移动服务机器人在复杂室内环境中完成各种智能化任务依赖于对周围环境的深层次理解与建模,这个过程可以通过机器人即时定位与地图构建方法对周围环境进行三维稠密建图,并采用图像语义分割方法对所处环境进行语义标注,最后形成含有丰富信息的语义地图来实现。在语义地图构建过程中主要是解决三维环境地图的构建,场景语义信息的获取以及语义信息与环境地图的融合问题。由于室内环境存在光照复杂多变的问题,这影响了三维环境地图和语义信息获取的准确度进而影响了语义地图的准确度。因此,为了提高语义地图的准确度,本文就光照问题提出了一些解决办法。(1)针对RGB图像受光照影响较大的问题,提出了一种融合图像深度信息的全卷积语义分割网络。该算法先用语义分割网络得到粗分割结果,然后用融合深度信息的条件随机场模型对语义分割结果进行优化。该算法能够有效地完成室内复杂光照环境下的语义分割任务。(2)在三维环境地图构建过程中,在特征点法SLAM(Simultaneous Localization And Mapping)算法的基础上,提出了一种用于室内环境的稠密三维环境地图构建算法。该算法先用特征点匹配算法估算相机位姿,然后用相机位姿把点云信息转换到同一坐标系下进而得到稠密三维点云地图。通过相机位姿估计实验和三维环境建图实验验证了该算法在室内复杂光照环境下具有一定的鲁棒性和有效性。(3)在三维语义地图构建过程中,利用SLAM算法中建立的相邻图像间像素的关联,融合场景的语义信息和三维环境地图信息,最后以点云地图形式保存生成的语义地图。(4)搭建了整个系统的硬件环境和软件环境,并在Ubuntu16.04系统中运行了本文的三维环境地图构建算法和三维语义地图构建算法。在实验中,通过Kinect V2相机采集的不同场景下的数据构建了环境地图和语义地图,验证了本文算法的鲁棒性和可行性。