近年来,随着无人驾驶等技术的不断发展,SLAM（同时定位与地图构建）已成为国内外的热点研究方向之一,视觉SLAM是指利用视觉传感器,实现对移动机器人自身的位姿估计和地图构建。大多数SLAM系统假定工作场景是静态的,然而,在SLAM的实际应用场景中,存在着许多动态物体,这也意味着基于静态环境假设的SLAM系统难以有效地在实际的动态场景中进行工作。因此,本文研究了室内动态场景下的SLAM的问题,主要分为以下几个部分:第一,本文对视觉SLAM相关的理论基础进行了研究,分析了特征点的提取、描述子的建立和图像特征匹配,并研究了如何使用光束平差法对时间上相邻的两个相机帧进行位姿估计。第二,本文研究了如何在动态场景下对RGB-D相机进行位姿估计。首先,本文提出了一种基于二重K-Means聚类的动态特征点检测机制,通过该机制,可以对相机帧中的位于动态物体上的特征点进行检测;其次,本文通过静态权重来表示特征点位于静态物体上的概率,静态权重由静态观测数和静态概率构成;此外,本文还提出了一种基于静态权重的RANSAC算法,在特征点选取、结构相似度验证和目标函数三个方面对传统的RANSAC算法进行了改进。第三,本文研究了视觉SLAM中的全局优化技术,分析了更大规模的SLAM后端优化问题;其次,为解决视觉SLAM在长期运行过程中产生的累积误差问题,设计了一种基于词袋模型和特征点间拓扑结构的回环检测算法,该算法将当前帧进行区域划分,再分别对每个区域进行图像相似度匹配,找出与每个区域最相似的多个回环候选帧,再通过建立区域与回环候选帧间的结构矩阵,从而得到最终用于回环检测的相机帧。最后,为了对本文的方法进行验证,本文使用了公开的TUM数据集将本文的方法与目前优秀的动态场景下的RGB-D SLAM方法进行对比实验,并进行了室内现场实验。实验结果表明,本文方法可以在动态场景下鲁棒地估计RGB-D相机的位姿。