随着当今社会的发展，各个国家越来越重视海洋资源的开发。水下机器人因为体积小、操作灵活以及功能性强等特点，受到各国科研机构的重视。现阶段水下机器人的主要勘测手段有光视觉和声视觉。相比于声视觉，光视觉在水下机器人采集海洋信息的过程中有着更高的分辨率，是当前水下机器人采集水下生物信息的重要方式。本文以双目视觉为基础，对目前水下目标识别与定位技术中存在的问题以及解决方法展开研究。
　　研究基于双目视觉的水下目标识别与定位技术，主要包含图像增强、特征点提取、目标识别与目标定位几个重要步骤。在研究以上步骤时，本文均提出相应的改进创新方法旨在能够准确稳定的完成水下目标物识别与定位等操作。本文的主要内容如下：
　　首先，对双目相机进行水下标定分析，推导求解出双目相机的内外参数并进行图像矫正。采用四种传统图像滤波方法对水下图像处理并分析，通过对比结果发现其存在着加重图像模糊和图像边缘信息丢失等问题。针对以上问题，采用基于Curvelet软硬折中图像处理方法和高斯双边滤波的图像融合技术，通过多组实验对比有效解决了上述问题。
　　其次，对水下目标特征点提取方法进行了研究，通过引入梯度幅值计算以及利用改进的离散Gaussian-Hermite矩代替传统SURF算法中的Hessian，解决了传统SURF算法检测目标特征点少，匹配对数低的问题。在此基础上，还引入了改进的RANSAC剔除算法，利用迭代、拟合等方式高效的过滤掉了误匹配点，提高了特征点匹配的精度，实现了基于梯度幅值计算改进的MDGHM-SURF算法。通过采集到的多组水下生物图像进行特征提取实验对比，验证了特征提取方法的有效性。
　　再次，分别采用BOF和深度学习两种方法进行水下目标识别，针对传统BOF算法存在的效率低、精度低的问题，引入了空间金字塔匹配理论来实现视觉词典直方图，以此设计了改进的BOF算法；在深度学习识别方面，采用了基于SSD的目标检测算法，为了提高其灵活度，提出了通过自适应阈值判定置信度的SSD算法。通过对两种算法在不同实验环境下的效果对比，分析其优劣性。
　　最后，对水下目标定位方法进行了研究。针对水下环境，利用平行双目视觉模型推导得到了目标三维位置坐标的求解方法，随后通过SAD立体匹配算法实现了对水下目标的定位。通过对多组测距数据的实验对比分析，确定了定位的精度。