近些年来,无人机因其具有的机动性和灵活性,已经被广泛应用到了军事、民用的各个领域,在未知环境中能够实时感知信息与自主导航是完成后续任务的关键。基于以上目标,视觉SLAM（Simultaneous Localization And Mapping,同时定位与地图构建）方法应用而生。然而真实环境中往往会存在动态物体,这时就会对SLAM造成干扰。除此之外,真实复杂化环境中往往会有很多相似的区域,影响闭环检测的准确性。针对上述问题,本课题基于传统视觉SLAM方法,研究设计了一种适应于动态相似环境的改进方法,主要工作包括:首先基于实际应用背景及课题需求,在基本视觉SLAM系统的框架基础上,设计了改进系统框架,在视觉里程计加入动态特征滤除模块,以消除环境中动态物体的干扰,同时对后端回环检测进行了改进,加入剪枝函数避免错误回环的出现。使得无人机能够在动态相似环境中稳定进行定位建图任务。针对动态环境中的定位与建图精度差的问题,本文研究设计了一种动态环境下的视觉里程计,在传统视觉里程计部分加入动态特征点检测模块,对图像帧中提取到的特征点进行检测分割,滤除动态特征点,只保留静态特征点用于定位建图。最后利用公开数据集进行实验,结果表明本文算法能够有效滤除动态物体上提取到的特征点,平均定位精度提高约96%。为了提高视觉SLAM回环检测在面对相似环境的准确性,本文对传统回环检测算法进行了改进,利用词袋模型计算图像间相似性,并构建数据库提高计算效率,利用剪枝函数进行筛选,避免检测到错误的回环帧。最后同样利用公开数据集进行了实验,由结果可知在面对相似环境时,本文算法在80%召回率时,准确率较传统算法提高约29%。最后,基于四旋翼无人机平台,在实际动态相似环境中完成了对算法的实验验证。实验结果表明,本课题研究设计的方法在动态环境下的定位误差约为0.24d%,满足定位精度要求;同时能够避免相似区域对于回环检测准确性的影响。系统处理一帧图像的平均时间为39.3ms,满足实时性要求。项目成果可以应用于智能无人平台在动态相似环境中的定位与建图,具有一定的实用价值。