近几年来,随着电子技术和计算机技术的迅猛发展,水下机器人作为一种水下探索的重要工具,其技术也有了飞速的进步。在很多未知高危环境下,由于有人控制机器人和地面机器人在各方面的局限性,自主式水下机器人体现出其优势。如今,自主式水下机器人在海洋调查、石油开采、军事领域都有着广泛的应用,并显示出广阔的前景。要使水下机器人能够做到自主导航,必须使水下机器人能够对复杂的水下环境进行自主的分析、判断和决策,并实现水下机器人快捷、安全、自由的移动。其中,水下机器人的实时定位,是水下机器人实现自主导航的关键性技术。但是,在目前的水下机器人定位方法当中,惯性导航系统需要精确获取机器人的初始位置,并且其定位误差随着时间而不断累积；全球定位系统GPS在水下无法正常接收卫星信号,也就无法确定水下机器人的速度和位姿。于是,人们开始探讨一种新的、不需要任何预先定义的地图或者预先设置的路标就可以实现机器人自主导航的技术,即近几年正在被不断研究的移动机器人同时定位与地图构建技术(SLAM)。论文首先介绍了当前水下机器人的主要定位与导航方法,包括惯性导航系统和GPS/INS组合导航等,并分别分析了它们的优势与不足。之后论文较为详细的介绍了惯性导航系统的基本算法和基于粒子滤波器的SLAM算法。基于粒子滤波器的SLAM算法的思想是把后验概率分解成两部分：一部分是路径的后验概率,另一部分是以路径概率为条件的环境特征的后验概率。分解的后验概率可以用粒子滤波器有效地逼近。在以上基础上,引出了本文的重点：一种基于惯性传感器与声纳的水下机器人定位与地图构建算法——惯性SLAM算法。惯性SLAM算法将惯性导航系统与SLAM技术有机结合,利用惯性测量器件(IMU)的输出数据和声纳观察到的特征(路标)来估计水下机器人的位姿,并完成其工作环境的地图构建,而不需要利用其他的定位系统,如GPS。论文中给出了该种算法的仿真结果并与基于EKF的SLAM算法进行了比较,证明了惯性SLAM算法的可行性和可靠性。