近年来，人类对海洋世界的探索不断深入，对水下机器人的感知与导航能力的要求也不断提高，而现有水下机器人在自主导航方面的鲁棒性和智能性尚存不足。生物双髻鲨具有感知能力强、运动灵活等优势，受其启发，本文围绕仿生机器双髻鲨的水下环境感知与自主导航方法开展工作，重点研究了其仿生系统设计与运动控制、水下视觉感知和多传感信息导航等内容，为高性能水下仿生机器人系统研发提供重要的理论基础与技术支撑。本文主要内容如下：

一、受生物双髻鲨独特的生理结构和运动模态启发，提出了一种新型仿生机器双髻鲨设计方案，构建了仿生头翼结构以充分发挥其在视觉感知和运动机动性方面的优势，搭建了机械系统和软硬件控制系统，完成了原型样机研发。结合仿生机器双髻鲨的运动特性，基于牛顿-欧拉建模法和准稳态升阻力模型，构建了全状态三维动力学模型，通过仿真和实验验证了所建模型的有效性和准确性。参照生物双髻鲨横滚运动现象，设计了机器双髻鲨的横滚侧游仿生运动模态，并通过水动力分析和实验验证了该运动模态的性能优势。针对仿生机器鱼水下视觉稳定性不足问题，提出了基于非线性模型预测控制的头翼关节增稳控制方法，显著降低了视觉图像抖振，为机器双髻鲨的环境感知与智能导航奠定了良好的视觉基础。

二、针对水下视觉图像退化问题，提出了一种融合物理模型与神经网络的水下图像质量复原学习方案。首先，为了解决传统监督学习缺乏参考真值样本的问题，提出了一种基于循环生成对抗网络的无监督水下图像风格迁移框架，实现了从不成对的图像中学习数据分布信息，显著降低了数据采集成本；其次，为了提升无监督的生成图像质量，构建了基于改进的Jaffe-McGlamery模型的水下复原图像生成器，将传统单一的深度卷积生成网络解耦为场景深度图、环境光总量、吸收衰减因子和后向散射因子四个子估计网络；进一步提出了基于光学特性的训练范式，通过增强各个子估计网络的内联约束，提升了生成图像的复原质量；最后，模型消融实验证明了所提框架与训练范式的有效性，多个数据集的对比实验验证了所提方案的优势。

三、针对仿生机器鱼的水下自主避障探索问题，提出了基于真实数据驱动的三阶段深度强化学习训练框架。首先，提出了基于专家经验的示教初始化方法，提高了训练早期的样本采样效率；其次，设计了基于PPO算法的机器鱼实时训练策略，实现了训练中期稳定实时的环境交互及状态、动作更新；再次，提出了周期性最优数据采样方法和基于模仿学习的策略微调方法，提升了机器鱼针对困难水下场景的训练效率；最后，基于所提框架在真实水下环境中实时训练得到基于局部传感信息的神经网络水下自主导航控制器，实现了机器鱼在未知水下环境的自主避障和探索任务，有效避免了传统强化学习存在的“仿真--现实”差异，验证了所提方法的有效性。

四、针对仿生机器双髻鲨的水下视觉自主导航问题，提出了基于视差注意力机制的深度立体注意力导航网络。首先，结合机器双髻鲨的双目视觉特征，改进了传统视觉导航网络的特征提取模块；其次，设计了独立可嵌入的立体视差注意力模块，构建了光度损失函数和视差特征有效性掩膜，从空间域和通道域同步增强对多尺度的双目特征中视差显著区域的深度挖掘；再次，通过网络消融实验确定了所设计立体视差注意力模块的最优嵌入数量与嵌入方式。在无需附加人工规则和滤波算法的情况下，基于视差注意力机制的深度立体注意力导航网络仅通过对专家经验的模仿学习成功掌握了以水下任务驱动的自主避障、目标搜索等导航策略。最后，仿真和水下实验验证了所提视觉导航方法的有效性和优势。