近几年,自动驾驶技术不断的蓬勃发展,无人驾驶汽车更是层出不穷,视觉SLAM技术作为自动驾驶技术的核心,同时在三维重建、虚拟现实等领域也得到广泛的应用,视觉SLAM系统的精度以及在复杂环境中的鲁棒性成为广大研究者的研究热点方向。为了提高视觉SLAM在前端视觉里程计中的位姿估计精度,本文提出了基于ICP和局部捆绑调整的位姿估计优化算法。算法首先将相机坐标下的点云与世界坐标下的地图点利用ICP算法求取相机的位姿。然后为了提高位姿估计精度,避免产生轨迹“漂移”现象,以ICP算法获得的相机位姿作为捆绑调整的初始位姿,进行局部捆绑调整优化相机位姿。利用ICP算法提供的初始相机位姿可以避免局部捆绑调整算法陷入局部最优的问题,提高位姿估计的精度和迭代的效率。此外,针对现阶段动态视觉SLAM中的基于语义分割动态物体检测和基于几何方式检测动态物体存在的问题,本文提出先验动态物体静态点召回算法。算法首先利用Mask-RCNN神经网络进行先验动态物体分割,并利用多视图结合方法进一步的检测环境中的动态特征点,同时判断先验动态物体的真实运动情况,对先验物体中的静态特征点进行召回,增加有效特征点数目,提高相机跟踪精度。实验结果表明,先验物体静态点召回算法能充分结合语义分割和多视图结合方法的优点,确保场景中的动态特征点被剔除,同时也能保证了先验动态物体的静态特征点不被随意的剔除。最后,本文利用位姿优化算法、先验动态物体静态点召回算法完成了一个动态视觉SLAM系统的设计。在TUM数据集上的测试结果表明本文设计的动态视觉SLAM系统轨迹误差小,可以达到厘米级;部分图像库上的误差甚至可以达到毫米级,具有实用价值。