本文主要研究了一种水下自主机器人--自主机器鱼基于视觉的自主定位问题。旨在构建一个完整的视觉定位系统,使自主机器鱼能够依赖单个摄像头,通过采集到的场景图像来实时确定机器鱼在运动场地中的位置。　　 第一,本文介绍了自主机器鱼的软硬件结构。基此结构,自主机器鱼可以实现环境感知、自身定位、自主决策及运动。回顾和总结了现有的移动机器人视觉定位算法,提出了自主机器鱼基于单目视觉的自主定位系统。　　 第二,研究了作为自主定位依据的目标识别算法。综合比较各类特征识别的优缺点以及适用范围,本文使用色彩分割的方法对自主机器人所采集的场景图像进行目标识别。通过彩色阈值分割、去噪声、区域增长的算法识别色块,并将两种颜色块组合作为识别目标,继而给出了计算摄像头和目标距离及夹角的算法。实验证明,该目标识别系统具有较好的准确性和实时性。　　 第三,将几何定位算法应用于自主机器鱼,并根据机器鱼硬件计算能力和运动场地实际情况进行改进。考虑到水环境运动干扰大和光照不均匀,采用了对同一目标多次识别结果求平均以及利用多次圆相交定位结果求平均的算法,改善了机器鱼利用几何推理方法进行自主定位结果的准确性和鲁棒性。　　 第四,将蒙特卡洛定位方法应用于自主机器鱼并加以改进。采用概率计算的方法来描述、处理机器鱼定位过程,以及复杂环境带来的不确定性。首先,针对粒子滤波器和一般移动机器人蒙特卡洛定位方法中出现的粒子退化问题,在重抽样阶段采用Metropolis-Hasting算法加以改进,有效解决了“机器人绑架”问题;其次,通过仿真实验找到粒子权值更新公式的各项最优参数。　　 最后,通过将两种算法在自主机器鱼上实现及实验,证明了两种算法的有效性和鲁棒性,并对两种算法进行了对比分析。