随着我国老龄人口的增涨,养老的需求大幅增加,因此室内服务机器人得到越来越多的关注。在过去的几十年里,无论是计算机视觉领域,还是机器人社区,视觉同步定位与地图构建(visual simultaneous localization and mapping,Visual SLAM)技术已经激起了人们极大的研究兴趣。而且动态环境下的视觉SLAM也有多个算法出现。但是算法的实际应用还面临系统定位精度和实时性不足的问题。针对这些问题,本文研究动态环境下,视觉SLAM算法的实际应用问题,本文的主要内容如下:(1)以剔除环境中的动态物体为目标,设计了一个RGB-D SLAM系统。选择提取图像中ORB特征以提升系统的运算速度,加入了后端优化和回环检测算法提升系统的定位精度并消除累计误差。使用了关键帧技巧降低计算消耗。将Mask R-CNN算法融合到系统中以剔除可预先定义的动态物体。为了剔除没有预先定义的动态物体,提出了基于几何约束的动态物体剔除算法。(2)提出了一种将RGB-D SLAM与轮速编码器融合的算法。通过建立两轮机器人的里程计模型,找到了轮速编码器和机器人位姿之间的联系,并和RGB-D SLAM的前端融合,共同优化机器人的位姿。结合深度神经网络Mask R-CNN算法,找出图像中预定义的运动对象。引入K-means算法,结合像素的深度信息,剔除未预定义的运动像素。应用关键帧,构建了环境的八叉树地图。(3)以Turtle Bot2机器人为基础,结合Kinect 2摄像机,搭建了移动机器人实验平台,结合ROS机器人操作系统编写了本文设计的系统的代码。在实验室环境下对提出的SLAM系统进行了测试,分析了本方案在实际轮式机器人上的实验结果。