自主式水下机器人（AUV），也叫做无人操纵水下机器人，可以在没有操作者介入的情况下自主完成调查任务，如对水下失事、岩石、障碍物等的探测。AUV还可以搭载多种海洋传感器和声纳系统，为展开各种海洋调查、数据搜集提供了有力的支持。随着科学技术的不断发展和人类在海洋研究领域的不断深入，AUV以其在水下探测领域的独特优势得到了广泛的关注，AUV的研发是未来水下航行器的必然发展方向，很多国家也都开始密切关注AUV的研发并投入大量的科研力量。伴随着自主式水下机器人的广泛应用，自主导航技术也逐渐成为人们关注的焦点。机器人定位与实时地图构建的能力，即同时定位与地图构建算法，是实现真正意义上自主导航的关键技术。多年来，人们一直在为研究和改善导航算法进行着不懈的努力。在所有的改进方法中，算法一致性的改进对于整个算法精度的提高有着极其重要的影响。在过去几年里，粒子滤波在很多状态估计问题中得到了较为成功的应用，但是也存在一致性得不到满足的问题。基于此，本文从提高算法一致性的角度入手，采用一种新的方法来提高算法一致性，从而提高算法估计的精度。本论文首先介绍了几种主流的SLAM算法及其发展历程，其次介绍了本实验室的实验平台C-Ranger及所搭载的传感器，然后详细阐述了粒子滤波的基本原理及本文在传统算法基础上进行的改进，最后通过实验室仿真、维多利亚公园数据集实验和海试实验对改进算法的有效性进行了验证。其中海试实验采用实验室自主研发的实验平台C-Ranger，实验地点为青岛团岛湾。本文提出了一种改进的粒子滤波方法：在路标估计中使用首次估计雅克比的方法，通过修改状态转移矩阵和观测矩阵中的相关项来提高路标估计的精确度，这有助于建立一个满足一致性的地图，促进位姿估计的准确性，从而增强整个粒子滤波算法的一致性。同时，在重采样过程中采用有效粒子数来控制重采样过程，有效缓解粒子退化问题。算法的一致性通过归一化均方根误差（NEES）进行验证，并将改进算法与传统算法比较，验证改进算法的有效性。