针对室内场景中动态对象严重影响相机位姿估计准确性的问题，提出一种基于目标检测的室内动态场景同步定位与地图构建（SLAM）系统。当相机捕获图像后，首先，利用YOLOv4目标检测网络检测环境中的动态对象，并生成对应边界框的掩膜区域；然后，提取图像中的ORB特征点，并将掩膜区域内部的特征点剔除掉；同时结合GMS算法进一步剔除误匹配，并仅利用剩余静态特征点来估计相机位姿；最后，完成滤除动态对象的静态稠密点云地图和八叉树地图的构建。在TUM RGB-D公开数据集上进行的多次对比测试的结果表明，相对于ORB-SLAM2系统、GCNv2_SLAM系统和YOLOv4+ORB-SLAM2系统，所提系统在绝对轨迹误差（ATE）和相对位姿误差（RPE）上有明显的降低，说明该系统能够显著提高室内动态环境中相机位姿估计的准确性。

针对增强图像中的弱边缘、细节纹理和消除二阶偏微分方程在图像平滑部分的阶梯效应问题,提出一种各向异性四阶偏微分方程耦合二阶偏微分方程的图像放大算法。算法通过像素的局部方差自适应约束阈值,实现图像中不同结构的各向异性四阶扩散,增强弱边缘和细节纹理,去除平滑部分阶梯效应,同时耦合改进的总变差方法和受梯度约束的冲激滤波器对边缘进行增强,放大算法采用双正交映射实现图像退化模型的约束。仿真实验证明该算法能够很好地增强边缘、细节和纹理,去除阶梯效应。与其他二阶偏微分方程放大算法比较,算法具有较好的主观视觉效果,算法放大图像的峰值信噪比(PSNR)和平均结构相似性测度(MSSIM)也高于其他二阶偏微分方程算法,其中平滑部分较多图像的PSNR比基于改进的总变差放大算法提高1 dB左右,细节纹理较多的图像提高0.5 dB以上。该算法的放大图像更加自然,弱边缘和细节能够得到分辨率增强。