随着对海洋探索的深入和科技的不断发展,水下机器人领域对提高机器人智能化程度的需求越来越迫切。在水下作业过程中,感知自身运动状态是实现机器人运动控制和定位导航的前提,更是体现机器人智能程度的重要标志。因此,对小型水下机器人运动状态感知方法的研究具有较强的现实意义,本文主要工作内容如下:(1)采用裁剪平移等数据扩充方法,解决现有数据集的数据不平衡问题,完善了海生物数据集;根据检测速度和准确率,选用并重新训练基于YOLOv3的目标检测网络,实现对海生物在图像中的分类定位;针对水下目标检测召回率不高的问题,引入soft-NMS进行改进,提高了海生物的召回率。(2)通过对比不同水下图像增强方法,选用直方图均衡化方法,在较小耗时情况下极大地增强了图像信息;针对特征点匹配过程中的误匹配问题,引入随机抽样一致性算法进行改进,有效降低了误匹配;提出综合利用目标匹配点数量、目标类别和目标位置的目标比对策略,准确判断不同图像中的目标是现实中同一目标的可能性。(3)提出一种基于关键目标库的小型水下机器人运动状态感知方法,采用三角定位原理对检测到的可视作静止的目标物进行三维定位,反馈得到机器人的初步运动状态数据,使用箱型图分析和五点三次滤波得到最终的运动状态;提出一种分配置信度的关键目标库技术,解决依靠相邻两帧进行运动状态感知的不稳定问题,有效提高运动状态感知的稳定性。(4)开展小型水下机器人运动状态感知实验研究,搭建状态感知实验平台,完成不同速度,不同地形运动状态感知实验及与采用加速度计进行运动状态感知的对比实验,验证本文所提出运动状态感知方法的可行性,适应性及优越性。