同时定位与地图构建（Simultaneous Localization And Mapping,SLAM）是增强现实（Augmented Reality,AR）中的重要基础技术之一,其能够支持用户在未知场景内利用传感器进行场景感知,以此构建场景地图实现虚实叠加显示。近年来,伴随着SLAM技术的发展,其在特征明显的静态场景下已经可以实现相机实时稳定的位姿估计。但考虑到AR应用有时需要面向大范围场景,场景内含有动态物体与重复纹理;AR设备由于便携性限制,计算性能不强等特点,传统SLAM方法无法直接应用于AR应用场景。本文在ORB-SLAM2的基础上进行研究,在可穿戴便携平台上开发了一套可以在先验知识充足的大范围动态场景下提供实时高精度相机位姿、构建语义地图的大场景构图与定位系统。针对AR应用虚实融合要求,基于语义地图与相机估计位姿实现大范围场景下的虚实物体遮挡判别与叠加显示。首先,本文在便携设备上将基于轻量级网络的目标检测分类器集成到ORB-SLAM2算法框架当中,利用点云分割技术对目标检测器提取的语义信息进行轮廓优化,提取语义;设计语义SLAM方法,通过从图像中提取的高质量语义信息辅助相机定位,消除由于动态物体移动所带来的相机估计位姿噪声,构建场景语义地图。其次,面向课题背景中含有重复纹理的大范围场景,本文设计人工标志库,将标志作为先验知识布置在场景内。算法利用已知空间坐标的人工标志进行相机位姿的快速估算,并基于对极几何对估计结果误差进行检测与抑制;在设计的语义SLAM方法的基础上融入先验人工标志,通过先验知识约束去除大范围场景运行所累积的漂移误差、辅助重定位和回环检测等任务,实现算法在各个场景下的鲁棒跟踪。然后,针对大规模场景下用户快速移动等容易造成视觉SLAM方法跟踪丢失的情况,本文将算法估计的相机位姿结果与惯性测量单元数据基于扩展卡尔曼滤波进行融合。在增强现实虚实遮挡方面,考虑到场景规模与AR设备计算性能限制,本文通过语义信息标签,离线构建场景静态网格模型,仅对当前视野下的动态语义物体网格模型进行在线刷新,利用三维网格模型将真实物体映射到虚拟空间内进行虚实遮挡判别。最后,设计了可以在穿戴设备上稳定运行的系统工具集:相机定位定向-语义地图构建工具、增强现实虚实遮挡显示工具。介绍了系统工具集各模块的详细结构与流程,并对系统开展了相关实验。证明其在课题应用场景可以实时高效工作,相机定位与语义地图构建精度满足虚实叠加要求,虚拟物体和真实物体的遮挡关系正确。