糖尿病性视网膜病变是糖尿病的典型并发症,有效的激光治疗是延缓病情恶化的关键。眼底激光光凝手术机器人可辅助医生筛查眼底病变以及手术执行,降低医生劳动强度,提升治疗效率。而视觉识别与跟踪系统是眼底激光光凝手术机器人的核心,可有效辅助医生进行术前方案分析、术中跟踪执行。目前眼底激光手术视觉识别与跟踪仍面临一系列关键挑战:首先,手术安全区域难以界定;其次,患者眼底的微小异常血管及出血点难以实现自主识别;再者,眼底黄斑作为激光治疗的关键靶标难以定位;最后,眼底图像的动态跟踪是手术成功的关键。本文围绕激光光凝手术机器人的视网膜特征识别与眼底动态跟踪相关问题展开研究,主要工作与创新性如下:针对激光光凝手术安全区划分难题,提出了眼底手术预分割策略。基于Gamma变换优化图像,研究了Canny等边缘识别算子的眼底分割效果,得到了边缘完整且清晰的安全区轮廓预分割二值化图像,为后文更细致的分割提供基础参考。针对眼底异常血管图像辨识与分割难题,研究了基于U-Net轻量网络的眼底血管图像分割方法。针对现有的专业标注眼底血管数据集较小、训练数据不足的问题,提出了基于优化与数据增强的分割模型训练方法,通过图像切块、Overlap-tile策略等优化方法,增加了数据集并完成训练,获得了高精度高准确率的眼底血管分割器。针对黄斑的识别与定位难题,提出了基于YOLO改进模型的黄斑识别定位方法。基于OIA数据集采集带病灶与带黄斑图像,制作新的数据集。通过缩放变换、马赛克增强、色彩空间调整的方法增强训练集,通过设定自动学习锚定框提高算法自适应性,利用设定自适应缩放函数提高计算性能,采用GIOU Loss改进损失函数,最后获得了灵活性高、适应度高、计算速度快、且准确度不错的黄斑识别定位模型。提出了以视盘作为目标的眼底动态跟踪策略,为手术机器人伺服控制提供基础。基于仿真模拟生成的眼底相关运动的视频流,通过视盘模板比对确定了眼底锚定框。研究了粒子滤波器、MOSSE滤波器的视盘跟踪效果,研究了基于融合HOG特征与颜色直方图双通道的计算模型,完成相关实验测试,得到了对光照变化、行动模糊与尺寸变化均有很高鲁棒性的视盘跟踪器,完成了跟踪任务。