自主行驶移动平台又称无人平台,是地面移动机器人的一种形式。即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)可以使移动机器人等无人平台进行自身定位同时对周围环境进行地图构建。将语义信息与SLAM结合,不仅可以提高定位与建图精度,还可以使其对周边环境进行认知和理解。本文针对实际需要和新的挑战提出了对卷积神经网络优化后的全卷积神经网络与三维视觉SLAM相结合用以构建三维语义地图的方法。本文完成了图像语义分割与SLAM技术相结合来构建环境的三维语义地图的任务。首先,使用深度相机Kinect2获得目标RGB-D信息,通过Elasitc Fusion算法完成三维视觉SLAM,并构建三维RGB-D地图,同时结合全卷积神经网络(FCN)进行语义分割,并构建三维语义地图。对于FCN部分,提出了一种通过跳跃层来结合不同特征层结构的全卷积神经网络,这种全卷积网络学习将粗糙、高层次的信息与清晰、低层次的信息结合起来,只显示池化层和预测层,省略了中间的卷积层,可以同时保留粗糙、高层次的语义信息和清晰、低层次的语义信息,用以提高语义分割精度。对FCN与Elastic Fusion相结合的部分,由于FCN的固有的通道数的限制,并不能够直接对Elastic Fusion所建的地图进行直接的语义分割。本文利用增加通道并对前三个通道和第四个通道分别初始化然后更改深度图图像分辨率的方法来使得FCN与Elastic Fusion可以很好的结合。实验结果表明,对于室内场景,本文算法相较于当前主流的语义分割Eigen算法,可以得到更好的语义地图。