Los algoritmos visuales de localización y mapeo simultáneo (SLAM) en escenas dinámicas pueden agregar incorrectamente puntos de características en movimiento al cálculo de la pose de la cámara, lo que conduce a una baja precisión y pobre robustez de la estimación de la pose. En este artículo, proponemos un algoritmo visual de SLAM basado en la detección de objetos y una estrategia de actualización de probabilidad estática para escenas dinámicas, llamado YKP-SLAM. En primer lugar, utilizamos el algoritmo de detección de objetivos YOLOv5 y el algoritmo de agrupamiento K-means mejorado para segmentar la imagen en regiones estáticas, regiones estáticas sospechosas y regiones dinámicas. En segundo lugar, la probabilidad estática de los puntos de características en cada región se inicializa y se utiliza como pesos para resolver la pose inicial de la cámara. Luego, utilizamos las restricciones de movimiento y las restricciones epipolares para actualizar la probabilidad estática de los puntos de características y resolver la pose final de la cámara. Finalmente, se prueba en el conjunto de datos TUM RGB-D. Los resultados muestran que el algoritmo YKP-SLAM propuesto en este artículo puede mejorar efectivamente la precisión de la estimación de la pose. En comparación con el algoritmo ORBSLAM2, la precisión de la estimación de la pose absoluta se mejora en un 56.07% y un 96.45% en escenas con baja dinámica y alta dinámica, respectivamente, y se obtienen casi los mejores resultados en comparación con otros algoritmos avanzados de SLAM dinámico.