目前,机器人技术、VR、AR技术在学术界与产业界非常热门,其中都需要使用的一种基础算法为SLAM算法。目前在二维平面基于激光传感器的SLAM算法相对成熟,但是基于视觉的SLAM还有很多的局限性,如在动态场景中难以实现准确定位,利用相机传感器是目前SLAM算法发展的主要趋势。双目摄像头由于能通过深度估计算法恢复场景中的真实深度信息,且比单目相机的鲁棒性强,目前正在被广泛研究中。因此,研讨在动态环境中基于双目相机的视觉SLAM算法是有很重要的价值。本文主要对在动态环境中基于双目系统的视觉SLAM算法进行研究,主要工作如下所述:(1)学习SLAM算法中常用的单目相机模型、针孔相机模型以及双目系统的模型,推导从世界坐标系到像素坐标系的变化。对比不同特征描述算子提取图像特征的速度,实验提取图像的ORB特征。使用特征匹配算法组合不同图像,使用直接法估算特征在真实世界中的深度,求解Pn P问题,计算相机位姿变化。(2)利用机器学习的方法学习公路环境车辆特征,提出“两步迭代”特征筛选方法,用于解决因环境中因动态物体导致错误匹配以及特征点不足的问题。(3)在经典的视觉SLAM框架基础上,增加了“动态滤除模块”,构成一种适用于动态场景的新视觉SLAM框架,使用KITTI部分数据集,在公路环境中进行算法验证,实验表明新框架定位精度有了明显提升,最终实现了在动态环境中的准确定位并构建较为准确的环境地图。