海面无人船(Unmanned surface vehicle)是一种重要的海洋装备,在海洋信息勘探、近海巡逻等方面有着重要作用。环境感知技术是无人船正常驾驶的核心关键技术,而其中视觉环境感知技术又是决定无人船是否能被大面积推广的重要关键技术。视觉环境感知系统最主要的任务时探测障碍目标的位置,同时还包括信息记录、环境检测等任务。然而海面视觉环境感知系统由于环境干扰等问题较大,现阶段发展并不成熟。主要的问题有:当障碍目标较小时,由于海面背景较为空旷,背景区域比例太大,造成目标显著性较低,容易出现漏检问题;由于海面雾气影响,成像时经常出现雾化情况,造成物体难以被检测等问题;无人船在复杂环境中的目标跟踪问题。为解决这些问题,视觉环境感知系统通常要包含许多子模块,为此本文对视觉环境感知系统的各个子模块在海面环境中的适应性进行深入研究。本文研究适用于海洋环境的视觉环境感知系统。根据课题要求,结合海面环境特点,研究视觉环境感知系统的系统总体方案;根据海面环境特点,研究海面目标区域提取技术,来获取潜在目标的区域,达到减小无效图片区域处理的效果;为充分挖掘视觉系统采集的图片信息,研究海天区域分割技术;为使目标检测算法适应海面成像特点,研究海面去雾技术,针对去雾技术的局限性,研究目标检测算法的抗雾方法;根据任务需求,同时使无人船环境感知系统在运动中也能稳定探测物体,研究海面目标跟踪技术。根据海面环境特点,研究海面目标区域提取技术。海面无人船在正常工作时采集的图片具有较为空旷的特点,直接利用采集的原始图像进行后续处理不仅浪费了计算资源,同时还可能使得目标区域被过度压缩,发生目标漏检问题。为此,首先对目前主流的目标提取方法进行适应性研究,分析典型的显著性检测算法作为目标区域提取方法应用到海面环境存在的问题。为了解决显著性检测方法存在的耗时长以及漏警等问题,研究采用浅层卷积神经网络,通过实验测试方法效果。为充分挖掘视觉系统采集的图片信息,研究海天区域分割技术。无人船在海面环境中采集的图像通常包含天空区域,而天空区域的目标对本课题没有价值。同时海天区域界线区域通常是新目标出现的区域,因此研究海天区域分割技术对视觉环境感知系统有重要利用价值。为此,本文对主流的基于Hough线检测的海天界线检测技术进行研究,深入分析其存在的问题。为解决基于Hough线检测对于不连续海界线检测能力弱的问题,在满足实时性要求的前提下,提出采用基于知识迁移的全卷积网络进行海天区域分割。为了验证其效果,通过实验进行测试。雾天是干扰视觉环境感知系统的最主要因素。为此,研究海面目标检测方法的抗雾技术。对目前主流去雾算法进行实验,分析其去雾效果以及算法耗时。为解决去雾算法耗时较高以及去雾效果较弱等问题,研究目标检测网络的抗雾方法。为解决目前没有抗雾样本的问题,研究基于大气单散射逆向模型雾天样本生成方法。为实现最佳的抗雾效果,首先通过主流目标检测模型测试不同能见度对其检测效果的影响,确定合适的能将度样本序列,通过不同的样本组合方法对主流目标检测神经网络进行实验。为完成课题的多种跟踪场景的目标跟踪任务,对目标跟踪技术进行研究。研究主流目标跟踪框架在海面场景下的适应性问题。针对本文抗雾目标检测网络特点,研究目标检测与卡尔曼滤波器结合的目标跟踪方法,并通过雾天场景视频进行实验验证。针对基于目标检测网络与卡尔曼滤波器结合的目标跟踪方法无法处理多目标跟踪场景的问题,研究基于循环神经网络的目标跟踪方法,并通过多种跟踪场景研究基于循环神经网络的跟踪特性。最后设计通过能见度来判断当前场景最合适的跟踪方法的目标跟踪框架。