基于视觉的同时定位与地图构建技术是机器自身定位和构建三维场景地图的关键技术。针对现有SLAM系统存在的动态场景下精度降低、点云地图模型难以满足智能化应用场景等问题,本文致力于研究基于静态区域提取的视觉定位及三维语义地图构建等关键技术。主要研究内容如下:（1）提出了一种基于静态区域提取的视觉SLAM算法。基于静态背景像素在不同视角观测下的几何一致性,从静态背景中分割并剔除动态对象,在位姿解算过程中提取静态背景中的特征点估计相机轨迹;结合改进的回环检测方案,通过减小动态物体在场景特征的权重和去除特定动态物体的方法,提高系统精度。实验证明,本算法在保证实时计算的同时在高动态序列中准确度相比ORB-SLAM2提高了81.37%。（2）提出了一种基于平面结构和局部凹凸信息的场景分割算法。针对SLAM系统输出的点云模型缺少结构信息的问题,通过超体素聚类将点云转换为面片邻接图;快速提取场景的基准平面候选集后,综合几何拓扑特性和平面拟合度求解基准平面集;然后基于点云的基准平面分布对面片集进行分类,在非平面区域则采用局部凹凸性质进行场景分割。实验证明,与目前的无监督算法相比,本算法在噪声影响下能获得更好的场景点云分割效果。（3）研究了一种融合语义标注信息和场景点云聚类的语义地图构建算法。使用目标检测算法对关键帧进行二维图像的语义标注,基于条件随机场模型将二维图像的语义标注信息,与场景分割的聚类信息相融合求解语义地图,其中融合过程中利用前后帧的时域关联信息优化三维语义标注。实验证明,本算法在构建三维场景的语义地图过程中可弥补点云分割算法对小物体分割过于粗糙的缺陷。