近几年来,智能移动机器人技术及其智能化的程度在不断提高,机器人在各领域中的应用也越来越广泛。特别是对于室内场景而言,对周围环境进行感知是移动机器人研发领域中最重要的组成部分,这也体现了机器人智能自动化的程度,是实现移动机器人定位和自主导航等功能的重要前提条件。SLAM（Simultaneously Localization And Mapping）同步定位与地图构建作为移动机器人智能感知的关键技术,通过视觉或雷达传感器对周围环境进行检测,构建地图并对机器人实行定位。目前,SLAM技术已经相对成熟,在一定范围内的室内静态场景下进行地图构建和定位都可以达到较高的精度。但是,大多已有的SLAM方法是在静止环境下实现的,当环境中存在易移动的障碍物时,SLAM的精度就会下降,导致机器人无法进行精准的定位导航。针对以上问题,本文设计了一种基于室内的语义激光融合的SLAM地图构建与导航方法,将激光雷达聚类数据与视觉语义信息进行匹配融合获取语义激光数据,将获得的语义信息投影至二维栅格地图中,构建二维语义栅格地图,并通过改进的路径规划方法,减轻在动态环境下的语义栅格地图中,易移动障碍物对移动机器人路径规划的影响,提升其导航的效率。本文内容的研究工作如下:（1）对激光SLAM算法进行深入研究,分析动态环境下机器人地图构建和导航精度降低的原因,针对SLAM遇到的问题,提出语义SLAM结构框架,提高机器人对周围环境的感知能力,并在此基础上提高室内动态场景下移动机器人导航的鲁棒性。（2）对产生视觉语义的方法进行研究,使用检测速度较快且精度较高的YOLO v5目标检测网络来检测环境中的语义信息。针对激光雷达数据聚类算法进行研究,考虑了激光雷达数据扫描距离和障碍物的数据分布特点,基于DBSCAN方法进行改进,随着目标距离和密度变化调整阈值,提高聚类方法的准确率。（3）对激光语义信息融合方法进行研究,根据联合标定,将激光雷达数据和视觉语义信息转换在同一坐标系下,提出一种包围盒匹配算法将激光雷达扫描数据与视觉传感器检测到的语义信息实现二者匹配,以获得语义激光数据,然后通过标注目标类别和轮廓来构建语义栅格地图。（4）根据构建的语义栅格地图,分别采用A*算法和DWA算法对路径进行全局规划和局部规划。针对地图构建过程中易移动物体对机器人导航产生的影响,采用先验规则判定方法对全局路径规划进行改进,能够绕过地图中障碍物到达目的地,减小语义地图中易移动障碍物对机器人自主导航的影响。并在实际室内环境中进行实验,验证该方法的实现效果。