水下机器人因具有灵活性高、安全可靠等优点,在水下勘探、水下搜救等领域具有良好的发展前景。姿态角度作为水下机器人导航系统的重要参数之一,不仅决定着导航定位的精确度,同时也是水下机器人控制与决策的基础。因此,进行水下机器人的姿态估计研究具有重要意义。本文以缆控水下机器人“潜蛟Ⅱ”CHASING M2 ROV（Remotely Operated Vehicle）为研究对象,对其姿态表示、传感器标定、信号滤波以及姿态估计进行了研究。主要内容如下:为了清晰表示ROV的姿态角度,利用右手定则建立了大地（惯性）坐标系与ROV机体坐标系,并表示旋转关系。同时根据欧拉角、旋转向量、旋转矩阵以及四元数等四种姿态表示方法,推导了姿态表示方法之间的转换关系。为了得到准确的传感器测量数据,基于不同标定原理对ROV上加速度计、陀螺仪以及磁力计传感器进行标定。通过分析微机电系统（Micro-Electro-Mechanical System,MEMS）传感器的误差构成,建立各传感器误差模型,并利用六面校准方法、积分推算校准方法以及最小二乘椭球拟合方法对ROV上三轴加速度计、三轴陀螺仪以及三轴磁力计进行标定实验。实验结果表明,经过标定后,得到传感器误差模型中各参数的最优值。另外,加速度计经过标定后,其在六个位置的比力模长趋近于理论重力加速度g,且残差趋近于零;陀螺仪经过标定后,指标均值较标定前下降了76.47%;磁力计经过标定后,磁感应强度得到修正,与球心落在原点,半径为20.9858 uT的三维球体较为吻合,修正后磁感应强度接近理论磁场强度,残差在-3～2 uT范围内波动,且残差均值为-0.1650 uT。实验结果说明了加速度计、陀螺仪以及磁力计的标定效果较为理想。为了解决ROV传感器数据存在高频噪声的问题,利用PM（Parks-Mc Clellan）算法和双线性变换法设计数字低通滤波器进行滤波降噪。首先,采集ROV水下定深悬停及任意动作时三轴陀螺仪测量数据,对其进行快速傅里叶变换并分析,确定数字滤波器设计指标。然后,分别设计了28阶FIR低通滤波器和5阶IIR低通滤波器,并对陀螺仪测量数据滤波降噪,验证滤波效果。滤波结果表明,设计的28阶FIR低通滤波器和5阶IIR低通滤波器均能抑制高频噪声,达到滤波效果。但是FIR滤波器滤波后的数据滞后延迟较大,实时性较差,而IIR滤波器滤波后数据延迟小,实时性较好,说明了设计的5阶IIR滤波器更符合要求。为了实现ROV姿态估计,基于互补滤波、梯度下降法、卡尔曼滤波等姿态估计算法进行设计,设计了经典互补滤波、显性互补滤波、梯度下降法以及乘性扩展卡尔曼滤波等四种滤波算法估计ROV姿态角度。同时采集ROV水下运动时传感器的实时测量数据以及姿态角参考值进行各算法的仿真与验证。仿真结果表明,四种算法均实现了ROV的姿态估计。从动态性、收敛性以及准确性来看,乘性扩展卡尔曼滤波较优于其他三种算法;从误差分析来看,乘性扩展卡尔曼滤波估计的滚转角和俯仰角绝对误差均值最小,分别为3.83575°和2.55157°,其俯仰角均方根误差也最小,为4.30613°。仿真结果说明了在ROV姿态估计中,设计的乘性扩展卡尔曼滤波效果更好。