工业自动化、智能化的不断发展,对机器人的智能化水平有了更高的要求,要求基于机器视觉的机器人能够高效地进行三维图像分析和理解周围环境。由于深度相机的普及和性能提升,以及其输出的RGB-D图像同时包含颜色纹理信息和空间结构信息的优点,使得其越来越多地应用于机器人等领域。基于此,本文开展了基于深度学习的RGB-D图像分析和重建模型的研究与实现工作,并基于嵌入式平台,将分析结果与视觉SLAM相结合,实时地构建具有较高精度、较高鲁棒性和具有语义信息的点云地图。本文在完成相关软硬件开发环境搭建的基础上,选定了RGB-D数据集,研究分析了RGB-D相机组成、RGB图像成像原理、深度图像成像原理,并实现了相机标定、深度图像与彩色图像的配准。开展RGB-D图像语义分割研究,设计了基于注意力机制的多层次多模态特征融合的语义分割网络模型MMFFNet,基于NYU Depth V2和SUN-RGBD数据集,对网络模型进行了训练,为验证网络模型重要组成模块的有效性及整体性能,开展了消融实验、与目前部分先进语义分割网络模型的对比实验。实验结果表明,MMFFNet具有较好的语义分割性能,其重要组成模块均具有有效性。基于多任务学习机制和MMFFNet,设计了轻量级语义分割网络模型Lw-MJLNet,同时实现了RGB-D图像语义分割、深度图像补全和表面法向量图像预测三个任务。在嵌入式平台Jetson TX2上,基于NVIDIA的模型优化加速库Tensor RT,对Lw-MJLNet开展了与许多其他网络模型的对比实验以及推理实验。实验结果表明,Lw-MJLNet在保证良好的推理精度的同时,具有较快的推理速度。基于Lw-MJLNet与ORB-SLAM2算法,设计了基于嵌入式平台Jetson TX2的语义视觉SLAM系统。在该系统中,将表面法向量图像、语义信息引入视觉SLAM的视觉前端,将语义信息引入点云地图构建线程。在TUM数据集的测试实验结果表明,该语义视觉SLAM系统能够实时地构建具有较高精度的语义点云地图。