水下自主机器人(Autonomous Underwater Vehicle,AUV)由于其具备高自主性,高隐蔽性和高灵活性的特点,是如今探索海洋的重要工具。受限于水下通信及自身电池续航能力,AUV需要与回收坞站进行对接回收以完成数据传输、指令下达和能源补充等工作。因此,作为一种自主机器人,AUV如何自主定位回收坞站并向之迫近是研究中必不可少的环节。由于GPS信号在水下作用范围有限,声学定位及电磁定位受限于环境及自身精度,无法满足回收末端定位需求,尝试将机器视觉应用于水下定位以辅助AUV回收成为了近年研究热点。文章根据水下视觉定位工作流程,对各步骤算法进行了研究,提出了一整套针对光源目标的水下视觉定位策略。首先从图像预处理出发,分析了光在水体中传播的衰退特性,在该特性的基础上使用了一种基于水中退化模型的图像复原方法,并根据含光源目标图像的特点,对图像进行了增强及滤波以凸显出图中目标,且在此基础上改进了OTSU算法,使之能够更有效地分割提取出图中光源目标,抑制掉无效信息。随后,为了辨别提取目标区域内是否为目标光源,将Alex Net作为特征提取器,SVM作为分类器,提出了一种基于CNN特征的光源识别算法以剔除伪目标;双目立体匹配是双目视觉定位的前提,因此接着分析了双目立体匹配的原理,并结合提取出的光源特征,改进了双目立体匹配的约束,提高了匹配的精准性及实时性。然后,为了提取出目标的中心作为定位目标,根据光源目标的特征及前文已有的处理结果,改进了Hough变换并加入多重约束,使得Hough变换用于定位光源目标中心成为了可能;为了研究视觉定位原理,接着分析了摄像机的成像模型,阐述了用张正友标定法的原理,并分析推导了水下带有折射参数的标定成像模型为下文算法的改进提供理论基础;通过上文的方法获取了所有定位前提条件后,紧接着分析了传统双目视觉模型的原理,并根据水下实际拍摄工况,对定位模型进行改进,推导得到了水下双目视觉定位模型,以弥补折射造成的定位误差,并且还根据对接光源目标的排布阵列,设计出单目视觉定位模型作为双目视觉定位的补充。最后,设计并进行了摄像机陆上、水下标定实验以求出摄像机内外参数,为单双目定位提供前提条件。然后在得到标定数据的基础上设计并进行了基于视觉的AUV回收末端模拟目标定位实验,分析了不同定位算法得到的定位数据及特征,验证了文中算法及视觉定位策略的可行性。