针对无人艇（USV）在地下封闭水体中卫星定位信号缺失、通信受限、环境光线弱等问题，提出一种地下封闭水体内多USV协同的视觉定位方法。首先，设计一种艇载光源合作标志物，并根据艇身结构与应用场景对标志物结构进行优化；其次，采用单目视觉采集标志物图像，并求取特征点的图像坐标；再次，根据摄像机成像模型，基于合作标志物特征点的空间坐标及其对应的图像坐标之间的关系，通过改进直接线性变换方法求解相邻艇间的相对位置；然后，利用前后艇的摄像机进行艇间对视，并通过最小方差算法，融合根据前后艇摄像机图像求解所得的相对位置，以提高相对定位精度；最后，利用场景中已知的绝对坐标，获得各无人艇的绝对位置。仿真实验对影响定位误差的因素进行分析，并把所提方法与传统直接线性变换方法进行对比。结果表明，随着距离的增加，所提方法求解优势更趋明显，在距离15 m时求解的位置方差稳定在0.2 m²以内，验证了所提方法的准确性。静态实验结果表明，所提方法能将相对误差稳定在10.0%以内；地下河道内的动态实验结果表明，所提方法求解的绝对定位的航行轨迹达到与卫星定位相当的精度，验证了所提方法的可行性。

无人艇（USV）在河道水面作业过程中，水草会缠绕推进器，这是整个业界应用都遇到的困扰。针对水面图像中水草分布的全局性、分散性以及边缘和纹理的复杂性，对U-Net进行改进并用于对图像所有的像素进行分类，以减少网络特征信息的丢失，并加强全局和局部特征的提取，从而提高分割性能。首先，采集多地多时段水草图像数据，制作了一个比较全面的水草语义分割数据集；其次，提出在U-Net中引入三个尺度的图像输入，从而使得网络对特征进行充分提取，并引进三种上采样图像的损失函数来平衡三种尺度的输入图像带来的总体损失；此外，还提出了一种混合注意力模块并引入到网络中，其包含空洞卷积和通道注意增强两个分支；最后，在新构建的水草数据集上对所提网络进行验证。实验结果显示，所提方法的准确率、均交并比（mIoU）和平均像素精度（mPA）值分别可达96.8%、91.22%和95.29%，与U-Net（VGG16）分割方法相比，分别提高了4.62个百分点、3.87个百分点和3.12个百分点。所提方法可应用于水面无人艇对水草的检测，并进行相应的路径规划来实现水草避让。