本文主要研究了基于RGB-D相机的救援机器人语义建图方法,以及语义SLAM与导航算法相结合的相关技术。传统的SLAM算法在建图时只考虑环境的几何特征或者纹理特征,这使得救援机器人只能根据环境的浅层信息进行导航和探索,难以完成复杂的自主探索任务。语义SLAM可获取环境的语义信息,并将语义信息与环境地图相结合,帮助机器人从更高的层次去理解周围环境,进而丰富导航方式,使机器人能够完成复杂的自主探索任务。首先,本文提出了面向救援机器人导航的语义SLAM系统框架,通过对比不同传感器的优缺点,选择出了最适合该应用场景的RGB-D相机作为该框架的数据来源。该框架包含了语义SLAM模块、导航模块和硬件驱动模块。其中,语义SLAM模块用于估计机器人的位姿并生成稠密的语义地图;导航模块利用机器人位姿和语义地图完成路径规划和路径跟踪;硬件驱动模块负责控制相机和机器人底层运行。另外,本文构建了Robo Cup机器人世界杯救援机器人组（Rescue Robot League,RRL）比赛场地的RGB-D语义数据集,用以验证所提出的语义SLAM与导航系统框架的有效性。其次,本文深入研究了语义SLAM算法的各个组成部分,并主要研究了语义建图方法。对于SLAM算法部分,本文在基于RGB-D相机的SLAM基础上添加了稠密点云地图的构建功能;对于语义分割神经网络部分,本文将点云的法向量信息作为额外的输入通道,用以提高语义分割的准确性。另外,本文研究了SLAM算法和语义分割神经网络的融合方法,并通过深度图像以及多帧的语义图像对语义分割结果进行优化,进而生成更为精确的语义地图。最后,本文将语义地图用于路径规划,通过栅格地图中各单元格的语义类别以及单元格与最近障碍物间的距离来确定机器人在该单元格上的通行速度,进而根据通行速度来规划出安全且快捷的路径。另外,本文利用路径跟踪算法控制机器人沿给定轨迹行驶。该算法通过迭代计算给定路径上的子目标点,来决定救援机器人的行进目标,并据此规划机器人各履带的运行速度。本文最终构建了面向救援机器人导航的语义RGB-D SLAM系统,并设计了相应实验验证系统有效性。实验结果表明,该SLAM系统能够用于生成RRL比赛环境的稠密语义地图,同时,生成的语义地图能够用于提升导航算法性能。