在大尺度复杂作业环境下,基于三维激光扫描仪的传统测绘建图方法存在耗时长、缺乏区域语义信息等问题。本文针对结构复杂、场景跨度大、存在光线变化的作业环境,研究了融合相机和激光雷达传感器的移动式分段扫描建图系统,设计了一种基于场景识别的区域语义学习方法,并开发了稠密建图和点云语义标注功能应用软件。首先针对常规地图缺少高质量地图数据的问题,通过相机和激光雷达的联合标定与数据融合,使得图像的色彩信息能够融入激光雷达原始的点云数据中。在此基础上,针对室内环境复杂多样、作业区域跨度大的特点,提出了基于子地图的分段式稠密建图方法。在Le GO-LOAM的框架上设计独立的地图数据保存模块,实现了局部地图数据的稠密化保存,再通过基于图像的回环检测辅助生成不同子地图的重叠点云区域,利用点云匹配算法求解局部地图间的变换关系,实现了局部地图数据的融合和全局点云地图的高效构建。针对室内复杂环境下地图信息描述不足的问题,提出了一种融合多种信息源综合判断区域类别的区域语义识别方法。通过卷积神经网络模型分别提取环境图像的整体场景特征和局部物体级特征,综合用于判别场景类别;并采用条件随机场（CRF）建模历史环境特征的时间关联性,从而在连续运动过程中推理场景区域类别标签,显著提高了复杂环境下区域语义识别的准确率。利用地面分割算法提取出地图数据中点云帧的地面部分,并针对不同区域类别渲染相应颜色,实现了全局点云地图中不同区域语义信息的直观描述。在上述研究方法的基础上,设计并开发了稠密建图和地图数据处理应用软件,集成了包括传感器的联合标定、点云的显示与交互、图像和点云数据融合、稠密建图与地图数据的保存、地图拼接和区域语义标注等功能模块,通过显示窗口和日志窗口实现地图数据处理过程的监测。最后在真实室内环境数据集上进行了模块和整个系统的测试,实验结果验证了方法的有效性。