同时定位与地图构建(Simultaneous Localization And Mapping,SLAM)技术是自主水下机器人实现水下导航的关键技术,基于相机传感器所实现的SLAM技术通常又称为:视觉SLAM,视觉SLAM具有成本低廉、场景信息丰富等优点。目前,相比于视觉SLAM技术在陆地和空中场景的应用而言,其在水下环境的使用相对较少。本文通过水下机器人搭载了前端改进和点线融合的视觉SLAM系统,提高了视觉SLAM在水下环境使用的定位精度和地图构建效果。主要研究内容如下:首先,针对视觉SLAM在水下环境应用时面临光线传播介质发生改变等问题,对其使用的相机传感器进行分析和筛选,推导出世界坐标系到像素坐标系之间的坐标映射关系。使用张氏标定法对适宜水下使用的双目相机,分别进行水下环境和陆地环境中的相机标定实验,对比验证了水下相机标定结果的准确性,解决了相机水下使用时内参改变的问题。其次,针对视觉SLAM在水下环境应用时面临的场景昏暗、模糊等问题,对视觉SLAM的前端进行改进,增加图像增强模块。使用改进的直方图均衡化算法对传感器输入的图像进行处理,并通过图像评价指标计算、特征点提取实验以及水下实验,证明图像增强模块确有明显的改进效果。然后,针对视觉SLAM在水下环境应用时面临的特征单一、特征不足等问题,提出了点线特征融合的视觉SLAM系统框架。对增强的图像提取ORB点特征和LSD线特征,并计算点线特征的二进制描述子。应用四叉树算法使点特征均匀化,以达到更好的匹配效果,并推导点线特征的重投影误差模型和雅克比矩阵解析式。最后,针对视觉SLAM在水下环境应用时面临的结构特征改变等问题,基于大量的水下图像数据集,训练和更新了回环检测模块的字典库。在KITTI数据集下验证了本文改进的点线融合Pline-SLAM系统具有更高的定位精度。同时搭载水下ROV,进行水下实验,结果证明改进的系统具有更优的建图效果。