高精度定位导航技术,尤其在卫星不可用情况下的定位,被认为是当前十大关键工程难题之一,也是实现无人艇智能化和“无人化”的核心问题之一。本文正是基于内河水域无人艇视觉定位的需求,尝试利用艇载视觉图像与信息融合技术对无人艇自身进行位置估计,采取先相对定位后绝对定位的技术手段:相对定位通过视觉里程计算法实现,但该算法需要稳定可靠的视觉特征,所以需要先提取图像稳定区域以帮助稳定特征的获取,再利用稳定特征求解无人艇的相对运动;绝对定位通过先建图后定位的方式实现,其中仅建图过程需要高精度位置信息,定位只需视觉传感器和卫星定位信息（文中采用普通GPS）,既能够保证定位的精度,又能够减少对高精度位置信息的依赖。具体地,本文主要展开了以下几个方面的工作:（1）为实现艇载视觉图像稳定区域的提取,进而获取稳定可靠的视觉特征,本文以水域图像的水岸线为研究对象,提出了多种水岸线检测算法。首先,本文借鉴水天线检测的思想,采用Canny、Hough与RANSAC组合算法（CHR）实现直线状的水岸线检测;其次,针对CHR算法受限于Hough变换计算复杂度高的问题,提出了线性复杂度的LSD与RANSAC组合算法（LR）,可一定程度上改善检测性能,但直线拟合的方法仅适用水岸线为直线的情况;最后,针对内河环境中水岸线的实际情况,提出基于图像序列（MP）的水岸线检测算法,采用由粗到精的策略构建岸上线段池进而生成非水面区域,实现非直线水岸线的检测,并通过现场实验证明该方法满足USV实际场景需求。（2）为实现无人艇在内河水域环境的相对定位,本文提出了一种基于图像稳定区域视觉特征的无人艇相对定位算法,该算法通过视觉里程计（VO）来实现。首先,针对经典ORB-SLAM算法在水域环境中无法初始化的问题,统计分析特征点的生存时间和重投影误差,并详细描述了水域特征点的不稳定性,基于此,将水岸线检测算法引入到VO框架中,以实现不稳定特征的去除;其次,通过特征点匹配数量和运行时间对多种特征提取和匹配算法进行性能比较,得到其中最适合内河水域环境的特征处理方式,并设计了专用于水域环境的Water-VO算法,该算法主要包括关键帧选择、系统初始化和相对运动估计,基于精度和运行效率考虑,其运动估计采用先估计旋转后估计平移,以及窗口优化的方式进行;最后,经现场实验验证,Water-VO方法不仅可以解决在水域环境中因不稳定视觉特征导致的初始化失败问题,而且通过去除不稳定视觉特征可以提高无人艇定位和运动轨迹估计的精度。（3）针对高精度绝对位置估计的需求,本文利用视觉地图技术,提出一种基于GPS与视觉图像融合的无人艇多级定位方法。首先利用DGPS和视觉传感器采集场景信息,生成相应的视觉地图,该地图由等距节点组成,其节点包含相应的DGPS信息和图像相关信息;其次,在定位阶段,依次利用GPS信息粗定位,图像信息细定位和运动估计精定位分别得到粗定位节点集、精定位节点和与精节点的相对位姿关系,从而实现无人艇的高精度定位;最后通过水池实验,东湖实船实验和内河实际测试对算法的性能进行实验,并针对相应问题提出改进方案,实验结果表明,该方法仅需要普通相机和GPS模块,即可在保证定位精度的前提下最大程度地降低其定位成本。（4）当GPS信息缺失时,提出了一种仅利用视觉信息的无人艇定位方法。本文首先利用区域原则、顺序原则和连续原则代替GPS的粗定位,进而补充和完善无人艇的多级定位策略,构成完整的纯视觉定位方法;然后,针对因多相机策略导致待定位点的解不一致问题,引入联邦卡尔曼滤波框架,将定位过程融合为一个连续稳定的整体;最后通过实验进行验证,该方法在GPS信息缺失情况下,通过缩小定位范围实现无人艇的高精度定位,是内河水域无人艇视觉定位的可靠补充。至此,为有效满足内河水域无人艇的高精度视觉定位需求,本研究按照从相对定位到绝对定位的思路,提出了上述系列方法,并经现场实验验证其有效性和鲁棒性。这些方法可构成一个面向内河水域、基于艇载视觉的无人艇定位系统,以促进无人艇的“无人化”与智能化的发展。