近年来,由于信息产业的迅速发展,传统的物资配给和管理方式发生了巨大的变化,人工物资盘点逐渐被机器所取代。机器盘点并定位物资能大幅度改变传统仓库人工盘点效率低下、信息化程度低的问题。以相机作为传感器的盘点机器人作为低成本方法引起了研究者的关注,研究以视觉方法为基础的物资定位系统成为关键问题。本文希望在同步定位与建图（Simultaneous Localization and Mapping）的基础上研究一种能够对特定物资进行定位的技术,该技术以单目相机作为主要传感器,在获取图像的同时建立周围环境的地图以及所发现的物资在地图中的相对位置。本文首先梳理了单目视觉SLAM的数学原理,并指明了 SLAM系统与本文所研究的系统之间的关系。再者,本文使用深度神经网络算法对图像进行语义信息的提取,其中包含使用目标检测算法提取兴趣物资在图像中的区域和使用语义分割模型对图像进行分割。本文通过引入语义向量和二值图像的距离变换融合了图像分割信息,并推导了相应的优化模型。针对目标检测语义信息,本文结合了光流法和Kalman滤波设计了一种数据关联方法,该方法能够在多帧间关联目标检测的结果以作为物资位姿估计的前提。最后本文使用二次椭球作为物资位姿的几何描述,并推导了物资位姿的优化模型。本文在ORB-SLAM2框架下实现了推导的模型,并搭建了原型系统在公开数据集上进行实验。实验结果验证了系统具有对特定物资进行定位的功能。另外,实验结果也验证了本文设计的语义信息融合方案的能够提高系统定位的精度,以及本文设计数据关联算法在一定条件下具有较好的鲁棒性。本文末尾总结了课题的工作,并尝试分析了研究过程中存在的问题及问题发生的原因,为后续的工作提供思路。