پایش و کنترل دریا در شرایط آب و هوایی متفاوت کاری بسیار سخت، زمان بر و خطرناک است که این امر می تواند با استفاده از وسایل خودران با هزینه کمتر و دقت بالاتری انجام گیرد. برای انجام ماموریت های مختلف، قایقهای خودران به حسگرهای ناوبری متفاوتی برای گزارش موقعیت و شرایط اطراف مجهز می شوند. قابل اطمینان بودن سیستم ناوبری خودران، اهمیت زیادی در توسعه ربات های خودران دارد. علاوه بر این، سامانه های ناوبری باید مبتنی بر تشخیص و اجتناب از موانع موجود در محیط طراحی شوند. الگوریتم اجتناب از مانع در ربات های خودران از دو قسمت اصلی مسیریابی جهانی و الگوریتم شناسایی موانع محلی تشکیل شده است. امروزه از حسگرهای موقعیت یابی جهانی (GPS) برای مسیریابی جهانی، و رادار، لیزر، دوربین و برخی حسگرهای دیگر برای تشخیص موانع محلی استفاده می شود. در مقایسه با حسگرهای دیگر، دوربین ها هزینه پایینی دارند و می توانند اطلاعات بسیار بیشتری را در یک تصویر ارائه کنند، اما دقت تشخیص در فاصله های زیاد، کم می شود.

مسیریابی علاوه بر تعیین کوتاه ترین مسیر برای هدف مورد نظر، در واقع شامل مراحل تشخیص، ردیابی و اجتناب از اشیا استاتیک و دینامیک نیز می شود.

الگوریتم های تشخیص اشیا در حوزه ی بینایی استریو شامل چهار روش اصلی می باشند:

- نقشه اشغال احتمالاتی

- نقشه ارتفاعی دیجیتال

- تقسیم جریان صحنه

- خوشه بندی مبتنی بر هندسه

ردیابی در واقع پیش بینی مکان بعدی شی مورد نظر می باشد که روش های مختلفی برای ردیابی اشیا هدف و تخمین وضعیت بعدی سیستم های پویا وجود دارد که فیلتر کالمن الگوریتمی است که حالت یک سیستم پویا را با استفاده از مجموعه ای از اندازه گیری های شامل خطا در طول زمان برآورد می کند و در مسیریابی و پایش وسایل نقلیه کاربرد دارد. فیلتر کالمن توسعه یافته یک ابزار قابل اعتماد و قدرتمند است که اخیرا نتایج خوبی در ردیابی هدف نشان داده است. در الگوریتم های تشخیص مانع، با توجه به اینکه بخش بزرگی از حوزه دید ربات، زمین یا دریا می باشد، حذف داده های پس زمینه سرعت الگوریتم را افزایش می دهد. سه روش برای شناسایی پس زمینه بر اساس دید استریو وجود دارد؛ محاسبه نقشه V-تمایز، تبدیل تصویری، و منطبق کردن صفحه. الگوریتم نقشه V-تمایز بدون استفاده از اطلاعات قبلی از صحنه انجام می شود، اما سایر روش ها برای محیط های خاص که از قبل تنظیم شده اند، مناسب هستند. مقادیر نقشه تمایز، حاصل اختلاف مکانی تصاویر سمت راست و چپ می باشد. در حالیکه نقشه V-تمایز با جمع آوری پیکسل های با مقادیر یکسان در یک ردیف افقی نقشه تمایز ایجاد می شود که در نتیجه هر سطح در میدان دید، در یک بخش باریک در تصویر V-تمایز قرار می گیرد.