随着现代社会的发展,移动机器人逐渐应用于越来越多的场景。并且由于应用场景变得更加复杂,所以人们对移动机器人的性能也提出了更高的要求。为了使移动机器人能够在这些场景进行工作,移动机器人需要能够理解周围的环境,具备自主定位和自主导航的能力。所以人们仍然十分热衷于移动机器人领域的相关研究,并且取得了优异的成绩。本文对全向移动机器人的视觉定位系统进行了相应的研究,通过对传统视觉定位系统进行改进,使全向移动机器人可以在动态环境下进行定位和建图,并且介绍了一种应用场景。首先,针对视觉SLAM（Simultaneous Localization and Mapping）系统在动态环境下存在定位精度低和实时性差的问题,提出了一种基于图像融合算法的动态SLAM系统。其通过融合深度图像和语义图像可以获得没有动态对象的RGB图像,利用这样的图像可以保证所提取的特征点绝大多数都是静态的。实验结果表明,该动态SLAM系统相较于其它的动态SLAM系统具有更好的实时性和准确性。其次,针对语义分割算法存在精度较低和实时性差的问题,提出了一种基于多传感器融合的动态SLAM系统。其提出了两种重投影方法和一种极线约束的方法对图像中的特征点进行筛选,使经过筛选的特征点尽可能都是静态的,并且通过在视觉里程计中加入光流跟踪,改善系统的跟踪性能。实验表明,其在高动态场景具有不错的实时性和精度。最后,针对在陌生环境下移动机器人需要人为控制进行建图的问题,提出了一种目标跟踪算法。该系统采用Mobile Net算法跟踪的目标,使得移动机器人可以跟踪目标行驶,最后利用动态SLAM系统就可以构建一幅静态的局部点云地图。