SLAM技术是指移动机器人的同步定位与导航,简单理解为机器人运动的同时观测周围环境,机器人应用运动信息和周围环境信息估算自己的运动轨迹。机器人观测的环境信息是机器人对周围环境提取的特征。提取的环境特征是否适合,影响着SLAM技术的准确性和效率。因此,本论文的研究重点是,在SLAM技术中图像特征提取的相关内容。论文研究了SLAM算法的相关理论,建立了基于EKF的SLAM算法仿真模型。结合侧扫声呐的成像特点,研究了图像特征提取、图像分割等相关内容。首先,在SLAM算法基础理论部分,论文讨论了SLAM算法的研究内容及系统模型,说明了SLAM算法的可行性,分析了基于Hough变换的直线特征和基于SIFT算法的点特征这两种特征提取方法。结合本文所用侧扫声呐图像的实际特点,确定本文所采用的特征提取方式。随后,论文进一步研究侧扫声呐图像特征提取的相关内容。根据本文采用的声呐图像,提出先分割目标物再提取特征点的实施思路。在图像分割部分,论文讨论了现行的分割算法,采用以影区为起点寻找目标物边界的方式。在这里,论文利用纹理特征实现边界的区分。在特征提取部分,论文详细分析了基于SIFT算法的点特征提取理论。在MATLAB平台上实施对已分割目标物的SIFT点特征提取。下一步,是建立基于EKF的SLAM算法模型。论文建立了两种SLAM算法模型,即直线规划模型和有目的规划模型。说明了SLAM算法的优点与特性。同时为声呐图像提取的特征提供一个验证平台。最后,利用对海底地貌的实际测量图像。用SLAM算法计算出水下航行器的行进路径。