无人水下航行器如今广泛应用于海洋环境的搜救、勘探以及打捞等高风险作业任务,具有单目视觉导航能力的水下航行器可以更加安全高效的帮助人们规避风险、完成水下作业。因此,水下航行器的单目视觉导航研究具有重要的意义和应用价值。本文针对浅水域环境水下航行器单目视觉导航,提出水下图像的单目视觉场景解析算法和水下航行器的安全航行策略,改善了水下单目视觉图像中特征信息难以获取和视觉感知导航动作决策实时性欠佳的问题。主要研究工作如下:首先,针对水下单目视觉图像中环境深度、类别和区域等感知信息难以获取的问题,提出利用深度学习强大的特征提取能力设计视觉场景解析算法。一方面,针对水下图像缺少真实深度标签数据的问题,采用一种结合自我运动估计的无监督深度预测算法,引入残差神经网络提高深度特征预测的准确性;另一方面,针对水下图像易受光照影响、色彩度和对比度降低的问题,提出一种色彩通道处理的显著性标记算法,既消除光照影响、增强色彩特征,又得到优异的标记数据集用以提升检测分割算法的准确性。其次,针对视觉感知信息处理影响视觉导航实时性的问题,提出结合场景解析的安全航行策略。通过场景解析信息融合保留重要感知信息,降低信息处理的计算强度;利用安全区域估计过滤危险程度较高的区域;结合安全区域超像素分割在安全区域中估计当前航行目标点。最后,通过在真实环境下的进行实验,验证基于深度学习的视觉导航方法能够实现单目视觉感知条件下安全航行动作和障碍物规避。综上所述,本文从视觉场景解析和安全航行策略两个方面对水下航行器单目视觉导航展开研究。通过引入深度学习神经网络算法,提升浅水域单目水下图像的场景解析能力,提高了感知信息提取的准确性;通过设计与场景解析相适应的安全航行策略,保证了视觉导航的实时性和有效性;并通过实验验证基于深度学习的视觉导航方法实现水下航行器单目视觉导航。