当今社会随着人工智能的发展越来越智能化,各种智慧化建筑层出不穷。同时,人们对服务于建筑室内的智能型服务机器人的需求也不断提升。目前大多数室内机器人的导航工作都是根据特定工作环境设计的,而且导航过程中几乎没有人机交互性。本文以完成室内配送、助理等服务性工作的智能机器人为研究对象,针对目前室内移动机器人在导航过程中对工作环境的依赖性问题以及导航过程中的智慧化问题,提出了一种更具泛化性和智能性的室内导航策略。首先针对目前室内机器人导航对室内环境特殊标识的依赖性问题,本文将深度学习技术与地图构建技术相结合,提出一种改进的BiSeNet语义分割神经网络模型,结合全局地图的语义分割结果构建地图模型。实验证明,改进的语义分割模型通过对室内场景的学习,不仅可以用于识别分割多种室内场景,还可以对各种目标物体达到一个较好的分割效果,分割精度达到了92.2%,有利于地图建模,让机器人导航不再只依赖于地图环境标识。然后针对机器人导航任务的智能性问题,本文在得到了室内全局语义图像的基础上,首先提出了一种基于窗口操作的栅格语义地图构建方法,将语义信息整合到了栅格地图中,然后在导航算法中加入语义对应关系,通过语义信息提升机器人导航的人机交互性。实验证明,在基于A*的导航算法中,使用栅格语义地图可以初步地提高机器人导航的智能性和人机交互性。接着针对导航算法的实时性问题。提出了一种改进的A*寻路算法,利用跳点搜索算法来优化A*算法中的节点扩展策略,提高寻路效率。实验证明,改进的A*算法在搜索时间和效率上都有较大的提升。最后使用两个不同实际室内场景对整体技术进行仿真实验,最终的仿真实验结果表明,本文提出的室内导航技术能够利用深度学习技术泛化到多种场景,能够利用地图模型中的语义信息有效提高机器人导航的智能性。经过总结分析,本文的研究内容对于室内配送、助理等服务性工作的智能机器人的导航任务研究,是有较大理论参考价值和实际用于价值的。