随着水域资源的迅速开发,无人船因其高度自主性成为水上自动化的未来发展趋势。而环境感知能力是下一代无人船自主化与智能化的重要衡量标准,其通过各传感器的融合与关联赋予无人船对环境的语义理解能力和对环境中目标的状态估计能力。但是因为运算成本问题,当下多数基于各传感器融合的无人船环境感知系统无法做到在线处理,且不包含对于目标的运动估计能力。这在很大程度上限制了无人船的自主性和低成本的优势。针对上述无人船在线感知能力有限和计算成本高的问题,本文研究了应用于小型无人船的在线感知系统,其融合了立体视觉和滤波算法,赋予了无人船对于环境中目标物的语义理解能力和对目标物的运动状态估计能力。该感知系统的主要目的是让无人船拥有在线环境解析能力,其包括基于立体视觉的目标稀疏语义理解与基于假设分析滤波器的目标状态估计。在低运算成本下,满足无人驾驶任务对语义信息的理解要求和目标跟踪任务对状态的估计要求。本文研究内容围绕上述感知系统开展,主要完成了以下工作:(1)针对轻量级环境语义信息的提取问题:本文研究了一个可以在GPU上实时工作的稀疏语义提取网络。其结合了YOLO和HED子网络进行目标物提取,设计了Modified ResNet网络与语义掩码模块进行语义信息细分。网络整体实现了低运算成本下,目标语义信息的稀疏提取。(2)针对视觉信息的尺度模糊问题:本文通过立体视觉为感知系统增加尺度信息,且研究了一种基于语义信息的后端优化算法,通过多代价聚类优化减少误匹配,并完成目标物的稀疏语义点云构建。(3)针对目标物的运动追踪与预测问题:本文研究了雷达-视觉融合模块和假设分析滤波器,让无人船获得对目标的运动和状态的估计能力,解决目标跟踪问题。本文提出并证明了一种假设分析滤波器算法,其使用了“非线性迁移”噪声模型并迭代地估算了条件概率密度的矩。在本文的实验场景中,本滤波器收敛迅速,对初值不敏感,跟踪效果好。