无人艇(Unmanned surface vehicle,USV)具有相对成本较低、安全可靠等优势,近年来逐渐成为海洋无人作业的主力军之一。无人艇的环境信息获取主要依赖视觉、红外、雷达以及水声等探测手段,在实际获取的海洋环境信息中,视觉信息的分辨率更高,含有更多的边缘信息,提取的特征更加有效。因此,本文以搭载视觉感知单元的“Robot-X”型无人艇为研究对象,主要研究其在典型环境下对水面目标的检测与定位方法,用于得到目标或障碍物的种类、位置信息,支撑无人艇后续的危险规避、运动规划方法研究。本文的主要研究内容如下:第一,为了提高无人艇在成像条件不佳和特征质量不高等情况下成功检测海天线的能力,对海天线的特点和检测难点进行分析,并通过无人艇采集系列图像,构建一个海天线分割数据集。结合神经网络理论的特征分类技术,提出了基于全卷积网络的海天线检测方法,通过全卷积网络对图像像素点进行分类,得到其类别信息后结合在图像坐标系中的位置进行海天线拟合,解决了直线特征受干扰时检测的不稳定问题。第二,针对海洋环境下目标像素占比小或者部分重叠可能造成的漏检现象,分析和总结了现有检测原理的局限性和优化方向,并针对“Robot-X”型无人艇工作环境和作业任务特点,构建一个水面目标多场景检测数据集。结合特征融合思想,提出一种基于区域建议网络的水面目标检测方法,提高了水面目标区域建议的召回率,增加了检测算法对不同复杂环境的鲁棒性,通过了实艇的外场试验验证。第三,设计一种基于图像信息和点云信息融合的水面目标定位策略,构建信息匹配准则,将图像的种类、边界框信息和激光雷达的距离、角度信息进行匹配和融合,应用于“Robot-X”型无人艇并开展外场试验研究,验证水面目标检测与定位方法的可靠性。