无人船是未来我国捍卫领海主权,保卫海洋安全的重要工具,同时在水域监测、商用养殖、科学考察、水上设备监测等领域也起着越来越重要的作用。视觉感知具有快捷、直观、信息量丰富等优点,已逐渐成为无人船一种不可取代的感知手段。其不管是在无人船的避碰、海上结构物的运维,还是目标物的巡检等方面都发挥着不可替代的作用。目前,无人船的视觉感知技术研究主要集中在水上障碍物识别上,而对于水下障碍物,特别是同时具有水上和水下结构的障碍物识别研究较少。此类障碍物既有水上部分也有水下部分,由于水和空气介质不同造成的折射影响,要获取障碍物水上水下全貌,常常需要布置水上摄像头和水下摄像头,并对两者信息进行拼接融合。本研究开展面向无人船航行障碍物视觉图像的水上水下融合技术研究,根据障碍物特点,对水上、水下图像进行预处理、边缘检测、拼接和融合等算法及实验的研究,重构障碍物的水上水下整体情况,从而进一步提高无人船的全方位感知性能,进而提升无人船的自主决策能力及智能化水平,相关结果也可应用于无人船的海上运维、目标识别、目标检测等多种应用场景。论文的具体工作包括:（1）基于无人船航行障碍物水上图像和水下图像的不同特点,进行了障碍物水上图像和水下图像的拼接融合特性分析,在此基础上进行了面向无人船航行障碍物视觉图像融合系统软件和硬件框架的设计与搭建,并对关键传感器进行了选型与联合标定。（2）针对水上图像去雾,基于传统暗通道先验技术架构,优化透射率估计,通过大气光值的快速估计,降低算法时间消耗,提升去雾质量。针对传统的暗通道先验技术,引入了RGHS和自适应参数,进行基于自适应参数的RGHS水下图像清晰化处理。对障碍物实际图像及其倒影进行了对称特征提取,应用多示例学习方法进行对称轴检测。（3）对经过图像预处理之后的障碍物实际图像进行了基于自动多种子点的区域分割。提出了一种改进的Canny算子边缘检测算法,在梯度强度统计信息计算的基础上实现自适应阈值,改变了图像预处理方法,对拼接区域进行了直方图正规化,最后对改进前后的实验结果进行了评价。（4）构建了基于扩展邻域的障碍物拼接模型,对障碍物图像中的特征进行了定义与表示,分类进行了编码点的归一化差分计算。通过获取障碍物的原码与子码,实现了障碍物边缘图像编码点的匹配计算与拼接,并对算法的有效性进行了评价。引入注意力模块,利用基于图像驱动的Frustum-Point Net融合检测算法,进行了障碍物图像与点云的融合,获取全面的障碍物避碰信息。