在如今这个科技日新月异的时代,人们开始热衷于交通系统智能化的研究。无人艇作为水面交通安全系统的重要一员,在实际生活中得到越来越多的应用,在理论方面的研究价值十分可观,其开拓前景十分广阔。其中,计算机视觉作为无人艇导航的眼睛也是至关重要的一部分,目前计算机视觉的发展速度日益加快,其在交通安全、工业检测、生物医学、军事、航空航天等领域的应用都得到大量的普及,但是目前依然面临着很多的挑战,视觉中还有很多技术难点需要去解决。本文以无人艇智能导航为研究目标,针对自主驾驶技术中对环境信息的捕捉,应用视觉传感器,对内河河道线检测和中线检测、前方船舶检测中的特征提取与跟踪的技术展开了研究。针对内河河道线的检测进行了研究,采用形态学处理,并对Sobel算子与Canny算子的实验效果进行比较,采用了效果较好的Canny算子;然后运用改进的概率Hough变换。最后检测出了河道线和中线并向控制端发送无人艇偏移理想航道线即中线的角度,用于调整无人艇的航向。实现导航避障功能的前提,需要对目标进行识别跟踪。提取目标特征是目标识别的关键技术,这里针对特征描述进行了研究,论文提出将熵用于图像边缘的复杂度描述。先进行运动目标边缘检测,对运动目标边缘轮廓的坐标进行一阶差分、二阶差分,再根据一阶差分、二阶差分坐标组合数值出现的次数求取边缘一阶差分和二阶差分信息熵。由邻近点坐标的一阶差分和二阶差分包含有边缘的方向、形状信息和变化趋势的特点,提供一种通过求取边缘点坐标的一阶差分信息熵和二阶差分信息熵的方法来描述目标边缘复杂度的方法。卡尔曼滤波在运动目标跟踪中得到了广泛应用,本文采用速度、位置、信息熵作为Kalman滤波的三个状态变量来对船舶目标进行跟踪,对追踪目标的后续状态具有较强的预测能力,定位目标准确,跟踪效果明显。