无人船能够在水上自主航行的关键在于其快速、高效的自主路径规划能力,而优异的自主路径规划能力主要依靠其对周围环境的准确感知。无人船环境感知的原始数据来源于各种船载传感设备。单纯使用一种传感设备,难以满足无人船高速行驶的过程中对感知的速度和精度的要求,基于此,本文提出了一种基于毫米波雷达和视觉传感器融合的环境感知方法,该方法使用两种传感器分别对无人船前方的有效障碍物进行提取,并通过构建感兴趣区域的方式将两种传感设备获取到的障碍物信息进行融合,从而提升无人船的环境感知能力。本文的研究的主要内容如下:一、基于毫米波雷达的无人船前方有效障碍物获取方法。该方法首先通过卡尔曼滤波对毫米波雷达获取的障碍物的下一周期信息进行预测,根据预测结果判断目标的延续性,在此基础上引入生物学中的生命周期理论,结合目标的延续性,对障碍物的有效性进行判断,以降低由环境因素引起的虚警对测量的影响,达到准确获取障碍物信息的目的。二、基于视觉传感器的无人船前方障碍物获取方法。为抑制由阴影、水面倒影、水面光照不均、波纹状光斑及光照反射等水面环境因素引起的图像噪声,首先提出了基于均值漂移滤波的模糊C均值水面目标图像分割算法,该算法利用均值漂移算法的非参数性对彩色图像进行滤波,获取图像聚类中心和类别数,并将其作为初始化参数传递给模糊C均值算法进行聚类,最后使用大津法对图像进行二值化,从而完成图像分割。在此基础上对图像进行轮廓提取,并通过形态学处理及人工阈值设定,筛选出有效目标轮廓,完成前方障碍物获取。三、基于毫米波雷达与视觉传感器融合的无人船前方障碍物感知方法。首先通过坐标系的转换完成空间上的融合,其中摄像机的标定采用张正友单目摄像头标定方法;其次使用多线程处理的方式完成时间上的融合。在此基础上提出了基于感兴趣区域的多传感器融合方法,根据毫米波雷达探测到的障碍物方位信息构建相应的感兴趣区域,与视觉算法获取的障碍物轮廓的最小外接矩形进行匹配,确定有效目标的位置及覆盖范围。通过搭建传感器及信息融合平台,分别在陆地和模拟水面环境中对上述方法进行了测试,测试结果表明该融合方法能够检测出陆地及水面环境中与背景对比明显的较大静止目标物,并确定其位置及二维覆盖范围,其检测结果与真实值接近。