水面无人艇作为海上的一种高智能化载体,配备视觉感知和红外感知设备。各感知设备拥有各自独特的优势,为水面目标识别带来更丰富、全面的目标信息收集方式,使无人艇对目标信息的判断更加准确。此外,水面无人艇在航行过程中,由距离、观察角度等因素引起目标尺度的改变,导致目标的特征发生显著的变化,影响到无人艇对目标信息“理解”。在此背景下,本文开展异构传感器的变尺度目标识别技术的研究,以期提高水面无人艇自身的智能化水平。在对红外和可见光图像配准时,针对热传递会导致棋盘格黑白分界线处出现模糊的现象。利用球状发热物体发热时向四周均匀散热的性质,设计了一个制作简单且成本较低的红外和可见光双摄像机圆形标定装置。标定试验结果的反向投影误差约为0.15个像素,验证了设计标定平台的合理性和实用性。针对异构传感器的特征融合存在特征一致性和优化融合策略2个难点开展研究。构建密集连接网络提取目标的特征信息,削弱可见光图像和红外图像间物理意义的差异,降低融合图像在空间位置上的偏差量,实现特征级融合;提出新的加权平均融合和改善后的串行融合2种新融合策略,利用L1范数的稀疏化性质使特征在融合时能够根据自身的特点对特征信息做合理的选择,实现了较好的融合效果。常规的神经网络采用单传感器解决目标的变尺度问题,存在目标特征信息单一的缺陷。利用异构传感器的深度融合特征设计特征金字塔网络,以增强网络对目标尺度变化的鲁棒性。借助红外传感器对小目标探测距离远的优势,对采用新的加权平均融合策略、低层特征间融合网络做改善,提高整体的目标识别精度。由变尺度目标识别结果证明了异构传感器的变尺度目标识别效果优于任一单传感器,实现了各传感器间资源的优势互补。在实际的海洋环境中,以“Robot-X”为试验平台,对采用新的加权平均融合、低层特征间融合的目标识别网络做外场试验。试验结果表明构建的目标识别网络能够从整体上提高整个特征级融合系统的精度和实时性,减少了因环境和非目标因素干扰引起的误识别和错匹配情况,改善了在复杂海洋环境背景干扰下的目标识别的精度,显著地增强水面无人艇的智能综合感知能力,实现真正意义上的“视觉”。