随着生活水平的提高,人们对于服务机器人更加智能化的需求也越来越高,然而现如今服务机器人的智能化还远不能满足人们的期待。同时定位与建图技术(SLAM)是服务机器人在室内环境运行的基础,目前已经取得了很大进展,但服务机器人对环境感知和理解的能力远远无法满足其长期稳定运行和对环境进行安全监测的需求,比如对环境中温度的感知、物体的理解以及动态环境下的建图等。因此,本文将RGB-D相机与热红外相机相结合,用于智能服务机器人在动态环境下的热场地图构建与目标检测技术的研究,以提高机器人对环境的理解能力,具体内容如下:针对动态场景下的行人进行检测分割,以去除动态特征点,减小其对动态场景建图的影响。本文基于热红外相机与Kinect传感器,对比基于卷积神经网络端到端的行人分割算法,提出基于卷积神经网络与温度信息融合二维检测与三维空间映射结合的行人分割算法,对RGB图像和热红外相机获得的图像分别进行行人的二维包围框检测,然后结合温度信息初步分割行人,接着将初步分割结果映射到三维空间,采用点云滤波等算法,去除离群点,最终实现了行人的精确分割。结合提出的行人分割算法,以ORB-SLAM2算法为基础,对室内动态环境实现了三维环境热场地图的构建。首先将RGB-D相机和热红外传感器进行配准,然后基于HSV色彩空间,对彩色图和热红外图像进行融合,实现对环境中的纹理和温度信息的表示。接着结合行人分割算法,去除环境中检测到的动态行人的特征点,减小动态行人对位姿估计的影响,最终建立动态环境下的热场地图。为了提高服务机器人对环境的理解程度,本文基于三维物体识别算法建立物体级的语义热场地图。首先利用YOLOv3对环境中的物体进行二维检测,然后将得到的物体二维包围框投影到三维空间,并对三维点云进行聚类分割得到物体的点云。接着,采用基于凸多边形的物体三维尺寸和方向求解算法,得到物体的三维包围框。最后结合热场地图构建框架,构建物体级的语义热场地图,包含物体的类别、尺寸以及温度信息,从而提高机器人对环境的感知能力。本文移动机器人作为实验平台,在每章都给出了实验,验证了热红外相机与Kinect传感器相结合的行人分割算法的有效性以及动态场景下三维环境热场地图构建的准确性,同时验证了基于物体识别的三维语义热场地图的构建的可行性。