地球表面是由几块大陆地和环绕着大陆地的海洋组成,海水所占的面积约为3.6亿平方公里,占地球表面积的71%左右,可以说地球大部分被海水覆盖着。海洋不仅是世界贸易的主要路径,还蕴含着丰富的自然资源。我国和西方发达国家一直重视发展海洋装备,提高对海洋的控制和开发能力。水面无人艇(unmanned surface vehicle,一般简称为USV),是近年来研究出来的一种无人控制的水面舰艇。水面无人艇可以应用于多种民用和军事任务,例如,海上环境监测、人员搜索、反水雷;海岛地图测绘、海上设施维护和水文地理勘察;潜艇反潜、反特种作战以及港口巡逻、打击海上走私、反海盗等。因此开展水面无人艇的研究具有重要的理论意义和现实应用价值。本文依靠“WAM-V-USV”作为载体研究对象,主要研究了非稳像条件下无人艇的水面运动目标的深度检测与跟踪方法。本文的研究目标是所提方法能通过水面无人艇实际应用,能应用到水面目标检测和跟踪问题。通过水面图像处理,得到运动目标或障碍物的信息,作为水面无人艇进行自主作业的必要条件,有助于提高水面无人艇的智能化程度。根据研究内容,本文主要分为以下5个部分:首先,介绍了该课题研究的背景及研究意义,回顾了国内外水面无人艇的研究现状和水面无人艇水面环境感知技术的发展,梳理了水面无人艇基于光视觉感知和激光雷达感知技术的研究现状,包括水面目标检测技术及水面目标跟踪技术。其次,总结了水面图像特点,研究了评价水面图像质量的评价指数PNSR和SSIM,对两种方法进行了水面图像的验证。在此基础上,提出了基于彩色图像三通道距离差异的评价图片质量的方法,验证了方法的实用性和准确性。实现了 canny和Hough结和的水天线检测以及SVM和Roberts结合的水天线检测,分别验证了两种方法的优缺点。最后对水面目标存在倒影的问题进行了研究,提出了一种用形态学方法消除倒影的方法,解决了因为水面目标倒影存在造成目标检测跟踪性能降低的问题。然后,利用相机采集到的光学图像信息和激光雷达采集到的点云信息进行了信息融合,利用深度神经网络对光学图像进行处理,得到目标的种类,检测置信度及目标位置。同时利用激光雷达图像的点云信息,得到目标的距离和方位信息。最后,融合两者信息,得到水面目标或障碍物的种类、检测置信度及距离水面无人艇的距离和方位信息。接着,研究了水面目标的跟踪方法,分别利用改进YOLO-V3框架、Dlib目标跟踪和改进光流场法对水面运动目标位置信息进行跟踪,并对方法进行了改进,通过制作的数据集对跟踪方法进行了验证,验证了所使用方法在水面运动目标跟踪的性能和有效性。最后,介绍了“WAM-V-USV”试验平台的体系结构,并基于该试验平台的硬件系统和软件体系系统设计了环境感知系统。进行外场试验,对基于深度学习的信息融合目标检测算法和目标跟踪算法进行验证,对试验数据进行处理分析,验证了所使用目标检测和跟踪方法的准确性和实用性。