三維語義地圖在移動杌器人的導航、路徑規劃、智能抓取、人機交互等任務中有著關鍵的作用，因此如何實時地構建三維語義地圖尤為重要。當前同時定位和地圖構建（ Simultaneous Localization And Mapping，SLAM）算法已經可以達到較高的定位和制圖精度，但是在動態環境下如何通過剔除動態物體來獲得較髙的定位精度，以及理解周圍場景中存在的物體及其位置信息等問題沒有得到很好的解決。在此，文中提出了一種可在動態環境下構建語義地圖的算法。該算法在 ORB SLAM2上進行改進，在跟蹤線程中加入動靜點檢測算法來剔除檢測為動點的特征點，提髙了動態環境下的定位精度;添加目標檢測線程對關鍵圖像進行目標檢測，在地圖枃建線程中構建 Octo-map地圖，冋時根據檢測結果枃建3目標數據庫。為了證明該算法的可行性，以實驗室為測試環境，分別進行了目標檢測、動態點檢測、三維目標信息獲取和動態環境下語義地圖構建的實驗。在目標檢測實驗中，訓練了速度和精度較高的目標檢測網絡-mσ bilenet-ν2- eslite，檢測速度可以達到η幀/秒，基本可以實現實時檢測。在動態點檢測中，采用光流法剔除動態點，處理速度為16.5幀/秒。文中創建了數據集來評測算法性能，相比原版ORB SLAM2算法，結合光流法后的算法的定位精度提高了5倍;在三維目標信息獲取上，采用了基于深度濾波和基于點云分割兩種方法，結果表明后者的3D目標獲取更為精確。最后，對整個實驗室進行動態環境下的語義地圖構建，構建 Octo-map稠密地圖，根據檢測結果構建3D目標數據庫，并將目標尺寸和位置的檢測值與真實值進行對比，誤差均在5厘米以內。實驗結果表明所提算法具有較高的精度和實時性。