近年来,随着智能服务机器人研究的不断深入,使机器人获得更多的外界信息,完成更复杂的服务任务,是当前机器人研究领域亟需解决的问题。语义地图包含丰富的环境信息,并且可以更加高效的辅助机器人完成相关服务任务,受到越来越多国内外研究者的关注。为使机器人更好的完成服务任务,针对传统地图中语义信息缺失的问题,提出一种多特征融合的方法构建环境语义地图。根据激光数据获取环境结构信息,构建度量及拓扑地图,并提出基于生物免疫及抗体变异机制的机器人路径规划算法;利用一般物体检测方法获取环境图像信息中描述一般物体的候选窗口,并对候选窗口中的物体进行识别,获取环境中的语义信息;为获取更多的环境信息以更好的完成服务任务,采用基于维诺图的区域划分方法,对环境中拓扑节点控制的语义区域进行划分,根据地图模型生成包含丰富语义信息并符合机器人认知的语义地图。主要工作有以下几个方面:1.基于树形结构转换的可通行区域构建。针对现有方法中,构建可通行区域的算法时间复杂度高,且系统实时性较差的问题,提出一种树形结构转换方法。该方法以扇区为基础结构描述激光信息中各层的可通行区域。随后,遍历扇区并存储到树形数据结构中,完成对可通行区域的空间描述,从而实现对环境的快速建模。2.基于抗体变异机制的路径规划。通过引入免疫算法对可通行点进行评价,选取局部最优可通行点,减少机器人探索时间,提高探索效率。但免疫算法在减少回溯的同时,导致机器人在探索过程中为到达最优可通行点频繁转向,转向过程耗费时间且影响位姿估计。针对上述问题,提出一种基于抗体变异机制的路径规划算法。当未触发抗体变异机制时,可通行点位于其控制区域的中间位置。触发抗体变异机制后,对可通行点位置进行微调,其所在位置根据前一次转向的偏转角向反方向漂移,进而有效解决了应用免疫算法出现的频繁转向问题。3.基于区域相似度融合的得分修正。为避免候选窗口位置不佳所导致的物体漏检、错检等问题,提出一种基于区域相似度融合的得分修正系统,该系统综合考虑候选窗口内的颜色、纹理及候选窗口占图像比例等因素,对候选窗口进行打分,并在分析候选窗口颜色特征的过程中,提出一种基于颜色特征的快速融合算法,提高计算效率。利用所提得分修正系统可以优化候选窗口的选取,为接下来进行的物体识别奠定基础。4.基于多特征融合的分层地图模型构建。受传感器自身能力的制约,移动机器人携带单一传感器采集到的环境信息具有一定的局限性,并且将会导致环境模型的信息缺失。因此,在语义地图创建过程中,需要将多种传感器获得的环境特征相融合,得到信息更为丰富的外界环境地图。为融合多传感器特征,提出一种按抽象程度逐层递增的三层地图模型,将地图分为表示环境几何结构的度量层,表示拓扑节点间关系的拓扑层,表示区域关系的语义层,进而构建出包含丰富环境信息的语义地图。通过Pioneer 3-DX型机器人在真实环境下的实验结果验证了本文所提出的基于多特征融合的服务机器人语义地图构建的可行性与有效性,构建的语义地图能使机器人更好的完成服务任务,具有一定的理论价值和实际应用意义。