SLAM (Localización y Mapeo Simultáneos) basado en lidar es un método importante para la localización de UGV (Vehículo Terrestre No Tripulado) en tiempo real en situaciones donde no hay GNSS (Sistema Global de Navegación por Satélite). Sin embargo, los objetos dinámicos en escenarios del mundo real afectan la odometría en SLAM y reducen la precisión de la localización. Proponemos un nuevo algoritmo de SLAM basado en lidar y LOAM (Odometría y Mapeo con Lidar), que es popular en este campo. Primero, aplicamos mapas de elevación para etiquetar la nube de puntos del suelo. Luego, extraímos cascarones convexos en nubes de puntos basados en líneas de escaneo como materiales para la agrupación de objetos dinámicos. Reemplazamos estos objetos dinámicos con la nube de puntos de fondo para evitar la reducción de precisión. Finalmente, extraímos puntos de características de los puntos del suelo y de los puntos no del suelo, respectivamente, y emparejamos estos puntos de características de cuadro a cuadro para estimar el movimiento del robot terrestre. Evaluamos el algoritmo propuesto en carreteras de parques industriales dinámicos, y mantuvo el error de posición relativa máxima del UGV por debajo del 3% y el error de posición relativa promedio por debajo del 2%.