随着基于SLAM(Simultaneous Location and Mapping,同时定位与地图构建)的扫地机器人进入大家的生活,智能机器人技术逐渐被大家了解,标志着机器人相关技术越来越成熟。基于深度学习、目标检测和语义地图的机器人的研究,对智能机器人领域的发展起到推动作用,具有重要的理论和现实意义。本文在基于SLAM的移动机器人系统的应用研究方面开展了如下工作。第一,设计并搭建了一款基于2D激光SLAM的机器人,结合ROS(Robot Operating System,机器人操作系统),规范化地封装了机器人的功能开发模式以及通信方式。第二,研究了基于Rao-Blackwelized粒子滤波的Gmapping算法、基于图优化的Cartographer的建图原理,以及这两个算法在具有回廊环境的场景下的建图效果,对比分析了Cartographer的回环检测优势,并通过Gazebo仿真环境实验,分析了多机协作建图的可行性。第三,讨论了机器人导航中的几种全局路径规划算法,并对比验证了A*算法的高效性。研究了实时局部路径规划算法DWA(Dynamic Window Approach,动态窗口算法)及其路径规划原理,体现了较好的实时避障能力。最后对导航功能进行了讨论,针对绑架问题,对导航时AMCL(adaptive Monte Carlo localization)定位算法的性能进行了验证。第四,设计并实现了一个基于树莓派的搭载Realsense D435 RGBD相机、神经计算棒以及通过Caffe深度学习框架训练的目标检测算法MobileNet SSD模型的本地化AI方案。该方案使SLAM机器人能够实时地为二维地图添加语义信息,针对传统高精度语义标签策略与语义导航的冲突问题,提出了一种基于作用区的语义标签策略,并以机器人自主控制空调为应用案例,进行了实际有效的语义导航实验。最后,将SLAM机器人应用于管家服务类场景,分别考虑基于广域网的数据远程通信系统和基于定制化Android系统的无线ROS机器人监控系统这两个应用场景。其中,远程通信系统能让管家类家庭服务机器人定时汇报家庭环境数据,能在家中无人的情况下监测是否有人进入,并将陌生人照片提供给户主。在路由器异常断网的情况下,为了保障通信稳定性,考虑通过GPRS、NBIOT代为联网上传的机制。基于Android的无线机器人监控系统则是利用Android移动设备通过Rosbridge方式和ROS机器人通信。