辽阔的海洋蕴含着丰富的资源,也是人类重要的生存空间。建造海洋平台和跨海大桥等设施是经略海洋的必要手段之一,定期巡检维护这类建筑的基座管道架可以在确保安全的情况下延长5-10年的使用寿命,产生数亿元的经济效益。仿生机器蟹是一种两栖多运动状态的无人机器人,具有灵活、稳定、智能等优点,能够满足巡检海洋设备的任务,未来也可以胜任各种水域的科考勘探等任务。本文的研究对象是仿生蟹在未知海底环境中的同时定位与建图(Simultaneous Localization and Mapping,SLAM)。传统的水下机器人定位以惯性导航为核心,其他的设备进行辅助定位,与传统的水下定位不同,SLAM仅依靠环境感知传感器,通过对周围环境的不断观测,实现在未知环境中的自主定位,并构建环境的特征地图。本文采用水下相机作为环境感知传感器,其优点在于成本低、体积小,图像信息丰富,这些图像既可以用于实现自主定位也可以为检测等任务提供必要的信息。本文主要有以下研究内容:首先,分析了水下成像的特点,介绍了水下图像增强和恢复的方法,针对传统增强算法造成图像特征损失、计算量大等缺点,从滤波和色彩空间两方面对Retinex算法进行了改进。试验证明,改进的增强算法能显著提高水下图像的质量,该增强过程也可以提高定位与建图的效率和精度。其次,考虑直接法和特征法这两种方法各自的优缺点后,提出了一种基于特征辅助直接视觉里程计的混合SLAM算法。该混合SLAM算法以直接法为前端,仅在直接跟踪发生故障时,才在关键帧上匹配特征点,并使用特征点恢复跟踪,当直接法不再故障时,返回到直接法前端。在建图方面,则执行构建稀疏特征点云图的一些策略,比如根据共视关系剔除不可靠点。最后,在两种公开的陆地数据集上测试了本文提出的混合SLAM算法,测试结果显示本文提出的算法能很好地适应各种环境和不稳定运动。我们也使用遥控水下机器人(Remotely Operated Vehicle,ROV)代替仿生蟹进行了水池试验,并最终构建了水池的特征点地图,由此验证了本文提出算法的可靠性和有效性。