Este artículo propone un método de localización y mapeo simultáneo (SLAM) en dos etapas basado en el uso de una cámara de profundidad RGB-D en entornos dinámicos, que no solo puede mejorar la robustez del seguimiento y la precisión de la trayectoria, sino también reconstruir un modelo de fondo estático limpio y denso en entornos dinámicos. En la primera etapa, para excluir con precisión la interferencia de características en la región dinámica del seguimiento, se extrae la máscara del objeto dinámico mediante Mask-RCNN y se optimiza utilizando el método de análisis de componentes conectados y un método basado en un marco de referencia. Luego, se utilizan los puntos de características, líneas y planos en el área de objetos no dinámicos para construir un modelo de optimización que mejore la precisión y robustez del seguimiento. Después de completar el seguimiento, la máscara se optimiza aún más mediante el método de proyección multivista. En la segunda etapa, para obtener con precisión el área pendiente, que contiene el área del objeto dinámico y el área recién añadida en cada cuadro, se propone un método basado en un algoritmo de casting de rayos que utiliza completamente el resultado de la primera etapa. Para extraer la región estática de la región pendiente, este artículo diseña métodos de proceso de regiones divisibles e indivisibles y el método de seguimiento de caja delimitadora. Luego, las regiones estáticas extraídas se fusionan en el mapa utilizando el método de función de distancia firmada truncada. Finalmente, se obtiene el modelo de fondo estático limpio. Nuestros métodos han sido verificados en conjuntos de datos públicos y escenas reales. Los resultados muestran que los métodos presentados logran una precisión de trayectoria comparable o mejor y la mejor robustez, y pueden construir un modelo de fondo estático limpio en una escena dinámica.