深蓝色的海洋一直是一个令人充满好奇和想象力的地方。近年来人类一直在努力探索和利用这片神秘的世界。水下机器人的出现提高了我们了解海底世界的能力。以有缆水下机器人（ROV）和无缆水下机器人（AUV）为代表的水下移动机器人，广泛应用于科学和军事任务的搜索和调查、海洋工程服务、测试和评估，其中，水下目标检测是完成这一系列水下工作任务的关键技术。由于视觉系统的高分辨率和低成本，许多水下机器人使用视觉系统作为主要传感机制。为了获取广阔的视野，广角摄像机在水下机器人领域中得到了广泛应用。然而，目前国内广角视觉系统发展的还很不成熟，采用广角摄像机存在着图像畸变等问题。在海水中，光线的吸收和散射特性，使视觉任务更加困难。在水下的特定环境中，机器人识别人造目标，人造目标上都有一些基本的特征，其中形状和颜色是最常见的特征。由于水下图像受到低对比度、非均匀光照等影响，水下目标通常运用基于形状的目标检测算法进行检测。虽然相比于陆地上，颜色很少作为水下目标的特性，但由于颜色本身所固有的对尺度变化、目标位置变化、以及局部遮挡的鲁棒性，使得颜色成为一个简单有力而且非常可靠的信息特征。然而在水下，由于衰减的存在，使得颜色随着距离的变化而变化，不少学者通过嵌入合适的照明系统或通过估计标准物体表面的反射光谱来解决这一问题。这些方法虽然能够很好实现目标检测但是需要额外的设备或者先验知识，限制了光自主机器人的目标检测。因此研究如何解决广角畸变的校正以及如何实现快速、鲁棒的基于颜色的水下目标检测具有重要的意义。本论文以水下机器人（ROV）平台的视觉为研究对象，针对水下目标检测的关键理论问题进行了研究，基于近年来国内外的研究成果，对高精度广角畸变的校正、衰减系数的求解以及基于颜色的目标检测算法进行了重点研究和实验。在复杂的水环境下，提出了一定的改进算法，提高了水下目标检测的鲁棒性和准确性。本文的主要研究工作如下：1)针广角摄像机存在图像畸变等问题，本文以基于二维平面的标定方法为研究基础，重点研究了标定靶的角点检测算法，提出了一种基于梯度重心法（COG）的角点检测优算法。利用梯度值的平方作为权重因子，基于重心法实现角点坐标的优化，从而通过提高角点坐标的精确度，来提高摄像机标定的精确度和鲁棒性，进而提高广角畸变校正的精确度和鲁棒性。通过角点检测的重复率实验、摄像机标定重投影试验以及广角畸变校正结果的对比试验，验证了本文所提优化算法具有较高的精确度和鲁棒性。2)针对基于颜色的水下目标检测的传统算法需采用额外设备或者先验知识的缺点，学习水下颜色变化的经典模型，并重点研究分析了利用衰减系数实现基于颜色的水下目标检测的算法。基于近年来国内外的研究成果，实现了一种基于不同距离目标图片的简单有效的水下衰减系数的求解算法，进而利用衰减系数实现基于颜色的水下目标检测，并且通过增加限制条件，进一步优化目标检测效果，从而实现了一种快速、鲁棒的基于颜色的水下目标检测算法。3)基于Matlab工具箱实现本文算法。首先利用Bazeille等人所提供的水下图片，进行水下目标检测的试验，以检验改进算法的有效性；然后利用ROV广角摄像头拍摄水下实际场景的图片，以检验该算法在ROV实际应用环境中目标检测的性能。实验表明，改进的基于颜色的水下目标检测算法在鲁棒性、精确度方面有所提高，可以满足水下机器人实时目标检测的应用需求。