由于水面无人艇可以在一些危险且难以到达的水域为人类完成工作,其在军民等领域得到了越来越多的使用。但是目前无人艇仍然没有实现自主化回收,这一技术难题阻碍了水面无人艇整体智能化技术的发展。近年来,深度学习以及视觉技术的飞速发展推动了水面无人艇朝着自主化、智能化方向不断迈进。基于视觉的母船检测和无人艇定位技术可以让无人水面艇在自主航行时实时地检测母船目标,确定无人艇的相对距离和方位,是无人艇实现自主回收的关键。本论文通过单目视觉研究了基于母船识别、方位和距离的检测算法,完成了以下工作:（1）针对YOLOv4算法应用于海面船舶目标检测时存在模型较大、参数多,导致检测实时性不好等问题,提出了基于Ghost Net的船舶目标检测算法。首先,采用改进后的Ghost Net轻量级网络对YOLOv4的主干网络CSPDark Net-53进行轻量化处理,以压缩模型的大小,降低参数量,达到提升检测效率的目的。其次,将检测层中的普通卷积（3×3卷积）使用改进的深度可分离卷积进行替换,大大减少参数量的同时,保证目标检测的精度。并且,在主干网络的三个有效特征层后面加入了三个CBAM模块,用于保证模型的检测精度。在Sea Ships数据集上进行船舶目标检测实验,实验结果表明:改进后的算法在保证目标检测精度的前提下,检测速度由原来的60FPS提升到了114FPS,该算法性能较好地平衡了检测精度和检测效率,为无人艇回收定位任务中的母船目标检测提供了技术支撑。（2）针对无人艇回收导引过程中基于单目视觉精确定位的问题。本文设计了一款人工标识,放置母船上,利用无人艇上的单目相机拍摄人工标识,经解算获取无人艇相对母船的距离和方位。人工标识由四个红色圆环和四个绿色的圆环组成,无人艇由远及近靠近母船,首先检测到外面四个红色的圆环,当距离足够近时可以检测里面绿色圆环。分别采用红色和绿色圆环进行定位,定位原理相同,都是通过颜色阈值分割以及最小二乘法拟合椭圆进行标识识别和定位,但两者定位精度有区别。由于圆环在透视变换下会变成质心分离的椭圆环,本文利用透视交比不变性进行圆心的修正。圆心的像素坐标以及世界坐标已知,利用P4P算法获取变换矩阵,通过分解变换矩阵,获得距离和角度。试验结果表明,定位精度满足无人艇定位导引的需要,10米以内的位移误差在4cm以内,角度误差小于5°。该文研究内容为无人艇的自主回收提供了技术支持。