ORB_SLAM2 是一款基于 ORB(Oriented FAST and Rotated BRIEF,快速特征点提取和描述算法)图像特征的视觉SLAM(Simultaneous Localization and Mapping,同时定位与地图构建)系统,是现代SLAM系统中做的非常完善和实用的系统之一,其在实时性和准确性上的优势得到了诸多研究者的关注和认可。本文首先对ORB_SLAM2系统的软件流程和数学理论进行了分析和研究,然后以机器人Turetlebot2为实验研究平台,在机器人操作系统ROS中完成了对原有系统的改进:通过增加语义分割环节提高了系统动态场景下的稳定性;增加了实时地图构建的功能,建立起适用于后期避障和导航的三维地图。本文将改进系统在仿真环境和实际场景下分别进行了测试,测试结果证明了改进系统的优越性。本文完成了以下研究工作:(1)分析了 ORB_SLAM2系统的软件架构和流程,并对其中的ORB特征算法,位姿估计,非线性优化,回环检测等理论和应用问题进行了分析和研究,同时对ORB_SLAM2系统的缺点和可改进之处作了分析,为后续的研究打下了理论基础。(2)针对ORB_SLAM2系统在动态场景下位姿估计不准确的问题,提出了利用语义分割剔除分布在人和动物上的动态特征点的方法,从而提高系统的稳定性。在公共数据集上的测试结果显示改进的系统较原有系统在误差上有了明显的下降。(3)为了构建供机器人后期导航和避障的三维地图,在原有ORB_SLAM2系统中添加了 OctoMap建图功能;同时,为了保证实时性并减小地图所占空间,提出了根据关键帧共视地图点个数选择地图关键帧的策略。增加建图功能后的系统在公共数据集上进行了测试,在实时性和空间占用上都表现出较好的效果。(4)为测试改进系统在实际环境下的实时性和可靠性,本文在TurtleBot2实验平台上,在实际环境下对改进系统进行了测试,实验结果均体现出良好的效果。