同时定位和建图（Simultaneous Localization and Mapping,SLAM）系统及硬件凭借其体积小、高能效和低功耗等特点在诸多领域的应用日益增多,且应用前景较为广阔。最近几年,计算机视觉这一方向的发展更加倾向于扩充与融合,专家学者们不断寻找各自领域与机器视觉和深度学习领域的交集,尝试将人工智能技术与机器视觉技术相结合,以寻求更大的突破。在智能化构建场景地图构建的方向上,科研人员看到了利用计算机智能提取出的语言文本信息所蕴藏的巨大价值,但从现实角度看其技术难度较高,因为在目前的语义SLAM系统中仍存在一些亟待解决的问题:一方面,由于移动机器人获取的图像信息较为单一,传统的视觉里程计中筛选出的关键帧并不包含任何语义信息,且在实际场景中关键帧总包含大量误匹配点和动态点,会对建图效果造成影响;另一方面,室内场景中三维语义地图的构建过程中常会出现如精度较差或点云效果不佳等问题,使得语义地图的内容丰富度较差。针对以上问题,本文提出了一种语义SLAM建图技术的新思路。首先,为了能够匹配到正确且对应的特征点,摒弃动态点和误匹配点的干扰,提出了一种基于Lucas-Kanade光流法的相邻帧特征状态判别法,通过坐标变换及阈值判断检测动态点,同时采用RANSAC算法进行误匹配点的剔除任务。将动态点的检测作为新的线程加入到ORB-SLAM3的视觉里程计部分,完成对部分传统SLAM框架的优化和改进工作。其次,针对传统SLAM系统前端视觉里程计获取的图像帧不包含任何语义信息,自主移动机器人识别物体难度较大等问题。使用基于YOLOV4的目标检测算法和融合全连接条件随机场CRF的Mask R-CNN语义分割算法对ORB-SLAM3中的关键帧图像进行处理。经过边缘优化后的分割图像识别率较高,且图像中每个对象的语义标注效果较好,很大程度上增加了图像语义信息量,可以更好地进行三维点云语义地图的构建,有效提高机器人等智能设备对室内环境的感知能力。最后,针对语义SLAM系统三维建图效果不佳和地图信息丰富度差的问题。本文在室内场景大型三维空间数据集上对语义SLAM系统的建图定位、帧间特征匹配等功能进行了实验,基于既定标准的定量分析本文语义SLAM系统从精确性和实用性上均能够达到预期目标,验证了上文提出的融合改进后的SLAM框架建图效果。