对于移动机器人而言,传统的同时定位和地图构建技术(SLAM)已经提供了较好的定位和建图的基础。移动机器人可通过视觉里程计对自身的位姿进行估计,通过滤波以及非线性优化算法进行后端优化,从带噪声的数据中估计整个系统的状态,并根据需要进行稀疏建图或者稠密建图。但是目前视觉SLAM各方面的性能因素其应用场景依然十分有限。本文选取ORB-SLAM2为视觉SLAM的基础,通过融合语义信息改善了ORB-SLAM2的定位精准度,并提出一种拓扑地图的构建方法,对环境中的对象进行有目的的建图。本文通过目标检测算法对ORB-SLAM2选取的关键帧对应的RGB图像进行目标检测,获取每个关键帧对应的对象级别的语义信息。对关键帧以及对象级的物体建立词袋模型,通过判断每个关键帧的动态影响因素,对关键帧进行筛选,并对保留关键帧对应的动态路标点进行剔除,从而辅助ORB-SLAM2获取更稳定的关键帧及路标点。对于ORB-SLAM2的回环检测,本文针对某些特定的环境提出了基于对象级语义信息的闭环检测的方法。该方法基于词袋模型,将唯一识别性强的物体作为单词,对每个新观察到的单词与已有单词进行匹配,完成闭环检测。本文采用拓扑地图的方式进行SLAM地图的构建,将对象级物体作为地标,并通过6D目标姿态估计算法获取每个地标对应物体的姿态,从而为所建地图在其它环境中的重建提供基础。最后本文对改进后的SLAM方案分别做了验证性实验以及性能测试,证明了改进后的方案改善了ORB-SLAM2在动态环境中的定位准确性,并将构建的拓扑地图在虚幻四中进行重现,达到了预期的建图效果。