即时定位与地图构建（Simultaneous Localization and Mapping,SLAM）是指机器人在陌生环境中仅通过自身携带的传感器估计自身位姿与构建环境地图的过程,它是很多机器人应用场景的先决条件,比如路径规划、无碰撞导航、环境感知等。视觉SLAM则是指以摄像头为主要数据采集传感器的定位建图方法,相比于激光等其他传感器,摄像头具有成本低,体积小等许多优点,而且视觉为机器人处理场景提供了丰富的纹理信息,是产生环境语义的重要基础。虽然目前已经有很多成功的开源方案,但是视觉SLAM仍然有许多不足之处。首先,目前的无论是基于直接法,还是特征点法的SLAM均只构建出空间点云位置,并不能展现该点云所代表的视觉含义。其次,也是因为在数据联合过程中的直接匹配处理,没有考虑环境语义信息,导致当环境中存在高动态物体时,系统轨迹计算精度大大降低,甚至导致系统建图失败。针对以上问题,本文提出一种利用深度学习识别环境语义信息并结合光流法识别动态物体来进行三维语义地图构建方法,该方法构建的语义地图可以是用于交互稠密的点云地图,也可为用于室内机器人导航过程的八叉树地图。为实现该过程,整个系统采用多线程的处理方式,系统的输入为彩色图与深度图,语义分割线程与SLAM过程同时运行。首先用实例分割网络对彩色图关键帧进行实例分割建立先验语义信息。然后计算特征点光流场对物体进一步区分,识别出场景真正运动物体,与此同时SLAM过程根据动态信息优化求解位姿方法,并进行三维语义优化,建立动态物体信息库,实现语义地图的动态更新,为方便机器人导航过程,可将稠密点云地图转化为八叉树地图,最终建立无动态物体干扰的语义地图。将本文提出的方法在室内环境公开数据集中测试,结果表明,本文方法可有效的消除动态物体对SLAM过程的影响,大大提高机器人在即时定位与地图构建过程中轨迹的计算精度,建立可靠的三维稠密语义地图或八叉树语义地图。