随着智能机器人技术的不断发展,定位和感知技术成为关键课题之一,基于视觉的同时定位与地图构建(Simultaneous Localizationand Mapping,SLAM)技术在智能机器人等领域已获得广泛应用。但是目前成熟的视觉SLAM方案主要是基于静止环境假设基础上构建的,在实际应用中动态环境极为普遍,如何在动态环境下有效运行成为限制其广泛应用的关键因素之一。本文面向室内环境实际应用需求,研究在室内动态环境下能够有效运行的视觉SLAM系统。目前对于动态环境下视觉SLAM技术的主要研究方法有运动分割方法、运动物体分割方法以及彩色深度图像的稠密分割与稀疏分割方法。上述方法可在特定环境下处理不同类型的动态环境问题,但是每一种方法都存在局限性,对于动态环境视觉SLAM技术目前还未形成普适性的有效解决方案。本文选择ORB-SLAM2作为研究的基础方案,对前端视觉里程计进行改进,使系统在室内环境下能够有效处理运动物体,并根据实际应用需求改进地图构建功能。本文完成的主要工作如下:(1)视觉SLAM系统基础框架选择与性能分析。通过对经典视觉SLAM方案对比分析,选择ORB-SLAM2作为本文研究的基础方案,并对该方案进行动态环境性能测试与分析,获得该方案在动态环境下的性能特点。(2)提出了动态环境视觉SLAM系统前端改进方案。通过在系统前端增加运动物体识别模块、运动特征检测模块和外点判断与去除模块,使系统能够有效处理环境中的运动物体。运动物体识别模块采用图像分割网络Mask R-CNN对图像进行实例分割,获得可运动物体的语义信息。在运动特征检测模块中,本文提出了基于对极约束的对称转移极线距离运动特征检测算法进行运动点检测。在外点判断与去除模块中设定了外点判断与去除机制,消除运动物体的影响。实验表明了该方案的有效性。(3)实现了环境稠密地图的构建。本文利用视觉SLAM系统前端获得的关键帧与相机位姿信息,构建环境的稠密点云地图和八叉树地图。实验表明,稠密点云地图具有较好的可视化效果;八叉树地图能够提供空间是否被物体占据的信息,并且具有分辨率可调、占存储空间小等优点。(4)视觉SLAM系统在智能车上的应用研究。将视觉SLAM系统应用于实验室智能车上,测试在实际环境中的运行性能。实验表明本文视觉SLAM系统在实验室环境下能够有效处理运动物体,并能构建环境的稠密地图。本文研究的视觉SLAM系统能够有效处理环境中的运动物体,在室内静止环境、低速运动环境和高速运动环境下都具有较好的精度,并且可以构建环境的稠密地图,这对于视觉SLAM技术的实际应用具有重要意义。