视觉同步定位与建图（VSLAM）技术常常用于室内机器人的导航与感知，然而VSLAM的位姿估算方法是针对静态环境的，当场景中存在运动对象时，可能会导致定位和建图失败。针对此问题，提出了一个结合实例分割与聚类的VSLAM系统。所提系统使用实例分割网络生成场景中动态对象的概率掩膜，同时利用多视图几何的方法检测场景中的动态点，并将检测到的动态点与获得的概率掩膜匹配之后确定动态物体的精确动态掩膜；利用动态掩膜删除动态物体的特征点，然后利用剩余的静态特征点准确估计摄像机的位置。为了解决实例分割网络欠分割的问题，采用深度填充算法和聚类算法保证动态特征点完全删除。最后，重建图片被动态物体遮挡的背景，在正确的相机位姿下建立静态稠密点云地图。在公开的TUM（Technical University of Munich）数据集上的实验结果表明，在动态环境中，所提系统在保证实时性的同时能实现鲁棒的定位与建图。
