近年来,伴随着诸多技术的成熟,机器人产业飞速发展,逐渐成为了一个囊括军事、工业、农业、及民用服务业等各行各业的高科技新兴产业,其中家居服务型的智能机器人是近年来发展最迅速的一个方向。为了让机器人可以精确地与外界环境、其他机器乃至人相交互,必须要实现机器人对场景的理解和识别。其中语义分割算法作为机器人进行场景理解的核心,是机器人进行人工智能应用以及与外界交互的关键技术。随着2015年FCN的面世,卷积神经网络开始被广泛地用于图像语义分割任务中,并且取得了超越传统的算法的检测精度。然而,尽管语义分割算法逐渐突破,但在面对室内场景时,分割精度仍然不高。这是因为室内场景具有物体间的颜色、纹理相似;场景下光照往往不均匀;物体密度大,易存在遮挡等问题。特殊的问题导致直接将在室外场景下表现优秀的网络模型引入到室内场景时的表现差强人意。在近几年的研究中,学者们发现蕴含的大量空间信息的深度图像和RGB图像可以互相补充彼此缺失的信息,因此越来越多的室内语义分任务都使用RGB图像和深度图像相结合的技术,以RGB-D图像作为实验数据来进行意义分割任务。家居服务型的智能机器人主要在室内的场景下进行移动和交互,因此研究室内场景下的语义分割任务对于这一类机器人更好地服务于人类是具有重大意义的。综上,本文提出了两个新的基于卷积神经网络和RGB-D图像,应用于智能机器人场景识别的室内场景语义分割算法模型,在SUN RGB-D数据集上取得了优秀的分割精度。本文具体的工作和研究内容如下:首先介绍了卷积神经网络以及语义分割两项技术的相关知识。然后创新性地提出了两个基于Res Net-34网络和和RGB-D图像的优化网络模型,用来解决智能机器人面临的室内语义分割问题:1)第一个模型是基于强化监督结构和RGB-D图像的残差网络,该模型整体上使用了编码-解码的经典结构,在编码采用了分支-融合的技术对RGB数据和深度图像数据进行融合,在解码阶段本文创新性的提出了强监督模块结构,构建了一个更为精确和敏感的损失函数,有效地提高了分割精度,取得了优秀的分割结果。2)第二个模型是在第一个模型基础上的优化,整体模型结构与其基本一致,区别在于在编码阶段创新性地引进了一个空间注意力模块,将一支主要一支次要分支的结构拓展为一支主要两支次要的分支-融合结构来实现RGB数据和深度图像融合的,更多地保留了输入数据的各种细节,有效地提升了分割精度,取得了不俗的实验结果。