由于水下无人航行器(Unmanned Underwater Vehicle,UUV)体积的限制,使得自身携带的能量有限,所以需要定期回收UUV来对其进行能量补充。可见,UUV的水下回收是UUV的重点研究方向,在UUV回收时,如何对回收装置进行跟踪是UUV回收过程中的要点。本文以UUV叉柱式回收方式为背景,研究回收过程中对目标光源的跟踪问题。具体研究内容如下:UUV叉柱式回收中的单目视觉系统。提出了“L型控位”的回收策略来实现UUV的叉柱式回收。采用D550水下手电筒作为目标光源设计了L型光源阵列和Tritech公司的水下摄像机Tornado组成了单目视觉系统。在此基础上,介绍了单目视觉系统的模型和设计了单目视觉系统的定位方法。此外,在UUV纵倾角存在的情况下改进了艏向偏差角算法,通过对水池试验采集到的样本仿真,验证了改进艏向偏差角算法的有效性。UUV叉柱式回收中的目标光源识别。由于水下环境的复杂多变,水下图像需要先进行图像滤波、图像分割这两种预处理操作。由于水下噪声多为椒盐噪声,因此采用中值滤波对图像进行滤波操作;针对实际应用中光源面积大小不等的问题,采用阈值分割的方法进行分割操作。提出了基于斜率和相对距离的目标识别方法,可以识别出L型光源阵列的目标光源并计算出它们的像素坐标。然后,根据伪光源的位置不同,分别设计了基于几何关系和光源面积的伪光源去除方法。当目标光源处在背景光环境下,采用卷积滤波的目标识别方法处理背景光。UUV叉柱式回收中的目标跟踪方法。首先介绍了核相关滤波的基本理论,如循环矩阵、岭回归、核函数、HOG特征,其次,设计了基于核相关滤波的目标跟踪方法。该方法主要分为:训练正负样本、训练核相关滤波器、快速检测目标光源以及更新核相关滤波器的模型。为了适应摄像机移动过程中目标光源尺度变换的情况,设计了基于目标尺度变换的核相关滤波(KCF)算法。针对目标光源被遮挡的情况,设计了基于背景减除法的KCF算法。UUV叉柱式回收中的目标跟踪模拟试验。首先介绍了目标跟踪试验的硬件组成和总体流程;其次设计了UUV目标跟踪模拟试验方案,该方案大体分为三部分:检测水下摄像机可视区域、UUV在单自由度下的目标跟踪和UUV在目标遮挡情况下的目标跟踪;然后进行了UUV在纵横向变化、垂向变化、艏向变化以及遮挡状态下的目标跟踪模拟试验;最后通过对水池试验结果分析验证了KCF算法、基于尺度变换的KCF算法以及基于目标遮挡状态下的KCF算法的合理性和有效性。