服务机器人构建场景的语义地图是服务机器人认知环境的基础,是机器人实现自主决策的前提,而机器人利用语义信息进行导航是语义地图构建的最终目的,是机器人与人和环境产生交互的一种体现。机器人如何利用环境中的语义信息像人类一样认知环境,构建环境的语义地图,并利用语义信息进行导航是机器人领域的核心问题之一。本文基于SLAM（Simultaneous Localization And Mapping）技术和深度学习相关理论研究了语义地图构建方法和语义导航策略,首先研究了基于深度相机的视觉SLAM算法,提出了基于改进ORB-SLAM2算法的点云地图构建算法,然后基于深度学习技术实现了语义地图构建,最后基于语义推理机制实现了机器人的语义交互与语义导航。首先,基于改进ORB-SLAM2算法实现了稠密点云地图构建。在三维稠密点云地图构建研究中,考虑到保证建图精度和降低计算资源,选择深度相机作为本文采集环境数据的传感器,并通过理论和实验比较,选择ORB-SLAM2算法作为三维点云地图构建的基础,提出了基于ORB-SLAM2算法的稠密点云构建方法,此外,从提高语义信息插入速度与准确性和降低地图占用内存的角度,提出了基于八叉树地图的三维占据网格地图构建算法。其次,基于卷积神经网络提出了一种语义分割和语义融合方法。在语义地图构建方法研究中,从基本的卷积神经网络原理出发,研究了单帧图像的实时语义分割技术,针对语义融合过程中语义和点云生成可能不同步的问题,提出了基于时间配准和最高置信度融合的语义融合策略,实现了三维语义地图以2HZ的速度实时构建,并使用TUM数据集对算法进行了验证。最后,提出了一种二维地图与三维地图融合的混合地图构建方法并实现了机器人语义导航。在融合地图构建和语义导航方法研究中,针对目前大多数语义地图构建方法相关研究没有实现机器人导航的问题,提出了二维栅格地图与三维语义地图融合的混合地图表现形式,研究了二维地图与三维地图进行数据融合和关联的方法,实现了栅格地图与语义点云的数据同步,在此基础上,提出语义推理机制和语义信息辅助路径规划规则,实现了机器人根据语言、文字等自然语言信息,使用语义信息进行导航的目的。