移动机器人广泛应用于仓储、自动清扫、货物运输等各个场景,而实时定位与建图是机器人在工作中感知环境信息、自主导航的基础。本文研究的是在动态场景下室内移动机器人的定位问题与环境重建。目的是利用语义信息是机器人能够在动态场景下更好的进行定位,并对动态场景进行建图。场景中运动物体的检测是动态SLAM的技术重点,传统的视觉SLAM算法进行的位姿状态估计都是建立在静态环境假设的基础上,动态物体的干扰会使定位精度出现很大的误差。为了解决这一问题,本文利用语义分割和多视图几何的方法对图像进行动态物体区域检测,并通过实验证明了这一算法的有效性。准确的姿态估计是移动机器人在未知环境中开展特定工作的基础。为了让移动机器人能在动态场景下也能实时获得准确的姿态,本文设计了适合于动态场景的SLAM算法,将动态物体分割融入到视觉SLAM当中,将改进算法与原始算法在公开数据集进行对比测试。实验结果表明改进的方法可以有效的降低视觉SLAM在动态场景下的定位误差。构建场景地图是视觉SLAM的另一个重要工作,同时也是移动机器人导航避障的基础。本文中运用基于场景分割的构建环境地图的方法,利用一种基于平面拟合的地图分割方式将地图点云分割为地面点云与非地面点云,构建包含非地面信息的八叉树形式的地图。还提出一种基于物体追踪的点云重影消除方法。提出的算法可以有效的提高地图质量,方便机器人进行导航。本文对视觉SLAM在动态场景下的定位精度与地图效果进行了优化。动态物体的识别可以提高视觉SLAM系统的定位精度,采用的构建地图的方案也是一种构建环境地图较好思路,这为应用于室内移动服务机器人的视觉SLAM技术提供了一种参考的方案。