水下光视觉技术作为水下机器人研究的重要内容之一,水下目标识别和三维定位技术是水下机器人探测和作业的基础和关键技术,已经成为水下机器人研究的热点问题之一,受到国内外学者的广泛关注。水下光视觉技术研究对提高水下机器人智能化水平具有重要的研究意义和实用价值。本文对水下机器人目标识别与三维定位技术中的水下图像预处理、目标物形状特征提取、纹理特征提取、特征融合以及结构光三维定位、系统标定、目标自动识别与单目视觉的三维定位等具体问题进行了相关的研究工作。在水下图像预处理研究中,针对经典中值滤波算法在脉冲噪声出现概率较大时会使图像产生失真的问题,本文引入自适应中值滤波,通过变换窗口的大小,并且判断窗口内的像素中值及滤波处的像点是否为脉冲噪声,分别进行处理,减小了图像的失真,保护了线段或边缘等细节信息。水下图像极低的对比度使得基于传统的结构特征或一般的灰度特征进行模糊增强难以达到理想效果。针对此问题,本文在变换域内进行模糊增强,基于最大熵原理确定增强阈值,增加背景和目标物的对比度。通过实验对本文提出的预处理方法的有效性进行了验证。在目标物特征提取的研究中,本文在传统Hu氏不变矩的基础上,增加摄像机镜头径向畸变因子,重新构造新的不变矩,使得目标像素点的灰度值与像素位置得到更好地对应,提高特征向量对目标物的聚类能力：结合统计法和频谱法提取目标物纹理特征,并且将来自目标的形状和纹理特征进行融合,产生比单一特征更精确和完全的判决。设计了基于改进BP算法的神经网络分类器,特征提取和目标识别实验验证了本文方法的有效性。在水下目标物三维定位的研究中,针对双目或多目立体视觉匹配难的问题,本文提出一种线形激光发射器与水下摄像机相结合的单目视觉三维定位方法。该方法采用几何原理,三维坐标通过参数计算获得而非在线估计,同时本文对水下折射的影响进行了修正,减小了深度信息的失真,定位精度得到提高。在线结构光中心条纹提取技术研究中,针对水下的散折射影响使得光强并非像传统的灰度重心法中一样严格地符合正态分布的问题,本文提出一种基于阈值法和可变方向模板技术相结合的改进算法,提高了线结构光图像的处理速度和光条纹中心的提取准确性。水下目标定位实验验证了本文提出的定位方法以及修正水下折射法方法对于提高目标三维定位精度的有效性。在摄像机和定位系统的标定研究中,针对传统的马颂德方法中空间正交平移运动难于实现的问题,本文提出一种基于平面正交平移运动的摄像机参数标定方法,并且加入摄像机径向畸变因子,标定精度得到了提高；对于线结构光系统的标定,基于平移变换的思想,以简化标定结构为主要目标,提出一种针对线结构光的单目视觉定位系统结构参数标定方法。水下目标定位实验验证了本文提出的系统标定方法可以提高目标物三维定位的精度。