同時定位與建圖（Simultaneous Localization and Ming，SLAM）是移動機器人領域重要研究方向之一。SLAM能夠在未知環(huán)境中構(gòu)建地圖并為機器人提供定位信息。當前大多數(shù)SLAM算法在靜態(tài)環(huán)境中有較好的表現(xiàn)。但是，在車輛和行人等運動物體較多的環(huán)境中，激光點云中存在動態(tài)點，而動態(tài)點的出現(xiàn)會影響前后幀點云的配準精度。針對該問題，本文利用激光點云的幾何信息，對SLAM的前端特征提取及后端回環(huán)檢測模塊進行改進，通過去除點云中的動態(tài)點，提升移動機器人在動態(tài)環(huán)境下定位與建圖的準確性。首先，為提高前端特征提取精度，提出了一種分步的地面分割方法，依據(jù)點云高度信息完成地面點粗提取以矯正點云；其次，使用隨機采樣一致性方法對矯正后的點云進行精細的地面分割；再次，根據(jù)高度閾值采用種子生長聚類方法提取非地面點動態(tài)點并進行特征提取與配準；最后，針對后端回環(huán)檢測模塊，使用點云描述子替代傳統(tǒng)方法中基于空間位置關系的回環(huán)檢測方法，以減小累計誤差，提高回環(huán)檢測靈敏度。通過可視化仿真及精度評估，驗證了所提出方法的有效性。