基于视觉的同步定位与地图构建（Simultaneous Localization and Mapping,SLAM）技术是当前机器人导航、自动驾驶等领域的研究热点,但是目前视觉SLAM的研究大多为基于静态环境下的假设,当场景中出现动态物体时,系统的精度和鲁棒性则难以保障,此外,构建出的地图往往会有移动物体重影。针对以上问题,本文在经典的ORB-SLAM2基础上,研究并设计了一种面向动态物体场景的视觉SLAM系统。为了使动态SLAM系统具有运动物体处理功能,在ORB-SLAM2算法框架上添加了语义分割和静态地图构建线程,并在跟踪线程中添加了初始位姿估计、运动一致性检测和动态特征点剔除等操作。针对场景中动态物体对视觉SLAM系统定位精度的影响,本文通过结合语义信息与几何约束来检测动态物体,并利用筛选后的静态特征点完成相机位姿估计。首先,通过实例分割网络获取的语义信息与深度相机提供的深度信息筛选出场景中静态特征点进行初始位姿估计,然后借助估计出的位姿结果,使用加权几何约束的运动一致性检测方法对之前筛选出的动态特征点进行进一步的检测,从而提高运动检测准确性,降低动态物体对位姿估计的影响。针对传统视觉SLAM系统在动态环境下构建地图时,容易出现地图信息冗余、移动物体重影等问题,设计了动态SLAM静态地图构建方法。首先,通过对关键帧进行筛选,避免参与建图的关键帧信息冗余;然后,基于语义信息和运动一致性检测结果剔除场景中动态区域,构建出不含移动物体的三维静态点云地图和八叉树地图。最后,使用公开数据集和真实场景数据对动态SLAM算法的位姿估计和建图效果进行测试,并与ORB-SLAM2算法以及其他优秀动态SLAM算法进行对比,多组对比实验结果表明,本文算法具有良好的运动检测效果和定位精度,并且能构建出静态背景地图。