当前,基础技术的进步和社会市场的需求共同决定了服务机器人正处于发展的黄金时期,其中又以家庭服务机器人为主。家庭服务机器人的自主移动能力决定其应用方式和应用场景,是其他服务能力实现的基础,但是其实用化所面临的一些问题亟待解决:室内环境较为多样,又是一个动态变化的环境,家庭服务机器人需要确保定位的准确性、动作的安全性、功能的稳定性。本文针对家庭服务机器人在这种特殊室内环境中的定位和地图构建问题,通过分析比较,提出一种将视觉语义与激光点云融合而估计机器人的全局位姿和建立全局一致地图的方法,主要包括三个部分的内容:（一）为建立激光雷达和相机数据之间的联系,提出一种方便高效的外参标定方法。该方法同时使用传感器的运动信息和传感器对三面体的观察。激光雷达和相机的运动被划分为直行和旋转,分别提取直行向量和旋转向量,以加权的Kabsch算法计算外参中的旋转。利用前面估计的旋转,可以无人为干预地建立点云中三面体边和图像中三面体边的对应关系,通过优化点云中三面体边与图像中三面体边的投影距离计算出精确的外参。该方法计算量小、布置方便、人为干预少、结果较准确。（二）为估计机器人的运动以及为全局定位提供可靠初值,提取关键点和面元计算帧间运动。考虑到激光点云的测量值存在一定误差和噪声,将点云映射到距离图中,先对每条扫描线进行分割以去除少数外点,然后提取点特征和面元特征。依据匀速运动畸变模型处理当前帧点云并建立与前一帧点云特征的距离代价和隐式移动最小二乘代价,优化求得运动估计值。该方法在室内环境中特征提取较稳定、运动估计较准确、计算量较小。（三）为估计机器人的全局位姿和建立全局一致地图,提出面元的不确定性模型和面元的概率融合方法。分析激光雷达测量的误差来源,确定面元位置和法向的协方差矩阵。在高斯概率分布的假设下,依计算值和协方差矩阵将确定全局位姿的面元融入地图中。以帧间运动为初步全局位姿估计值,利用视觉语义信息给关键点和面元附加上可靠概率,然后有选择地建立帧特征与地图特征的距离代价求得全局位姿。该方法定位精度较高、地图描述较准确。