1.一种基于语义分割网络的动态场景视觉SLAM优化方法，其特征在于，包括以下步骤：步骤1：通过单目RGB-D相机获取图像帧，包括RGB图像和深度图像；

步骤2：RGB图像通过LR-ASPP语义分割网络对图像进行处理，该LR-ASPP语义分割网络以轻量型卷积网络MobileNetV3为主干网络，RGB图像经过LR-ASPP语义分割网络处理，获得像素级的语义信息，利用该语义信息，剔除图像中先验动态物体上的特征点；

步骤3：剔除图像中先验动态物体上的特征点后，剩余特征点通过轻量化追踪模块估计当前帧位姿；轻量化追踪模块只估计当前帧位姿，不参与后续建图；

步骤4：通过改进的多视角几何算法滤除步骤3所得图像中非先验动态物体和先验动态物体；利用改进的多视角几何法滤除非先验动态物体的具体方法为：多视角几何对于每一个输入图像帧，从距离当前最近的20个关键帧中选择与当前帧重叠度最高的5个关键帧；

检测关键帧中动态点；

当动态点被检测出来后，根据语义分割的结果，获取动态点的标签，将动态点分为两类，一类是拥有语义信息的动态点，另一类是没有语义信息的动态点；

对拥有语义信息的动态点进行语义轮廓搜索，对没有语义信息的动态点则在深度图中进行区域生长，使能充分利用语义信息，减少区域生长种子点的数量；

最后结合没有语义的动态物体掩膜和拥有语义信息的动态物体掩膜，获得完整的动态物体掩膜；

检测关键帧动态点的过程为：

假设

所述的角度阈值和投影深度阈值，取

将多视角几何检测结果与LR-ASPP的检测结果进行相互验证，得到完整的动态区域，过滤掉动态区域上的ORB特征点，再经过特征点提取模块提取掩模之外的特征点，从而达到剔除动态物体的效果；

步骤5：利用跟踪线程产生关键帧；

步骤6：根据关键帧的相关数据构建动态场景下的八叉树地图；具体过程为：设

存储

设某节点为

当某个节点被反复观察到时，其