视觉定位技术因其仅需相机采集的视频序列就能实时解算相机位姿,在微创手术、增强现实以及自动驾驶等领域有着广泛的应用前景。然而多数视觉定位算法基于静态场景假设,动态物体会破坏相机与地图点的几何约束,导致相机定位丢失,这在安全领域十分致命。本文为了解决这一关键问题,利用深度学习网络预测的深度及语义信息,提出一种动态环境下的单目视觉定位算法。研究内容如下:1.用于单目视觉定位的深度预测与语义分割联合估计网络研究。为提供给视觉定位算法高精度的场景深度信息及动态物体的语义信息,进而提高视觉定位算法的相机位姿估计精度,本文设计融入场景上下文信息的深度与语义联合估计网络（Contextual Information Network,CI-Net）。首先,提出场景理解模块,利用语义标签及交叉熵损失函数为网络注入上下文先验信息。随后,提出特征交互模块,利用多个上下采样操作融合不同任务的特征,并设计用于任务间相互指导的一致性损失函数。最后在公开数据集上验证各模块及损失函数的有效性。2.用于动态环境下视觉定位的动态特征点滤除算法研究。针对单一语义分割或几何约束方法分割动态特征点不准确进而影响单目相机位姿估计的问题,本文提出一种结合极线约束及语义分割的动态特征点滤除算法。几何约束方面,改进移动一致性检验算法,计算各特征点基于极线约束误差的动态概率值;语义分割方面,利用CI-Net预测的语义向量计算出各特征点基于语义分割的动态概率。随后设计自适应概率融合函数融合两类动态概率并滤除概率高于阈值的特征点。最后在多个场景验证了该算法的有效性。3.动态环境下融合历史深度及语义信息的视觉定位算法研究。针对现有动态视觉定位算法未充分利用历史深度及语义信息,导致相机位姿估计精度受限的问题,提出一种基于融合历史深度及语义信息的动态视觉定位算法。首先在CI-Net基础上提出融入不确定性预测的深度语义联合估计网络,利用网络预测的语义不确定性融合当前帧与历史帧的语义信息,计算得到更加准确的各特征点基于语义分割的动态概率值,进而结合动态点滤除算法获得更优的动态点滤除效果。此外,根据不确定值筛选网络预测的高质量深度值,并提出深度信息融合算法优化关键帧中的深度值,以获得更优的相机位姿估计精度。最后在公开数据集上验证该算法的有效性。最后总结论文的研究工作,并对未来动态视觉定位算法的研究计划进行展望。