传统的视觉SLAM依据点、线、面等几何特征可以进行有效的位姿估计并建立环境地图,但是这种地图并不包含环境中高层次的语义信息。为了使得机器人更好地理解周围环境、更合理地完成自主导航以及执行更高级的人机交互任务,本文构建了具有尺度感知的单目视觉语义SLAM系统。首先,从针孔相机模型、双目相机模型、特征匹配、对极几何约束、三角测量以及PnP位姿求解等几个方面介绍了视觉SLAM前端相关的理论基础。然后对卷积神经网络的网络结构、损失函数以及正则化方法进行了全面地介绍,为后续实现基于卷积神经网络的单目视觉语义SLAM系统提供理论指导。其次,为解决单目视觉SLAM的尺度不确定问题,提出了将传统的单目视觉SLAM与基于卷积神经网络的单目图像深度估计算法相结合,构建具有尺度感知的单目视觉SLAM系统,从而显著提高位姿估计精度以及在纯旋转运动中单目视觉SLAM的鲁棒性。最后,在解决了单目视觉SLAM尺度不确定问题的基础上,构建了基于卷积神经网络的单目视觉语义SLAM系统。在ROS环境下对基于卷积神经网络的图像语义分割算法进行封装实现,并对单目ORB-SLAM所建稀疏地图进行稠密化,最后将语义分割之后的图像投影到点云地图中完成语义地图的建立。为了验证具有尺度感知的单目视觉语义SLAM算法的有效性,本文在KITTI数据集上进行了一系列实验,并对实验结果进行了定性和定量分析。实验结果表明,本文所提出的单目视觉语义SLAM系统有效地提升了机器人复杂环境建模和理解能力。