即时定位与地图构建(Simultaneous Localization and mapping,SLAM)技术是移动机器人智能化的关键技术。近年来,应用于水下环境的SLAM技术成为研究热点,但是水下环境因为具有地形复杂、光线昏暗、随机干扰多的特点而存在许多的技术难点。针对这些问题,本文主要以视觉SLAM系统关键技术和水下环境的图像处理为研究课题,重点研究了SLAM技术的实现方法、水下图像的预处理问题以及水下环境的特征提取和匹配算法,主要的研究内容如下:首先,本文介绍并分析基于视觉的SLAM实现方法,建立了基于EKF-SLAM算法的理论模型,通过Matlab仿真对比EKF-SLAM算法定位误差与里程计定位误差的差别,并仿真出两种定位方法绘制的地图误差的大小,通过实验证明了EKF-SLAM方法的准确性和可靠性,建立了可靠的EKF-SLAM系统模型。其次,本文研究了水下环境对摄像机成像的影响,分析了成像中的光线折射、散射及吸收现象并提出了相应的解决方法。然后,引入了应用于雾天的暗原色图像对比度增强方法,最终,提出了一种应用于水下环境的暗原色图像对比算法,通过实验证明了该方法的可行性,为后期的特征提取提供了有效的水下环境图像增强方法。然后,本文研究了图像特征提取的一般方法,分析了各种方法的优缺点和在水下环境中的适用性情况,验证了尺度不变特征转换(Scale-invariant feature transform,SIFT)算法是一种较为合适的水下特征提取算法。随后,针对SIFT算法实时性差和特征点冗余的缺点,提出了基于特征区域的处理方法,实验证明该方法对提高实时性有良好的效果。最终,提出了一种有效的特征提取改进方法。最后,本文分析了SLAM系统数据关联的方法,论证了数据关联方法的重要性。针对数据关联中的误匹配和匹配效率问题,提出了将双目相机的相对位置因素和路标点位置因素作为辅助条件进行关联的方法,实验证明,加入路标的位置信息之后,特征点的关联复杂度大幅降低,尤其是随着特征点数量的增加,特征点的匹配时间将大幅缩短,同时提高了匹配准确率,实时性提高达到4倍之多,提供了高效的数据关联改进方法。