无人船是一种新型的近岸海域环境监测平台,海面障碍物准确检测是无人船在复杂环境条件下自主安全航行的关键。相比雷达、船舶自动识别系统等检测手段,双目视觉通过处理匹配可见光双目图像测算近景障碍物位置,实施成本低、角分辨率高,但目前近岸海域双目视觉障碍物检测方法存在虚警、漏警和位置测算不准确等问题。论文针对海面近景障碍物检测虚警和漏警的问题,对可见光图像海天线检测和障碍物检测方法进行了深入研究,在此基础上,为准确匹配双目图像对应点,提高障碍物位置测算精度,对立体匹配方法开展了深入研究,具体研究内容如下:首先,为获取高质量的海上可见光双目图像,满足无人船自主避障对障碍物定位精度的需要,综合考虑无人船海上应用环境条件、安全避碰范围等因素,设计了宽基线双目视觉障碍物检测系统。调研分析了现有标定方法的精度、所需的设备条件,选用张正友标定法实现了检测系统的标定。其次,因为海天线是近景障碍物检测的重要参考依据,而目前海天线检测方法尚不能有效抑制海面反光、前景目标遮挡等因素的干扰,鲁棒性较差。为此,提出了一种基于时域灰度梯度的海天线检测方法,通过计算图像序列中邻近两帧的灰度差来增强海天线的边缘特性,减小图像背景的复杂度,进而可在不同场景中准确检测出海天线。实验测试结果表明,本文方法的准确性和鲁棒性优于三种代表性主流方法,且计算复杂度低。然后,针对近岸海域环境复杂,近景障碍物纹理差异大等因素引起的障碍物检测虚警率和漏警率高的问题,提出将深度学习单次多边框检测器（Single Shot Multi Box Detector,SSD）应用于近景障碍物检测,并通过盒子滤波抑制障碍物的纹理特征,提高SSD网络模型的泛化能力。在青岛、威海近岸海域通过无人船、快艇等手段采集了可见光图像,构建了用于网络模型训练的图像数据集。实验测试结果表明,本文方法检测近景障碍物的虚警率和漏警率低。最后,针对船载相机晃动、光线强度变化等因素引起的立体匹配歧义,导致障碍物位置测算不准确的问题,提出了一种基于F-KAZE特征提取算法的立体匹配方法,通过提取非线性尺度空间中障碍物的轮廓角点,基于极几何约束条件实现对应点的匹配。实验测试结果表明,本文方法的匹配准确率优于三种代表性主流方法,可有效提高障碍物位置测算的精度。