本发明提出了一种解决动态物体大占比的视觉SLAM方法，旨在解决动态物体在图像中占比大时，SLAM算法的定位精度低和实时性差的问题，具体包括：首先输入连续图像帧到改进的轻量化目标检测网络(SG‑YOLOv5s)中，提取图像中动态物体语义信息，获得动态物体自适应锚框，同时提取ORB特征点，然后基于几何约束法剔除锚框内的动态特征点，利用PROSAC算法剔除锚框外的动态特征点，最后利用静态特征点进行位姿估计和建图。本发明准确有效的剔除了动态区域内的动态特征点，保留了静态特征点，减少了动态区域外的误匹配点，降低了动态环境对SLAM系统的影响，提高了系统的实时性，同时提升了系统的位姿估计和建图精度。