同时定位与地图构建(simultaneous localization and mapping,SLAM)是自主移动机器人感知环境、完成复杂任务的关键技术。在计算机视觉技术发展的支持下,在基于特征的视觉SLAM系统上利用语义信息解决纯视觉信息带来的制约并提高系统对环境的感知能力的相关算法引起了研究者的广泛注意。针对当前基于特征的视觉SLAM系统对语义信息中类别属性的认知不足,忽略语义信息中位置信息对系统影响等问题,本文对视觉SLAM中特征语义表达进行研究。论文的主要研究成果包括:1.论文从物体速度属性对视觉SLAM的解算影响出发,考虑物体类别各属性对系统计算结果的不同影响,提出了自适应表达视觉SLAM中特征所属物体类别影响的方法。论文设计了一种统计不同物体类别对应特征对SLAM系统正确定位的贡献程度的度量方法,并在公开数据集上完成各个类别的影响因子统计。经过实验证明,本文统计的特征物体类别影响的自适应表达可以有效地将经典的ORB-SLAM2系统的定位结果的准确性平均提高约4%,将定位结果的标准差平均降低约27%。2.论文指出了视觉SLAM中存在空间结构不稳定特征的问题,并分析了该问题与边缘特征的关系,提出通过表达出特征的边缘属性降低不稳定的空间结构影响的方法。论文总结了边缘特征的特殊性,并在此基础上通过在匹配过程对边缘特征施加更严格约束与在后端优化过程中调整边缘特征的信息矩阵两个步骤表达出特征的边缘属性。经过实验证明,本文通过在视觉SLAM系统中表达特征的边缘属性可以有效地将经典的ORB-SLAM2系统的定位结果的准确性平均提高约7%,将定位结果的标准差平均降低约25%。3.论文设计了统一表达出特征物体类别属性影响和边缘属性影响的视觉SLAM系统,并根据视觉SLAM系统的应用场景设置了语义表达选择和动态恢复策略选择。本文在TUM RGB-D数据集和KITTI数据集上对所设计的系统进行了实验,实验结果表明本文设计的视觉SLAM系统具有优秀的定位准确性和抵抗动态目标干扰的能力。