智能水下机器人(Autonomous Underwater Vehicle ,AUV)要实现自治,即不依赖于人的自主识别和分辨能力,首先要具备独立的视觉系统和自定位系统。通过视觉系统,机器人才能获取水下的环境信息,为其运动和水下作业提供引导。智能水下机器人的视觉系统主要依靠“声视觉”,与传统的声纳系统不同,声视觉系统不仅要有声图像和声信息的获取能力,而且应该具备对图像和信息的处理、特征提取以及分类和识别的功能。同时定位与地图创建(Simultaneous Localization and Mapping,SLAM)是机器人技术领域的研究热点,也是实现机器人真正自主的关键。智能水下机器人基于声视觉系统和SLAM的研究具有重要的理论意义和应用价值。在海底未知复杂环境中,绝大多数陆路环境下常用的传感器无法使用,比如光学的、无线的,在水中衰减得太快。脱离了外部导航支持的情形下,AUV唯一可依赖的是自身机载的惯性传感器和主动声纳。前视声纳及其处理系统作为水下机器人的主要传感设备,担负着发现机器人前方目标,并对目标进行定位和识别的任务。前视声纳提供障碍物目标的距离和角度,可在二维空间上(XY平面)分辨目标的轮廓和位置。在AUV的前端装备声纳设备,通过声纳探测,可以提供连续重叠的图像帧,经进一步处理可用于SLAM算法的实现。通过对声纳图像进行特征提取,将环境特征不断更新添加到特征地图中,使用SLAM算法实现AUV的自主航行。本文使用Super Seaking DST前视声纳扫描水下环境得到仿真程序所需要的声纳图像,并将数字图像处理的方法应用于声纳图像,对声纳图像经过滤波、平滑、分割等处理后,提取出目标点特征和线特征,得到水下环境的特征地图,构建了基于环境特征的特征地图仿真平台,使用EKF SLAM算法实现了AUV的自主定位和导航的仿真,并对不同的环境特征下AUV的运行轨迹及其误差产生的原因进行了分析。