张立国，程 瑶，金 梅，王 娜

(燕山大学 电气工程学院，河北 秦皇岛 066004)

1 引 言

近些年来，人工智能与智能机器人技术日新月异，智能机器人在人们的生活中越来越多的被使用到。随着各种智慧型建筑越来越常见，人们对室内智能服务型机器人的需求也越来越大；室内智能服务型机器人在导航过程中，为了达到智能化和较好的人机交互能力，主要使用的是室内语义地图(semantic map)[1]，在语义地图中每个不同的物体都会用相应的标签集合来表示，以此来方便机器人对环境的理解，提高工作机器人的人机交互能力。

目前最常使用的语义地图构建方法有3种，第一种是在度量地图上使用大量的语义标签来进行标注[2,3]。这种使用语义标签标注的方法，当机器人工作环境一旦改变，就需要重新构建标签。第二种是使用视觉导航的方法[4～6]，通过相机采集的环境图像进行特征匹配。此方法受到特征匹配算法和环境数据库质量的影响，当环境数据库比较大时，算法响应慢。第三种则是使用深度学习的语义分割技术结合SLAM技术构建语义地图[7～9]。由于深度学习技术的飞速发展，使用深度学习语义分割技术对室内场景进行语义识别，然后通过SLAM技术来构建智能机器人语义地图的方法被越来越多的应用。

然而室内场景复杂多变，室内环境所含物体类别多，而且每一类物体都有很多种类型，室内环境中各种物体也经常出现相互遮掩。这些问题都是室内环境语义分割所需要解决的关键问题。……