在水产养殖渔业中,鱼的尺寸等生长态势信息对于水产品的养殖管理有着重要的意义。鱼的尺寸及其变化信息不仅反映了其自身的生长状况,还反映了在水产养殖过程中存在的问题。传统的鱼体尺寸测量方法是将鱼捞出后用尺子等工具进行手工测量,这种方法不仅费时费力,还会对鱼体本身产生一定的伤害。随着集约化生产养殖规模的不断扩大,传统尺寸测量方法的弊端日益显露,如何高效、准确、原位的获得养殖鱼类的尺寸等生长信息成为当前急需解决的问题。本文以绿鳍马面鲀为实验对象,以双目视觉理论为基础,采用基于TOF（Time of Flight）辅助的双目视觉检测算法,实现了水产养殖环境下基于计算机视觉的水下鱼体尺寸检测。主要研究的内容如下:（1）介绍了双目视觉技术基本原理和基本流程,TOF深度相机的成像原理,分析了单一的双目视觉技术或TOF技术在三维测量时的优势与缺陷,找出在纹理区域、遮挡区域两者测量准确度的区别。（2）设计了水下视觉系统结构,主要包括耐压壳体、光学镜片的方案选择,密封性的方案设计,实验证明该结构能够满足密封性、抗压性等要求。通过分析轴线平行式双目测距系统,推导出其测量误差传递函数,分析了视场角、基线距、焦距以及测量距离四个因素对测量结果的影响,并利用Matlab进行仿真分析,得到了光学系统各参数的取值范围,最终确定了水下双目视觉系统的各参数。（3）针对单一的双目视觉或TOF深度相机在对动态鱼体进行三维测量时的不足,采用了 TOF辅助的双目视觉深度获取算法,实现两者的优势互补,获得了高质量的深度图。该算法通过设计TOF深度能量函数指导双目立体匹配过程,提高了双目匹配在低纹理区域和重复纹理区域的匹配正确率。而在图片的其他区域,分别设计了 TOF和双目立体匹配置信度权重函数,实现两者像素级的融合,以此来获得更高精度的水下场景深度图。从箱线图和散点图的结果来看,TOF辅助的双目视觉的性能更好。本文为了获得高质量的深度图,采用了基于TOF辅助双目立体匹配算法,实现了水下动态鱼体的原位、准确、高效检测。通过设计水下光学结构,实现了水下鱼体照片的原位采集。