近年来,在科技发展的同时,机器人技术和计算机视觉技术开始越来越多的被用于实际生产生活中。在众多的技术中,移动机器人同时定位与建图(SLAM,Simultaneous Location and Mapping)对于机器人自主化尤其重要。由于机器人无法在室内利用GPS信号定位导航,一种解决方案就是使机器人在室内自主建图并可以利用这个地图导航。在简单的静态场景中,使用距离传感器可以很好的达到这一目的。但是在复杂的动态的场景中,需要机器人更好的理解环境,此时使用视觉传感器可以更好的完成任务,因此本文将对动态场景的视觉SLAM技术展开研究。本文利用计算机立体视觉技术,针对动态场景提出并完成了一个解决方案,具体包括以下主要研究内容:首先本文对双目相机建模,完成相机标定和图像的矫正,并通过对相机采集到的图像进行预处理,使得处理过后的图片帧更好的用于算法中。其次本文对已有的开源算法进行改进,使其对动态场景具有很好的适应性。对于在图像中占很小比例的动态目标使用传统的鲁棒估计算法处理以消除其影响。对于占大比例的动态目标,通过训练一个实例分割网络来完成对动态目标像素级别的跟踪,以此来剔除具有先验动态性的目标。为了检测的稳定性,本文通过计算稀疏场景流,以及结合实例分割来剔除动态目标。对于动态场景中特征提取和匹配不稳定的问题,本文使用了一种提取图像帧中可长时间依赖的特征的方案以及鲁棒的匹配算法,使得提取的特征可以更长时间被跟踪,且可以防止由于动态物体遮挡而产生的误匹配。最后通过设计实验来分析验证系统的有效性,通过在不同数据集下与ORB-SLAM比较,对系统性能进行定量分析,实验结果表明本文设计的系统在动态性强的场景中明显优于ORB-SLAM。通过在不同的实际场景中的测试验证系统对于实际环境的适应性,实验结果表明本文提出的算法可以很好的在不同的环境中有效运行。