近年来,随着建筑行业产业升级的不断深入以及机器人技术的突飞猛进,建筑机器人也在朝着智能化的方向快速发展。基于视觉传感器的同步定位与建图技术（Simultaneous Localization and Mapping,SLAM）仅利用相机就能够完成机器人的自主定位,并实时构建环境地图,该技术为建筑机器人实现自主导航提供了基础。本文围绕室内建筑机器人的视觉SLAM技术展开研究,主要的研究内容及工作如下:（1）设计了室内建筑机器人视觉SLAM系统的整体框架。以RGB-D深度相机为视觉传感器,ORB-SLAM2系统为基础,结合施工场景的实际情况,为保持系统在动态环境下的定位精度与鲁棒性,使其更好地适应施工环境,在原系统之上新增一条目标检测线程,同时在跟踪线程中添加动态特征点剔除环节。此外为满足建筑机器人导航需求,又新开辟一条三维稠密建图线程,以构建可用于建筑机器人导航的三维稠密地图。（2）提出了一种动态特征点剔除算法。在特征点提取的同时使用YOLOv4进行动态目标检测,剔除动态目标范围内的特征点,再利用对极几何约束与光流约束过滤图像中可能残余的动态点。随后,又对该算法进行了改进,将目标检测网络更换为轻量型的YOLOv4-tiny,并对检测结果进行动态目标判别,剔除动态特征点。实验结果表明,两种算法都能有效过滤图像中的动态特征点,大幅提高系统在高动态环境下的定位精度,并且相较第一种算法,改进算法可以更好的保留静态特征点,在低动态环境下依然能保持良好的定位精度,并且实时性更强。（3）提出了一种三维稠密建图方法。首先,结合自适应中值滤波与联合双边滤波的优点,提出基于深度阈值的深度图像修复算法,处理深度图像中的空洞与噪声。随后在此基础上生成点云地图,在生成点云过程对关键帧图像进行动态目标检测,滤除动态目标的像素点,构建静态的三维点云地图,最后将点云地图转化为能够用于建筑机器人导航的八叉树地图。实验结果表明,所建八叉树地图能够有效过滤动态信息,并且占据内存较小。（4）实现了建筑机器人视觉SLAM系统,并且利用移动机器人平台对实现的视觉SLAM系统进行整体测试,测试结果表明该系统在动态环境下能够较为准确的估计出机器人运动轨迹,并且能够构建出不含动态物体的静态三维稠密地图。