同步定位与地图构建（Simultaneous Localization And Mapping,SLAM）是提升移动机器人智能化水平的关键技术。多数视觉SLAM算法在设计时并未考虑运动物体对系统定位精度的影响,在建图方面其构建的稀疏点云地图可视性较差,并且没有利用环境中的语义信息,无法为人机交互、导航等应用提供支持。针对以上问题本文在ORB-SLAM2算法的基础上改进,提出了基于深度学习的视觉SLAM系统,实现了室内场景中的精确定位和语义地图构建。本文的研究内容如下:（1）分析各型相机的优缺点,选择RGB-D相机作为视觉SLAM的图像采集装置。根据相机成像原理对相机的内参和畸变系数进行标定和校正。接着建立SLAM问题的数学模型,研究并设计了视觉SLAM系统的基础框架,详细阐述了框架中主要模块的实现原理。（2）分析运动物体对视觉SLAM系统定位精度的影响,设计一种基于目标检测的视觉里程计,利用环境中的语义信息提高视觉里程计在动态环境下的精度和鲁棒性。在改进中比较几种特征点的优缺点,选择合适的特征点提取方法。在视觉里程计中增加目标检测模块,获取环境中的语义信息,并根据运动物体的预测框去除该区域中的特征点,降低运动物体对视觉里程计的影响。（3）分析视觉SLAM系统在建图中存在的缺陷,设计语义建图系统框架。使用图像序列中关键帧的点云以及对应的位姿数据进行点云拼接,构建出稠密点云地图,增强地图的可视化程度。建图过程中结合目标检测模块获得的语义信息,将稠密点云转化为带有语义信息的八叉树地图,降低地图的维护、更新和存储的难度,为导航和路径规划等应用提供支持。（4）搭建实验平台,选定测试数据集以及评价指标。在公开数据集和实际场景中对本文设计的系统进行测试和分析。实验结果表明,本文设计的基于深度学习的视觉SLAM算法在复杂的室内环境中能够实现准确定位,并构建稠密点云和语义八叉树地图。