视觉SLAM技术已经在自动驾驶、AR和VR等场景得到广泛应用。但大部分SLAM都假设场景是静态的,而现实中的场景大多是动态的,这将造成相机位姿估计过程中关键点的误匹配,从而影响其定位精度。另外传统SLAM构建的地图往往是稀疏的,只能用于定位,无法完成导航、人机交互等高级任务。针对这些问题,本文利用深度学习模型预测的深度信息和语义信息,在传统单目SLAM基础上提出了一种针对动态场景下的SLAM算法,并构建了三维语义稠密地图。本文完成的具体工作如下:首先,为了高效地给SLAM系统提供深度信息和语义信息,本文设计并实现了一个兼顾精度和效率的多任务网络,能够同时输出深度信息和语义信息。基于公开数据集进行实验,验证了该网络的准确性和实时性。其次,针对动态物体的处理问题,本文研究了基于稀疏光流的动态点检测算法,并结合语义信息实现了动态点和动态物体的检测和移除。然后,结合多任务网络的输出信息和经动态物体处理后得到的动态物体信息,提出了一种新的SLAM算法。该SLAM算法一方面利用模型预测的语义分割图,结合光流进行动态物体检测,仅从静态场景部分提取出候选点并跟踪,并且在优化计算时排除位于动态区域内匹配点产生的光度残差;另一方面用模型预测的深度图来初始化关键帧逆深度,从而提升了SLAM的定位精度。最后,稠密语义建图部分,利用多任务网络输出的深度图、语义图、SLAM系统输出的相机轨迹和检测出的动态物体信息,在公开数据集上完成了动态场景下稠密语义地图的构建。