静态环境是大多数视觉同步定位和测绘系统的前提条件。如此强烈的假设限制了大多数现有SLAM系统的实际应用。当运动物体进入摄像机视场时，动态匹配点会直接中断摄像机定位，运动物体形成的噪声块会污染所构建的地图。本文提出了一种工作在室内动态环境中的语义SLAM系统——Blitz-SLAM。结合掩模（mask）、RGB和深度图像的语义和几何信息优势，去除局部点云中的噪声块。通过合并局部点云得到全局点云图。

近年来，基于视觉的传感器在同步定位与测绘(SLAM)系统中表现出了显著的性能、准确性和效率提升。视觉同步定位与映射(VSLAM)方法是指使用相机进行姿态估计和地图生成的SLAM方法。我们可以看到许多研究成果证明VSLAM的性能优于传统方法，传统方法只依赖于一个特定的传感器，如激光雷达，即使成本较低。VSLAM方法利用不同类型的相机(如单目、立体和RGB-D)，在不同的数据集(如KITTI、TUM

根据原理的不同，主要有基于特征的方法和直接方法，如Engel等人提出的线段检测器(line segment detector, LSD)-SLAM,8采用直接方法，而不是基于特征点的BA，可以构建大规模的半密集地图。针对低纹理环境下基于点特征的SLAM的不可靠性问题，提出了一种新的线段提取与匹配方法，解决了原LSD方法存在的重叠和分支问题，提高了线匹配的可靠性和鲁棒性。在我们的工作中，我们处理了重

由于田间纹理较弱，现有的单特征SLAM方法很难获得有效特征来构建准确实时的场地三维地图。在本文中，我们提出了一种基于点线特征融合的RGB-D SLAM新方法，用于实时场地三维场景重建。通过优化点线特征联合姿态，我们首先基于点线特征结构构建了场地的三维场景地图。然后，设计了一种基于关键帧优化的点线特征联合点云滤波方法。最后，我们在全局方面获得了始终具有高质量密集地图。

本工作提出了一种针对结构化环境设计的RGB-D SLAM系统，旨在通过利用从周围环境中提取的几何特征来改善跟踪和建图的精度。结构化环境除了提供点之外，还提供了丰富的几何特征，如线和面，我们利用这些特征来设计SLAM系统的跟踪和映射组件。对于跟踪部分，我们基于曼哈顿世界(Manhattan World, MW)的假设探索这些特征之间的几何关系。我们提出了一种基于点、线和面的解耦优化方法，以及在附加的