核技术研究已广泛应用于教育、电力等多种领域,但随着时间的推移,部分老化的核设施面临着退役的问题,退役过程中,固体核废物的分拣与处置方式是核退役任务的重要课题之一,不同类型的固体废物需要安全合理地进行分类处置,避免带来环境污染。随着科学技术的发展,视觉图像研究技术和SLAM定位技术有了很大程度上的进步,在各个领域都有广泛应用。但目前核废物分拣过程中,仍有大多数采取人工或半人工模式,存在效率低下,危险程度高的问题,针对以上问题,本文将深度卷积神经网络和SLAM定位技术相结合,利用深度卷积神经网络对固体废物在视觉上进行分类,得到图像语义信息,之后利用SLAM三维重建技术,构建三维点云地图,并将二维语义信息映射到三维点云地图,构建三维点云语义地图,便于之后解决分类问题和机械臂抓取问题。本文的研究工作包括以下几个方面:（1）研究一种核辐射环境下复合去噪方法。不同于单一的去噪方法,该方法在自适应滤波算法上结合小波变换的优势,对噪声图像进行处理,并与传统去噪方法进行对比,验证方法的可行性。（2）研究基于YOLO v3的物体材质识别方法。针对材质识别问题,本章采用自建数据库,使用复合去噪算法对图像进行处理,利用YOLO v3卷积神经网络搭建材质识别网络模型,提取图像特征训练网络模型,并进行优化模型参数,提高模型识别效率,并与传统的材质识别算法进行对比,验证模型的可行性。（3）构建语义融合的SLAM定位系统,通过研究SLAM三维重建方法,实现三维重建,将二维对象标签与三维点云分割相结合,实现三维语义映射,同时基于深度学习中的目标检测算法YOLO v3将二维语义标签图像和三维点云地图进行融合,构建稠密语义图,完成了视觉语义三维重建的固体核废物检测与定位系统。本文设计了视觉语义三维重建的固体核废物检测与定位系统,实验结果表明,本文构建的系统在识别方面准确率可以达到99.4%,并且构建带有语义的三维点云地图,实现了三维重建,对实现固体核废物智能分拣具有一定的实际应用价值。