基于静态环境的假设,同时定位和地图构建（Simultaneous Localization And Mapping,SLAM）在过去的几十年里有了很好的发展并且具备了良好的性能,尤其是基于视觉的SLAM算法因为相机的易获取和廉价的成本获得了越来越多的关注。但实际场景中的运动物体极大地限制了视觉SLAM在动态环境中的应用。如何处理动态环境中的运动物体成为提高SLAM系统性能的关键。本文设计了一种面向动态环境的视觉SLAM系统,构建了只包含静态信息的三维稠密地图,提高了 SLAM算法在动态场景下的精度和鲁棒性,具体研究内容如下:首先,本文介绍了实例分割网络Mask R-CNN,并在数据集和实际场景中测试了 Mask R-CNN。在此基础上针对卷积神经网络（Convolutional Neural Network,CNN）存在的错误分类和分割不准确问题,本文向Mask R-CNN引入了位置注意力和通道注意力两个轻量型注意力模块。通过考虑图像中每个位置和每个通道之间的相互依赖关系,聚合全局信息,增强网络的全局依赖性和判别能力,提高分类的准确性。实验结果表明加入了注意力机制的Mask R-CNN网络的损失值更小并且收敛的更快,缓解了分割不准确的问题。然后,针对Mask R-CNN在没有先验信息的前提下无法判别物体运动属性的问题,本文使用了一种稠密金字塔光流法进行运动物体的检测,并设计了图像特征点提取方法,减少了构建稠密光流场的时间开销。结合光流法检测出的场景中物体的动态信息和Mask-RCNN输出的物体的语义信息,分割出场景存在中的运动物体,然后将运动物体从图像中剔除。实验结果表明本文提出的算法可以准确检测出运动物体并将其从场景中剔除。其次,剔除动态物体会将其所覆盖的背景区域一并去掉,但背景区域所包含的静态信息对地图的构建和重利用是有益的。针对该问题,本文设计了基于深度学习的背景修复网络,对于当前帧中由于剔除动态物体而留下的空白区域,使用其他视图中的静态信息填充被动态物体遮挡的背景。本文在公开数据集上对背景修复网络进行了实验和分析,验证了本文算法的有效性和可行性。最后,针对点云地图效率低和内存资源消耗大的问题,本文使用一种基于Surfel模型的算法进行三维地图的重建,提高了重建效率。实验结果表明,本文算法在地图建立的过程有效地去除了环境中的动态物体并恢复了静态背景,解决了地图中存在物体重影和相机位姿估计准确率低的问题。