随着世界各国在海洋探测和海洋开发领域竞争的日趋激烈，科研工作者们对水下机器人的研究有着越来越大的兴趣。由于海洋环境极其复杂，自主式水下航行器（AUV）具有更强的应用优势，因此世界各国研究者们对AUV展开了广泛的研究和实践。自主定位技术和路径规划技术是实现AUV自主导航的两项非常关键的技术。本文对二者进行了深入的探讨，分析了现有方法存在的问题和难点，并在它们的基础上进行了创新和改进。对于传统的基于EKF的SLAM算法，SLAM观测更新过程的计算复杂度非常高，最优情况下也是O (n2)，当障碍物个数逐渐增大时，SLAM计算效率会大幅度下降。当系统采用的环境观测传感器较多时，难免会有设备误差和模型带来的误差，以及环境杂波信息。错误的杂波信息加入到SLAM过程，不仅会在环境地图中增加错误的障碍物，而且会给滤波过程带来误差。另外，由于声纳探测距离较远，而AUV运行速度较慢，所以同一处的障碍物会多次被观测到，而且被重复观测的频率会很高，这样会增加SLAM观测更新过程的计算量。针对这些问题，本文提出了改进方法——基于二次数据关联的SLAM算法，该方法首先对传感器采集的障碍物信息进行预处理（即第一次数据关联），只有第一次数据关联成功的次数达到门限值后，才认为是有效的障碍物观测数据，才进行SLAM的关联匹配过程，否则认为是无效的障碍物。通过该方法，能有效减少杂波信息，提高SLAM的准确率，同时降低了SLAM过程的计算复杂度。在路径规划技术方面，本文对传统的人工势场路径规划方法以及一些改进方法进行了研究，总结了传统方法和已有改进方法存在的不足之处：传统方法和已有改进方法并不能完全解决局部最小点或者U型障碍区域的问题。针对这些问题，本文提出了一种新的人工势场路径规划改进方法——基于扇区扫描的人工势场法，通过设置临时目标点解决局部最小点问题和U型障碍区域的问题。对于提出的基于二次数据关联的改进SLAM算法和基于扇区扫描的人工势场路径规划方法，本文通过仿真实验和真实AUV试验进行了验证。结果表明两种改进方法是有效可行的，前者能有效地滤除障碍物杂波信息并降低计算复杂度，后者能有效地解决局部极小点和U型障碍物区域的问题。