水下无人机器人(AUV)在执行交互任务时需要准确的视觉引导信息,由于结构光测量系统的测量精度基本不受光线折射和衰减效应的影响,被广泛应用于水下目标的三维重建。而水下场景的非结构化、目标与其他水下物体重叠和遮挡、测量数据单视散乱的特点,均为水下目标的定位带来困难。针对水下目标定位的诸多问题,本文在随机抽样一致性原理(RANSAC)的基础上,研究了一种基于点云数据的水下目标三维特征提取与定位技术。本文的研究内容有以下几个方面：1.基于水下目标包含的规则部件模型的曲面特征及成像后的边缘特征,将目标模型描述成图像线特征与点云面特征的组合,并以目标的线特征与面特征作为定位的先验信息。2.对目标视场图像进行分割运算和边缘提取运算,将视场图像分割成若干包含目标或者不包含目标的区域。按照先验信息中对目标线特征的描述,依次对分割区进行特征线检测,满足条件的作为目标区域。3.提出一种基于RANSAC算法的二维椭圆线检测方法,依据表征椭圆完整度的评价系数,实现对图像边缘中的椭圆线的检测。4.根据结构光测量系统所得图像与点云的映射关系,提取投影到目标区域中的点云,并按照先验信息中对目标面特征的描述,对该部分点云进行特征面检测,初步估计目标的尺寸和位姿参数的近似值并提取目标点云。5.采用基于RANSAC算法的三维曲面检测方法,实现对点云中的规则曲面如：球面、圆柱面、圆锥面、圆台面及长方体面等的识别。6.针对曲面模型参数不统一的问题,采用超二次曲面作为目标的部件化模型,将不同类型的曲面变为具有一致参数的超二次曲面模型。7.以目标的尺寸和位姿参数的近似值为初值,基于超二次曲面的标准方程建立非线性目标函数,采用Levenberg-Marquardt(LM)算法对目标参数进行全局优化,从而得到目标的定位结果。本文算法无需对目标场景点云进行分割,也无需对目标进行离线建模,仅需要提供目标成像边缘包含的线特征及本身曲面特征,即可实现目标的自主定位。通过实际实验对本文算法进行验证,实验结果表明：本文算法定位精度高,能有效定位未知尺寸的人造目标,且对水下复杂环境有较强的适应性。