本文基于华中科技大学研发的“huster-68”无人艇,重点研究了无人艇环境感知技术。通过对水面环境的语义分割,判断天空,水岸和水面的区域位置;通过进行水面目标检测得到目标的位置和大小;通过低对比度水面目标识别对由于光照或者天气原因造成水面环境图像质量较低时的目标进行识别。将上述得到信息传送给中央控制系统实现自主巡航。本文详细的研究内容如下:(1)在对水面图像进行语义分割时,针对传统图像分割方法和全卷积网络的分割效果不够精细的缺点,提出了联合偏振度和全卷积网络(Fully Convolutional Networks,FCN)的语义分割网络。通过合成偏振度图像之后再与原场景的RGB图像作为数据集输入到本文提出的RGBP-FCN网络中,得到最终的分割结果。经过实验表明,此算法的分割效果比传统方法和全卷积网络的分割效果要更为精细。(2)在对复杂水面进行目标检测时,针对传统目标检测方法容易受噪声干扰的缺点和卷积神经网络无法进行泛型检测的缺点,提出了分别在LAB颜色空间和HSV颜色空间应用视觉显著性目标检测算法。LAB空间下检测出的目标轮廓较为完整,但是会有水面噪声的干扰,HSV空间下几乎没有水面噪声,但是目标轮廓不完整,根据上述两种算法的优点,决策级融合了二者的结果。实验表明,此算法在抑制了水面噪声的同时,可以检测出不同尺度、大小和类别的目标。(3)在对低对比度水面目标识别时,针对图像增强中传统多尺度Retinex(Multi-scale Retinex,MSR)的参数需要人工调整的缺点,提出了REMSR卷积神经网络代替了原算法,并且提出了在REMSR网络后级联目标识别网络,通过低高级任务结合的方式实现了低对比度图像到目标识别标签的端到端网络。为了进一步提高准确率,本文对REMSR网络进行了预训练,然后进行微调。经过实验表明,低对比度水面图像的目标识别效果已经有了较大提高。