服务机器人语义地图的构建,不仅有助于执行如帮助人们寻找并获取生活物品这类任务,还能避免机器人移动导航时进入危险区域或触及人们生活环境中的危险物体。语义地图是解决移动机器人语义导航实体搜索的关键问题,本文融合视觉信息和激光SLAM信息,研究在家庭环境的背景下,服务机器人语义地图构建的科学问题:针对服务机器人家庭环境下场景自适应识别问题,提出了基于Places205-Alex Net的家庭环境场景自适应识别算法,利用递归贝叶斯滤波算法实现机器人对场景语义的自适应标注;针对机器人对场景中实体目标的检测问题,提出了基于YOLO V3的目标实体检测算法,以获得环境中物体的语义信息和位置信息。家庭环境下场景自适应识别算法提升了语义地图构建过程中实体检测的速度与准确度;针对地图中实体与场景之间的关联关系,建立了以语义导航为目的的实体语义知识库,以及反应语义地图与场景实体信息映射关系的语义导航推理机制,最终实现了机器人自适应语义地图构建。最后,搭建了服务机器人平台,对提出的算法进行集成测试并进行实验验证。本文的主要工作包含以下四个方面:1)提出面向语义地图构建的家庭环境自适应识别算法首先,针对家庭室内不同场景具有的特点,提出基于Places205-Alex Net家庭室内环境场景识别算法;然后,针对机器人对家庭室内重要物体的感知问题,提出了基于YOLO V3网络目标实体检测算法;集成服务机器人对场景自适应的识别功能,实现对家庭环境中的物体进行检测及位置计算。2)提出了以实体搜索为目的的语义导航实体搜索算法以服务机器人在家庭室内环境完成实体搜索任务为目的,首先,本文对物体和地图添加依附属性、搜索优先级等关联属性,再结合激光栅格地图的几何信息,形成室内家庭环境下的服务机器人语义知识库。然后,基于机器人语义知识库,设计了机器人执行实体搜索任务时的推理机制,形成一种基于语义地图及语义知识库的语义导航实体搜索方案。3)设计并实现了家庭服务机器人语义地图系统针对所提语义地图构建方案搭建了家庭服务机器人平台,并集成以上所提算法,实现了在服务机器人平台的语义地图构建系统测试。通过实验验证了使用深度学习技术结合激光SLAM的语义地图方案,有效的实现机器人语义自适应标注的同时能够有效的进行实体目标搜索任务。