当前地球人口数量持续增加,人类消耗的资源也越来越多,因此随着陆地上的资源逐渐枯竭,海洋资源的勘探与研究也吸引了越来越多国家的注意力。故作为水下研究载体的自主水下机器人也越来越受到大家的重视。当水下机器人在进行水下目标跟踪和识别、水下管线探测和水下资源探测时,机器人的视觉系统为其运动和作业提供引导,故机器人视觉系统的应用研究受到了越来越多的关注,国际水下机器人大赛正是为了促进机器人水下目标识别与跟踪技术的发展而设立的。本论文以水下机器人大赛为背景。首先,针对水下环境中的光照较弱和光照不均衡的状况,分别给出了全局光照补偿方法和非线性亮度自适应补偿方法。全局光照补偿方法对图像光照进行了适当的补偿,保留了图像的正常信息,丰富了图像的细节;非线性亮度自适应补偿方法不仅有效地减弱了光照不均衡对图像的影响,而且使图像的信息丢失得较少,验证了采用的颜色校正方法的合理性。其次,针对传统背景消除法的目标检测方法容易将变化的背景部分误认为运动目标的现状,本文在传统背景消除法的基础上引入了一种自适应背景更新算法对其进行改进,最通过实验验证了改进后的检测算法既保持了实时性,同时也具有更高的辨识精确度和鲁棒性。然后,系统在识别和发现目标之后,采用了基于颜色特征的粒子滤波跟踪算法对目标进行跟踪和靠近。跟踪实验结果验证了粒子滤波跟踪算法跟踪实时性好、抗噪声干扰能力强,具有很好的环境适应性。最后,当系统接近目标后,采用一种激光辅助的方法,利用激光三角测距原理来得到图像上的像素点所代表的目标长度和距离之间的关系,通过此函数关系,来计算目标上的激光点数目就可以对目标形状进行测量,验证该方法设计的合理性。