同时定位与建图（Simultaneous Localization and Mapping,SLAM）是移动机器人实现自主化与智能化的关键技术。相对于惯导、激光雷达等传感器,视觉传感器成本更低且采集的图像可以提供更多的环境信息,基于各种视觉传感器的SLAM算法取得了很多研究成果。然而,现有的视觉SLAM算法都假设相机在静态环境下工作,在实际应用场景中难免会出现运动物体,成为图像中的干扰元素,严重影响机器人的位姿估计与其所建立的环境地图。针对此问题,本文研究了一种动态环境下的鲁棒视觉SLAM算法,采用基于单目视觉的方法估计相机的位姿信息,并建立一个不包含运动元素的静态半稠密地图,主要工作包括:分析了动态环境下视觉SLAM系统,对单目相机进行建模,推导出图像二维坐标与实际三维坐标的转换关系。进一步研究了ORB-SLAM2算法实现原理及存在的问题,并在此基础上设计一种适用于动态环境下鲁棒视觉SLAM系统的总体框架。针对动态环境下视觉SLAM系统定位精度下降问题,提出了一种新的基于动态特征点剔除的单目视觉SLAM定位算法。利用光流动态检测算法,将特征点集分为静态点和动态点,并利用静态点进行相机位姿的估计,从而完成动态环境下单目视觉SLAM定位功能。实验结果表明,所提出的定位算法能够显著提高SLAM系统的定位精度。针对单目视觉SLAM系统构建的稀疏点云地图无法满足导航避障、智能抓取等复杂任务的问题,提出了一种新的静态半稠密地图构建方法。在定位算法基础上,获取动态环境下关键帧之间精确的位姿变换,并通过在关键帧间沿极线搜索,获得像素点的逆深度估计。进而对整个关键帧内进行深度平滑处理,并对动态物体上恢复出的地图点进行噪声点去除,从而构建全局一致的静态半稠密地图。实验结果表明,所提出的地图构建方法可构建一个较为清晰且不包含运动元素的半稠密地图,能够满足后续更多的需求。