随着人工智能和计算机视觉等相关技术的发展,机器人逐渐成为科技社会标志性产物之一。视觉SLAM是机器人完成自主移动和开展高层任务的前提条件,在科研和工业生产方面均具有重大研究意义。间接法视觉SLAM凭借运行稳定逐渐成为主流,在简单静态场景中的应用已经趋于成熟,但动态、低纹理、光线视角变化明显等复杂动态场景下仍处于探索阶段。一方面,动态目标会造成特征点的误匹配或不匹配,影响定位精度和建图效果。另一方面,大多数视觉SLAM使用的传统图像特征点基于人工设计的关键点和描述子,在低纹理、光线视角变化明显等场景下匹配性能不足以满足需求。本文首先研究动态场景下的视觉SLAM,动态目标过多时SLAM定位精度不高,甚至可能会失效。本文首先提出语义分割和几何紧耦合的动态目标检测算法,利用Mask R-CNN网络生成语义掩膜,并将其作为先验信息提高几何运动分割的精度,生成类似的几何掩膜。在此基础上,本文将动态目标检测算法集成进ORBSLAM2系统,对输入图像实施检测,基于检测结果初始化特征点的权重,并联合优化权重和估计位姿。为评估动态SLAM系统的性能,本文在TUM RGB-D数据集和真实场景下展开实验。定性和定量实验的结果表明,本文动态SLAM系统在动态场景下的定位精度相对ORB-SLAM2有显著提升,并且比当前先进的动态SLAM算法更加鲁棒。针对传统图像特征点在复杂场景下的不足,利用深度学习自动提取图像特征的优势,以学习的方式提取特征点和估计相机相对位姿。本文以自监督学习的特征提取网络Super Point为基础,用Soblel边缘检测滤波器得到梯度引导的特征检测器,然后将特征检测器和Deep F位姿估计网络连接到一起并端到端训练。为实现端到端训练,本文对特征检测器的输出实施局部软argmax（softargmax）操作,确保梯度向后传递到特征点。最后,在多个复杂场景的数据集上进行特征提取和相对位姿估计实验。Hpatches数据集下的特征提取实验表明学习特征点和传统特征点相比分布更均匀,且能获得更高的匹配分数。KITTI数据集下的相对位姿估计实验中,本文算法的估计位姿误差最小;Apollo Scape数据集下,本文位姿误差虽然比SIFT略大,但相对Super Point较小,验证了端到端训练方式对准确性和泛化能力的提升。