近年来越来越多的智能移动机器人出现在人们的日常生活中,促使这一切发生的关键技术便是SLAM技术。SLAM技术能够让机器人在未知环境中依靠传感器探测周围环境建立相应的地图,同时还能定位其自身所在地图中的位置。目前传统SLAM虽然已经取得了不错的定位建图效果,但其还停留在较为低级的几何特征层面。而通过把环境中的语义信息加入到SLAM中,可以进一步提高机器人对环境的理解能力,当前也已经成为了SLAM领域中一个新的热门研究方向。本文为了研究语义SLAM中不同模态传感器数据的融合以及语义地图的构建,提出了一种基于轨迹序列对齐的语义地图生成算法,并利用这个算法实现了一个多传感器融合的语义SLAM系统。主要研究内容包括:(1)针对传统SLAM中激光SLAM虽然定位精准却不容易获取环境语义信息,而视觉SLAM可以融合环境语义信息却又容易受环境因素影响算法精度的问题,本文提出了一种结合了两类SLAM算法的基于轨迹序列对齐的语义地图生成算法。该算法需在同一条运动轨迹中同时采集激光数据和RGB数据,然后分别借助Cartographer算法处理激光数据生成2D栅格地图以及ORB-SLAM算法构建物体的立方体语义地标,最后对齐这两部分生成的同一轨迹的两个不同位姿点序列,利用相似变换将语义地标映射到栅格地图中形成最终的语义地图。这里构建立方体语义地标是通过在ORB-SLAM算法中加入对关键帧进行目标检测的处理,并对相邻关键帧之间同一物体的2D检测框进行三角化投影逐步构建而成的。(2)为了改善SLAM系统开发过程中存在的多模块耦合且开发效率低下的问题,本文还提出了一个包含采集层、算法层、接口层和应用层的通用SLAM系统开发框架。然后根据提出的开发框架,利用基于Player平台的扫地机器人和相机传感器搭建了一个多传感器融合的硬件平台,并在这个硬件平台的基础上实现了一个完整的语义SLAM系统。该系统的采集层会借助扫地机器人获取激光雷达数据、IMU数据和里程计数据,同时借助相机传感器获取同轨迹下的RGB图像序列。算法层则主要实现基于轨迹对齐的语义地图生成算法,而接口层分为定位模块、地图模块、语义模块三个模块,分别由位姿设置、地图获取、语义地标生成等核心功能接口组成。整个系统各模块均会作为一个ROS节点,利用ROS的消息发布和订阅模式进行数据交互。为了验证本文提出的语义建图算法的可行性以及基于多传感器融合的语义SLAM系统的建图效果,本文先分别用公开数据集以及在实际场景中对立方体语义地标的生成模块以及栅格建图模块进行了实验和分析。实验结果表明,语义地标的生成模块能借助多视角下采集到的图像序列准确生成表示物体在三维空间中所处位置和大小的立方体框,而栅格建图模块能在小场景中完成栅格地图的构建和优化,并且在同时使用多种传感器数据时地图优化效果最优。最后在一个包含多个物体的室内场景中采集数据集,利用本文实现的语义SLAM系统完成了ORB-SLAM和Cartographer的轨迹对齐,并最终生成了该场景下融合多种传感器数据后的语义地图。