移动机器人如果要在未知环境中实现自身的精确定位,离不开同步定位与地图构建技术（Simultaneous Localization and Mapping,SLAM）。当SLAM系统使用的传感器为相机时,该系统可被称之为视觉SLAM系统。目前大多数视觉SLAM系统运行时都假设外部环境是静态的,但在实际应用场景中显然无法满足该假设。针对传统的视觉SLAM系统在动态环境中易受移动目标影响,导致系统定位精度下降的问题,本文提出将深度学习中的目标检测技术融入视觉SLAM系统,有效提升了视觉SLAM系统在动态环境下的定位精度,同时获得了环境的语义信息。由于传统的深度学习网络对硬件资源要求较高,本文面向不同的硬件平台,构建了不同的轻量级目标检测网络,使得基于深度学习的视觉SLAM系统在低算力乃至嵌入式平台上也可以实时运行。具体研究工作如下:（1）针对当前基于深度学习的目标检测网络运行时对硬件要求过高,难以实时运行的问题,本文在CPU与GPU平台分别构建了轻量级的目标检测网络。对于CPU平台,本文通过对比常见的轻量级网络,提出将Mobile Net V3轻量级网络作为目标检测网络YOLOv5s的主干网络,最终构建出一个轻量级的目标检测网络Mobile Net V3-YOLOv5s,使得网络模型参数量减少了51.88%,在CPU上检测速度提升了53.06%。对于GPU平台,为充分发挥GPU并行计算的优势,本文提出利用Tensor RT对YOLOv5系列进行网络融合加速,实验表明,相比原YOLOv5s网络,融合后的Tensor RT-YOLOv5s网络显存使用量减少了39.84%,同时网络推理速度获得了12倍的提升。最后,本文在校园实际道路环境中对YOLOv5s、Mobile Net V3-YOLOv5s、Tensor RT-YOLOv5s这三种网络进行了检测效果对比测试。（2）针对当前的视觉SLAM系统在动态环境中工作时定位精度不高、鲁棒性不足的问题,本文在上述（1）研究的基础上,提出将Mobile Net V3-YOLOv5s轻量级目标检测网络与光流金字塔融入视觉SLAM系统。使得SLAM系统前端提取ORB特征点的同时可有效剔除图像中的动态特征点,仅利用静态目标上的特征点进行帧间匹配求解相机位姿,提高了系统在动态环境下的定位精度。将本文算法应用于动态环境,在TUM动态数据集上的测试表明,相比ORB-SLAM3,位姿估计精度提升了80.16%,相比其他适用于动态环境的SLAM算法在实时性与精度上各有部分提升。综上所述,本文的研究成果能有效减少动态目标对视觉SLAM系统定位精度的影响,且系统中的轻量级目标检测网络可以实时地获取语义信息,为将深度学习技术融入视觉SLAM系统的研究及应用提供了新思路,对在嵌入式平台上应用视觉SLAM技术有一定参考价值。