海洋中蕴含丰裕的资源,探索海洋的意义重大。水下机器人作为探索海洋有效的工具,逐渐成为研究的热点。水下机器人可以代替人类进行水下作业,甚至突破人类水下作业的限制。为了安全航行和高质量作业,水下机器人必须要具备精确的水下目标检测和定位技术。由于在近距离范围内使用时,声呐容易受到干扰而精度降低,而视觉方法的精度高但存在图像质量下降的问题。而相机的标定是水下精确定位的前提。因此,本文针对浅水域的水下机器人的基于视觉的水下目标检测和水下相机标定方法进行了研究。针对水下图像质量下降的问题,提出了一种综合图像恢复、颜色校正和亮度调整的清晰化处理方法。基于水下光学特性分析和水下光学成像模型进行水下图像恢复,将暗通道先验理论运用于水下场景,以此估计图像恢复所需要的的背景光强度和透射率。以灰度世界假设为基础进行对颜色恢复,采用伽玛变换方法对图像的亮度进行调整。经过清晰化处理后,水下图像的质量得到提高。针对于水下目标的检测,基于水下机器人航行和作业过程中的目标通常与背景存在差异的特点,提出了一种以视觉显著性为基础的水下目标检测方法。根据水下视觉的特点对Itti模型进行改进并获取初步显著图。考虑到深度信息对于水下视觉的重要性,用深度信息优化显著图,并采用分割方法从显著图中提取水下目标。针对于水下相机的标定,建立了水下折射相机模型,并设计了水下相机的标定方案。在水下相机成像的过程中,光线经历了水体-防水外壳-空气的多次折射,因此陆地上常用的相机模型不再适用。基于光线的传播过程,建立了完整的水下折射相机模型。在折射相机模型中,需要标定的参数是相机参数和外壳参数。相机的内参和外参采用张正友标定法进行标定。针对外壳参数标定,建立误差模型,通过粒子群优化算法进行优化求解。以实验室水下机器人为平台,进行了水下图像清晰化、水下目标检测和水下相机标定实验,验证了本文方法的可行性。