近年来,随着计算机硬件水平的提高和人工智能技术的发展,智能机器人在多种场景中得到应用,如工业机器人、扫地机器人等。对环境的感知与理解是智能机器人进行自主探索、行为决策、人机交互等任务的基础。机器人一般通过激光雷达、摄像机等传感器捕捉周边环境信息,使用算法进行分析,最后实现对环境的理解。如何利用图像中视觉数据使机器人拟人化地感知环境且进行决策是计算机视觉领域中热门的研究问题,针对这个问题,本文提出了结合双目视觉SLAM技术与语义分割技术的三维语义地图构建方法,使智能机器人可以根据相机图片构建三维语义地图,帮助其更好地理解环境信息,更智能化地进行自主工作。本文以基于双目视觉信息的三维语义地图构建方法为研究目标,首先对语义分割技术进行研究,针对传统语义分割神经网络模型在分割效率和精度方面存在的不足,分析了高效神经网络的设计方法。结合分解卷积、残差连接、卷积通道重排序和多尺度膨胀卷积的方法设计了网络卷积单元,利用多尺度金字塔级联结构构建基于注意力机制的解码器,组成实时语义分割神经网络模型。通过实验对比分析,证明了该语义分割网络在参数量、分割精度和运行速度上都有较好的表现,在语义分割任务的精度要求和速度要求之间取得了较好的平衡。在三维重建技术研究中,本文分析了不同三维重建方法在不同场景下的应用范围,选择了适合在室外环境下进行定位与建图的SLAM算法进行实时三维重建。使用实时的语义分割神经网络和深度估计神经网络提供语义信息和深度信息,结合SLAM提供的位姿信息提取超像素,以面元模型进行表面建模,完成了实时三维语义地图构建方法设计。实验部分将本文提出的三维语义地图构建方法在KITTI数据集上和校园实际数据上进行应用,构建了对应场景的三维语义地图,证明了本方法的高效性和可行性。