相比于传统视觉同时定位与建图(Simultaneous Localization And Mapping,SLAM),基于深度相机的SLAM能够直接采集场景的深度值,从而能够进行实时稠密的建图,近几年受到了广泛的关注。然而当场景中存在动态目标时,场景中移动的目标会影响相机定位的精度与建立地图的全局一致性,动态场景中的鲁棒SLAM是一个有挑战性的任务。针对动态场景这个问题,从检测并剔除动态目标的思想出发,提出了一种基于场景分割的稠密SLAM方法,可以在检测移动目标的同时构建全局一致的稠密场景。在前端相机定位部分,首先预处理深度相机采集的场景数据,使用K-means分割算法对场景数据进行聚类,在初始化各聚类块属于动态目标的概率后,同时使用深度及灰度信息,建立相机位姿与聚类块动态概率的求解模型,最后使用迭代重加权最小二乘算法求解。在后端建图部分,利用定位部分中聚类块的动态概率结果,将稳定性参数引入到地图模型,改进了基本的面元表面表示方法,提出了融合动态概率的稠密建图方法,构建出只包含静态目标的稠密场景。在实验室环境中的动态场景实验结果表明,提出的方法能有效的分割出场景中的动态目标并建立一个全局一致的稠密地图,在公开数据集的不同场景中与主流方法的对比实验结果表明,对于相机定位的准确性,静态与低动态场景中取得了和主流方法相当的结果,动态场景中提高了精度。