同时定位和地图构建（SLAM）是以前乃至未来机器人的重点发展方向,这项技术对机器人包括我们的生活环境和条件可能会产生深远的影响。近年来,机器人出现在工业生产中对工业的发展提供了巨大的促进作用,甚至可以代替人类在艰难的环境中完成作业任务避免人类受到伤害。在我们的平时生活中,扫地机器人也陆续出现在人们的视线中,这都得益于SLAM技术的不断进步和雷达硬件等传感器工艺的不断突破。目前机器人的地图构建技术一般利用相机或者雷达作为机器人的眼睛进行信息的采集完成地图的构建。机器人对室内二维地图的构建算法中,一般室内的环境比较相似可能完成不了回环或者回环效率不高达不到实时的效果;再者室内空间如果较为庞大,地图构建时需要分批次完成,这时需要将几张生成的地图进行融合形成一张完整的地图;三者让机器人感知环境需要生成语义地图,让机器人可以根据环境做出智能决策。本文的主要工作如下:（1）对于室内场景,本文基于Cartographer算法进行二维栅格地图的构建。在本地SLAM上,利用Ceres优化库进行处理;在回环检测的实时性上,利用分支上界的方法进行回环检测。本文在Cartographer的基础上对雷达点利用曲率进行特征点提取组成扫描,使得Cartographer框架中的本地和全局优化模块的计算量变小,实时性更高。（2）本文在构建生成的二维栅格地图的基础上,对地图上存在的噪声、误差等缺陷进行编辑完善地图,当场景较大时,需要分批次构建地图,这时需要对地图进行拼接。本文首先利用SURF方法进行地图特征点的提取和匹配,然后利用随机抽样一致算法对上一步骤中的误配点进行筛选,最后完成地图合成。（3）基于前两章得到的二维栅格地图,本文在构建的二维栅格地图的基础上。在离线地地图上利用Hough变换检测室内的主体结构,比如墙壁等;对于室内环境中的行人目标利用卷积神经网络检测器算法进行在线检测,在预处理阶段对激光点云进行聚类减少算法在卷积神经网络中的计算量,增加算法的实时性。基于两种检测方法融合环境的度量信息与视觉识别信息构建二维栅格语义地图。