引力公式为：

其中：Fatt为目标位置对机器人的引力，Uatt为引力势场，q为水下机器在水中位置，qgoal为目标位置，ε为尺度因子，ρ(q,qgosl)为机器人位置与目标位置的欧几里德距离，dgoal为防止引力势场过大的阈值，可根据仿海鬣蜥机器人周围环境状况修改；

所述斥力公式为：

其中：Frep为合斥力，Frep1为防止碰撞排斥分力，Frep2为防止陷入局部极小值的排斥分力,Urep为改进式的斥力势场，nOR为与Frep1同向的单位向量,nRG为与Frep2同向的单位向量，n为正数，η为正比例系数，ρ(q,qobs)代表物体和障碍物之间的距离，ρ0代表障碍物对目标点的影响半径，pobs为障碍物位置；

所述躲避航向角的计算公式如下：

其中：目标位置为(Xgaal,Ygoal)，机器人位置为(X,Y)，第i个障碍物位置为(Xobsi,Yobsi)，Fatt为目标位置对机器人的引力，Frep1i为i个障碍物位置对机器人的防止碰撞排斥分力，Frep2i为第i个障碍物位置对机器人的防止陷入局部极小值的排斥分力，θ为机器人到目标值的向量角，αi为第i个障碍物到机器人的向量角，为机器人避障航向角。

2.根据权利要求1所述的一种自动躲避的仿海鬣蜥机器人的水下运动控制方法，其特征在于：所述躲避算法包括：

1)水下障碍物图像预处理

将图像分割成多个区域，通过计算区域对比度获取每个区域的显著性值，如果识别出障碍物，在图像上进行标注，进入下一步，否则按照预定航向角前进；

2)水下障碍物图像动态识别

①获取障碍物

确定图像中障碍物的基本几何元素，运用视觉计算，通过迭代的方法进行极小化，即给定一个初始圆圈，经过迭代，向外扩展，任意方向在碰到图像障碍物的基本几何元素后停止扩展，而其他方向继续扩展，并最终收敛于目标轮廓，采用Snakes算法，框选出障碍物以获取障碍物轮廓；

②获取二维描述

将前后获取的不同图像中的障碍物轮廓进行对比，确定障碍物的运动状态，如果障碍物是运动的，进入下一步；

③获取物体定整的三维描述

将前后获取的图像中的障碍物轮廓进行对比，判断障碍物的运动方向；

3)障碍物水下定位

将图像进行灰度化处理，运用RGB模型，计算出R、G、B的平均值作为灰度值：I(x，y)＝(R(x，y)+G(x，y)+B(x，y))/3；

其中I(x，y)表示位于(x，y)处的像素，R(x，y)、G(x，y)、B(x，y)为该点像素的R分量、G分量、B分量值分别的灰度化；

读取图像上框选出的障碍物轮廓外的不同检测点的灰度值I，若连续n个邻域检测点大于阈值P，判定检测点为特征点，将特征点与海域图像数据库进行比对，如果图像匹配则得到障碍物位置和机器人位置。

3.根据权利要求2所述的一种自动躲避的仿海鬣蜥机器人的水下运动控制方法，其特征在于：所述运动模型包括：当机器人在水中上升或下潜时，控制尾部摆动，四足缩起；

当机器人曲线运动时，控制尾部轻微摆动来调整方向；

当机器人在海底直线爬行时，控制四足做对角步态运动，尾部拖行不摆动；

当机器人在海底直线爬行遇到障碍物时，控制尾部摆动来调整方向，同时四足运动；

当机器人在近海底游动时，未碰到障碍物时仅尾部摆动，四足缩起，遇到障碍物控制四足运动来蹬离障碍物；

当遇到海浪时，控制四足和尾部共同运动以保持稳定。