自主式水下机器人（Autonomous Underwater Vehicle,AUV）,由于其具有高主动性、高灵活性和高隐蔽性的特点,近年来在海洋资源开发领域中备受各国重视。随着AUV的技术不断提高,针对AUV水下常驻作业的需求也逐渐增多,而受到自身可携带能源的限制和水下通信环境的干扰,AUV作业完成后需要与对接平台（Dock Station,Ds）进行水下自主对接以完成能源补充、数据传输和指令更新等工作。因此,AUV如何自主检测识别DS,并向之靠近最终完成对接的过程是研究中必不可少的环节。本文重点关注AUV光视觉对接导航中姿态估计的问题,开展了相关算法研究与实现。本文的研究内容是使用单目水下光源图像进行航行器姿态估计的研究与实现。首先,设计DS引导光源布局方案;其次,通过摄像机获取水下光源图像;最后,获取光心坐标计算得到姿态参数。本文的主要研究工作如下:（1）给出一种面向漏斗型DS的多光源引导系统本文从水下光强模型出发,以光源独立成像为定位最佳成像条件,详细分析了现有多光源引导系统最佳成像条件所需的距离,并结合深度定位与有效区定位精度的比较,提出了一个面向漏斗型DS的最佳多光源引导系统,并阐释了该方案的光视觉定位原理,通过P4P算法实现水下对接目标标志点的单目视觉定位,获得AUV的姿态信息。本文给出的最佳多光源引导系统有效降低了水体吸收和散射对光线传播路径的影响,由此降低了成像光斑信息模糊的概率,从而提高了定位精度,同时延长了定位有效距离。（2）构建了水下图像的折射补偿模型本文首先介绍了折射对单视点模型成像的影响,其次阐释了张正友标定法的原理,最后分析了光线先经过水体再经过空气的折射路径,对物点虚像的形成过程进行数学描述,然后根据空间坐标点与像素坐标点一一对应的关系建立了水下图像的折射补偿模型,将水下图像映射到SVP模型对应成像图像,实现了折射畸变的矫正,为后续定位测量提供条件。实验结果表明,本文采用水下图像的折射补偿模型,有效地将测试图片中受到水下环境影响产生畸变的部分复原,降低了定位误差。（3）提出了一种基于形态学的AUV水下标志点获取方法摄像机捕获的水下图像通常存在清晰度差、光源边缘模糊、杂质干扰等问题,这些问题使得AUV获取目标光心的难度大大增加。针对上述问题,本文提出一种基于形态学的水下标志点获取算法。首先分析了水下图像真伪光源特性,给出了粗分割方案,进而给出伪光源剔除方法,然后提出了一种基于改进的自适应加权局部阈值分割算法,对不同距离下图像中的光源部分进行识别与分割,并使用开运算进行强噪声滤除,实验表明本算法可以更有效地提取出目标光源的区域,抑制背景中的无效信息,同时提高了运行效率,增强了实时性;其次分析水下图像的颜色分量特征曲线,针对传统中心检测算法存在的局限性,提出一种基于红通道加权的光源圆心算法,并给出了一种基于几何关系的光心匹配算法。（4）仿真设计与实验本文进行了航行器陆上标定实验以确定摄像机内外参数并进行标定精度验证,在得到标定数据的基础上进行了水池定点实验和水池回收实验,对比传统姿态估计系统与本文系统得到的定位数据,验证了本文姿态估计系统的有效性及实时性。