随着人工智能技术、传感器、计算机的发展,船舶开始朝着智能化、体系化方向发展,无人水面艇（Unmanned surface vehicle,USV）成为了继无人机之后的研究热点,在军用以及民用方面都有广阔的发展前景。USV能够在高度动态和不确定性的海洋环境中自主有效对障碍物进行规避是其顺利完成任务的前提。本文研究了USV在静态障碍物和动态障碍物环境下的路径规划方法,论文的主要研究内容如下:首先对USV国内外发展现状进行了论述,简要介绍了国内外对USV在全局路径规划和局部路径规划中避碰算法的研究成果和存在的不足,结合自主避碰相关算法特点,本文选取了粒子群算法和速度障碍法作为USV进行路径规划时的算法。对粒子群算法的原理进行了介绍,针对其不足进行了相应的改进,并对改进的算法进行可行性分析。为了简化计算,对障碍物进行包围圆处理。同时,将USV视为质点,对障碍物进行“膨化”处理,建立了USV与障碍物的环境模型,分析了USV和障碍物运动状态的相关参数;对改进的算法进行性能分析,提高了算法的收敛速度,并在静态障碍物环境下用改进的算法进行了全局路径规划。其次对选取的速度障碍法进行基本原理介绍,考虑了存在多“隐藏危险”障碍物的复杂避碰问题,提出了速度障碍弧线法,建立了障碍物威胁等级模型,量化危险障碍的影响,对其中的相关参数计算做了详细描述,并与国际海上避碰规则进行结合。基于速度弧线法计算USV进行避碰转向角度,并判断避碰结束时机,对USV在遇到单个动态障碍物和多个动态障碍物进行了相应的仿真,但在不考虑障碍物不确定性下出现仿真失败的实验,USV与障碍发生碰撞。最后为了提高USV在不确定动态环境下能安全的执行任务,引入了障碍物的速度不确定参数对绝对障碍速度进行优化,给USV提供了一个避障缓冲区域,建立了不确定条件下的速度障碍速度模型,为了量化不确定性障碍的影响,结合速度弧线法,提出了基于不确定条件下的速度弧线法。根据碰撞危险度,确定了USV开始和结束避碰的时间,最后对以单个和多个不确定性动态障碍物的USV自主避碰算法进行了验证,并与不考虑不确定性下的实验成功率和平均碰撞距离进行了对比,结果表明USV能成功避让障碍物。针对全局和局部路径规划的不足,将两种规划进行组合得到混合路径规划,对混合路径规划进行了仿真验证,表明本文路径规划算法具有一定的可行性和有效性。