作为一种应用广泛的工程机械,挖掘机在资源开采、建设施工、抢险救灾等领域发挥着极其重要的作用。由于施工环境恶劣、劳动力逐渐短缺等问题,挖掘机智能化和无人化成为其未来发展的主要趋势。环境感知是挖掘机智能化的重要一环,对自身和周围环境正确建模后,挖掘机才可能完成如导航、作业等任务。由于视觉感知方案具有信息丰富、算法成熟且成本较低等特点,本文以视觉为载体对定位与场景建图两大主要环境感知任务展开研究,旨在解决挖掘机在复杂作业场景下的定位与建图问题。主要研究内容包括以下几个方面:首先,针对传统视觉SLAM（同步定位与建图）算法在挖掘机施工作业等具有动态目标的场景下无法有效定位的问题,结合挖掘机运动特点选择YOLOV5作为目标检测网络模型用以识别场景中的潜在动态目标,同时加入基于坐标关联的多目标跟踪算法在连续时间上锁定目标,有助于后续目标动静态的鲁棒判断。其次,以场景目标检测结果为切入点,利用背景信息计算帧间的初始位姿,并结合深度约束和Mask R-CNN网络模型获取的语义约束,完成各个目标的动静态判断以及目标框内动静特征点的精细筛选,在ORB-SLAM2定位框架的基础上实现了动态场景下的精确位姿估计。在公共数据集TUM和KITTI上的实验表明,在高动态场景下,提出的算法在绝对轨迹误差（ATE）的相关指标与ORB-SLAM2相比基本减少了90%以上,与现有先进的动态SLAM系统Dyna SLAM、DS-SLAM相比同样占优,证明本文算法的有效性。然后,针对挖掘机在场景中自主导航的需求,设计了一种去除动态物体干扰的稠密地图构建算法。场景稠密信息基于双目图像采用神经网络模型PSM-Net生成,运动目标则通过定位算法的动静态判断结果以及语义掩膜实现去除。结合相机估算位姿以及视场重合度选择建图关键帧,实现点云地图的拼接。通过将点云地图转化为八叉树地图,完成适用于导航地图的构建。最后,通过仿真平台模拟实际挖掘作业场景对算法进行验证。根据挖掘机作业特点和算法需求搭建仿真场景并采集数据,基于仿真数据,验证了挖掘机语义分割、动态场景定位精度以及场景地图构建的效果;为算法的实际应用奠定了基础。