环境感知是机器人实现自主定位、导航的前提,是智能机器人自主行为理论中关键的研究方向。视觉SLAM技术作为环境感知技术中的重要方法,通过计算传感器采集的数据流,能够有效构建环境地图并给出机器人当前姿态。传统的SLAM算法基于静态世界的强假设,与客观真实环境不符,导致现有SLAM算法的工程应用效果欠佳。针对该问题,本文以室内动态环境为研究背景,对立体视觉环境感知技术展开深入研究。具体的研究工作如下:1)深入分析了动态环境的图像特征,研究了动态环境对传统SLAM系统造成的影响。给出了立体视觉SLAM系统的基本框架,分析了对应于客观实际环境的刚体三维运动数学模型和相机成像模型。2)针对环境中动态物体对SLAM系统存在较大干扰问题,设计了一种基于多视图几何的动态场景SLAM算法。采用组合式特征提取方法对客观环境特征进行描述;引入均匀分配策略对图像特征点进行稀疏优化;利用多视图时序差异信息构建帧间几何约束模型,在剔除隶属于动态对象异常值的基础上,实现了动态环境下位姿的精准估计。3)针对几何约束模型对初值精确性要求较高这一问题,设计了基于语义分割的动态SLAM系统。引入深度神经网络对先验动态物体进行预分割处理,并在此基础上构建了优化的帧间几何约束模型。设计了一种像素级至物体级的检测方法,并引入形态学滤波算法优化掩码区域的覆盖范围。在上述基础上,去除了融合掩码对应的特征点,从而提升了系统定位的精度。4)针对立体视觉SLAM在相机旋转运动、高速运动时容易发生丢失的问题,研究了多传感器信息融合技术,提出了基于多信息融合的SLAM算法。引入了基于最大后验概率估计方法,改进惯性测量元件的初始化过程。采用深度相机作为可靠尺度信息源,联合视觉信息与惯性信息完成位姿估计,提升了系统的鲁棒性。5)在理论研究的基础上,利用嵌入式平台对文中所述算法开展测试。实验采用Xavier NX嵌入式计算平台,搭载英特尔深度相机,在多种现实环境中对算法进行实测,从而验证了本文算法在工程应用中的潜力。