近年来,随着自动化技术和计算机科学的发展,移动机器人开始被更多的应用于生产生活当中,移动机器人的一项基本任务是能够在未知场景下进行自主定位与导航,而基于视觉的同时定位与建图(SLAM,Simultaneous Location and Mapping)为该任务提供了一个较为合适的解决方法。双目相机具有恢复场景尺度信息且能在室外应用的特点,基于双目的视觉SLAM成为机器人自主导航与定位研究的一个重要方向。本文主要针对基于双目的移动机器人SLAM技术展开研究,具体研究内容如下:首先,阐述移动机器人在未知的动态场景下进行自主定位与导航所遇到的一些问题,从而明确了课题的研究意义,进而提出了基于动态场景下的移动机器人视觉SLAM算法来解决上述问题。然后,就所要研究的问题,论述了当前国内外移动机器人视觉SLAM的研究现状,以及视觉SLAM的主要研究内容,从而确定了本文具体的研究方法,并设计了基于动态场景的移动机器人视觉SLAM算法的总体框架。接着,针对所要研究的问题,将整个系统分为基于双目的同时定位与建图和动态场景分割两个部分,分别进行详细的研究。基于双目的同时定位与建图算法部分,采用稀疏匹配和稠密匹配结合的方式进行立体匹配,从而避免全局匹配,提高立体匹配的效率和准确率。接着基于立体匹配的结果,在RANSAC框架下采用高斯迭代以及光束平差法来完成机器人运动的估计同时完成点云地图的构建。在动态场景分割部分,提出了一种准确对动态场景分割的方法,该方法采用多任务级联网络对图像进行实例感知语义分割,利用光流运动和几何映射关系计算场景流。将实例感知语义分割的结果与场景流融合来判断实例的运动状态,对场景做一个前景与背景的分割。使用背景部分来估计机器人的运动,来提高算法在动态场景中运动估计的准确性。为验证所提出的基于动态场景的移动机器人SLAM算法的有效性,然后在数据集和实际物体场景分别对算法进行验证。在不同数据集下通过实验对比分析当下性能较好的开源视觉SLAM算法与本文提出的基于动态场景分割的视觉SLAM算法,实验结果表明本文的算法能够提高整个系统的鲁棒性、准确性,并且在动态场景中性能更加优越。同时,在实际物理场景中具有较好的适应性。