RGB-D SLAM是指使用RGB-D相机作为传感器来实现定位相机位置和姿态,并同时构建环境地图的过程。相比于单目相机和立体相机利用算法计算空间点的三维坐标,RGB-D相机获取空间点的三维信息更加直接方便,成为视觉SLAM研究的热点内容。SLAM的两大目标是定位与建图,本文研究基于RGB-D相机的SLAM建图算法。针对RGB-D相机原理与结构不同于单目或双目相机,本文首先介绍了RGB-D相机深度测量原理和视觉几何模型,并研究RGB-D SLAM中相机运动估计和非线性优化算法,为地图构建打下了基础。其次针对于机器人定位、导航、三维场景重建等应用背景,研究了常用地图构建方法,包括稀疏路标点地图、稠密点云地图和八叉树栅格地图。并利用TUM RGB-D数据集和实地数据采集对定位建图算法精度,三维重建效果进行了实验验证分析,达到了很好的效果。传统地图中构建了点或栅格,没有物体标签信息,无法使机器人对地图有更进一步的理解,执行更高层次的任务。基于此现状,本文利用深度残差神经网络,并结合空洞卷积和空间金字塔池化方法,对图像进行语义分割,辅助SLAM系统构建三维语义地图。首先对环境进行实时RGB-D SLAM,获取关键帧编号和位姿信息,然后离线使用深度卷积神经网络对关键帧进行二维语义分割,最后将二维分割图像根据关键帧位姿信息投影到三维空间进行拼接,构建出三维稠密语义地图,并使用全连接条件随机场对分割进行精细化。在数据集和本地进行语义建图实验,分析分割精度并验证了语义地图构建的有效性。本文的研究对机器人定位、导航、避障和人机交互具有积极的意义。