具有自主导航能力且能够在复杂水面环境下完成作业任务的无人船成为了全球研究热点,其中即时定位与建图(Simultaneous Localization and Mapping,SLAM)技术可为无人船自主导航提供实时的环境信息和位置信息,是无人船自主导航的关键。本文在视觉惯导(VINS-MONO)SLAM算法的研究基础上,提出一种基于点线综合特征的视觉惯导(PLVINS-MONO)SLAM算法,该算法通过融合视觉信息和惯导信息,对无人船进行实时航行环境感知和自身定位,为无人船自主导航提供关键信息。首先,针对无人船视觉图像中特征点检测存在的水面动态区域问题,本文提出基于HSV(Hue Saturation Value)颜色区域分割算法的视觉里程计前端设计方法,对无人船获取的图像进行区域分割,排除图像中水面动态区域,以筛选出图像中世界坐标系下的有效特征点,提高系统在位姿估算过程中使用特征点的准确性和位姿估算精度。由于线特征信息在水面环境中具有光照和视角不变性,其特征信息表现更为稳定。因此本文在视觉里程计前端加入线特征,丰富视觉里程计前端提取图像中特征信息的种类。综合点特征和线特征,利用点线特征信息优势互补,提高整体系统的稳定性和鲁棒性。最后通过在EoRoC数据集进行仿真实验,验证了改进后的视觉里程计前端的有效性。通过与纯视觉SLAM定位结果进行比较研究,定位结果体现了改进后的视觉里程计前端具有更为理想的定位效果,更接近数据集的真实运行轨迹。其次,为了获得精确的全局一致性轨迹地图,本文构建了基于水面环境下离线点线综合特征的视觉词典,提高闭环检测的精确性。利用水面船实际航行过程中拍摄的10000张图片进行点线综合特征视觉词典训练。通过与点特征视觉词典、线特征视觉词典进行深入比较,发现在闭环检测中所提出的点线综合特征视觉词典明显缩短了查询时间,实验结果体现了本文构建的点线综合特征视觉词典的优越性。最后,结合基于点线综合特征的视觉里程计前端设计和点线综合特征视觉词典训练,本文提出一种基于点线综合特征的视觉惯导SLAM算法,系统化地设计了视觉里程计前端、系统初始化、后端优化和闭环检测4个模块。采用视觉惯导无人船数据集进行了系统化的仿真实验验证,实验结果验证了改进后的视觉惯导SLAM系统在水面环境下的有效性。通过制作无人船数据集,评测比较纯视觉SLAM算法、未改进的VINS-MONO算法以及本文提出的PIVINS-MONO算法,实验结果表明:改进后的PLVINS-MONO算法具有更为理想的定位效果,定位轨迹更接近无人船的真实航行轨迹。