海洋作为地球上最为广阔的部分,其内部所拥有的资源具有极大的开发价值。近几年来,人们开始不断地开发海洋资源和空间,如在海底铺设大量的天然气管道以便于运输,因而,利用自主式水下航行器(Autonomous Underwater Vehicle,AUV)去探测海底天然气管道是否泄漏的技术,就具有极其重大的战略意义。不过,由于海洋内部环境的复杂性,自主式水下航行器在执行任务时常常会有障碍物干扰航行,因此,对水下障碍物的检测及避障进行研究,就显得尤为重要。本文基于自主式水下航行器搭载的多波束前视声呐采集的数据,开展了障碍物检测算法、避障算法和指令系统三个方面的研究:(1)基于采集到的声呐图像数据,本文首先提出了一种基于类间方差及小区域抑制的障碍物检测算法。该算法在快速计算得到声呐图像最佳阈值的基础上,针对声呐图像处理结果上依旧存在一定数量的噪声区域的情况,通过对最佳阈值的不断更新,使得声呐图像中障碍物检测结果更为精确。(2)本文在以上算法的基础上提出了一种基于深度学习及改进阈值分割的障碍物检测算法。该算法采用了YOLO v3网络,对声呐图像中的障碍物候选区域进行了检测,在得到的障碍物候选区域内,采用基于类间方差及小区域抑制的障碍物检测算法,获得准确的障碍物区域。本文将提出的上述两个算法与K均值聚类算法、自适应滤波阈值分割法、Otsu阈值分割法在检测精度和运算速度两个指标上进行了比较。实验结果表明,本文提出的基于类间方差及小区域抑制的障碍物检测算法相较于三种已有的方法,在两个指标上都有明显的优势,而本文提出的基于深度学习及改进阈值分割的障碍物检测算法更是在此基础之上,进一步提高了检测精度和处理速度。(3)在充分考虑自主式水下航行器的实际工作情况和工作环境的基础上,本文有针对性地设计了一套避障规则,并结合声呐图像的障碍物检测结果,提出了一种基于障碍物轮廓的避障算法,来估计合理的避障角度,传送给水下航行器的主控以控制航行器避开障碍物。(4)本文基于RS-232通信协议设计了一个串口通信系统和指令系统,实现了自主式水下航行器的避障板卡与主控之间的双向通信。本文最终将障碍物检测算法、避障算法和指令系统这三个模块结合,移植到一块作为自主式水下航行器避障板卡的PC104板上。在实际应用中,搭载该避障板卡的AUV成功入水航行,并在航行过程中成功避开了障碍物。