摘要：语义信息可以使机器人更充分地理解未知环境，为更高级的人机交互和完成更复杂的任务奠定基础。为了能够使移动机器人实时地创建语义地图，在Jetson TX1嵌入式电脑上开发了一种轻量级的深度学习目标检测模型，在保证了检测精度的同时，实现了高效的目标检测功能。并利用了视频流中的帧间光流信息，使用运动信息指导传播算法降低检测算法的漏检率。对于Kinect传感器生成的深度图像有黑边、黑洞等缺陷，使用统一计算设备架构（CUDA）技术开发了一种实时的深度图像修复算法。利用即时定位与地图构建（SLAM）技术，实现移动机器人底层的定位、导航、地图创建功能，并在此基础上使用贝叶斯推理框架，同时融合了环境的度量信息与视觉识别信息完成了语义地图的创建。经过实验表明，所提出的方法在实际的、复杂的室内环境下可以使移动机器人实时地创建语义地图。

关键词：深度学习 图像修复 语义地图 贝叶斯推理 统一计算设备架构 

单位：北京工业大学信息学部; 北京100124; 数字社区教育部工程研究中心; 北京100124