随着移动机器人研究的日趋成熟和市场对移动机器人的需求日益凸显,移动机器人的相关研究备受各界关注。当机器人服务于室内环境,成为家庭小助手时,原先工业上那些智能低下的机器人将不再满足市场需求。室内移动服务机器人要达到真正的智能必须要对室内环境进行感知从而进行智能决断。而对室内环境感知的准确性和完整性又决定了机器人智能决断的准确性。其中对室内环境的感知主要包括机器人自身位姿的获取和室内环境地图的构建,SLAM (Simultaneous Localization And Mapping,简称SLAM)能够解决这个问题。但是SLAM所构建的地图仅包含机器人的位姿和环境特征信息,并没有室内环境的气温、环境对象属性等信息。因此由SLAM构得到的信息是缺失的。这导致机器人对环境的感知也是不完全的,这种不完全使得机器人只能进行自主导航却没办进行法智能决断。本文在SLAM的基础上,提出通过构建智能家居系统的ZigBee传感器网络获取机器人未获取到的室内环境数据,这些数据将补足SLAM中数据的缺失部分。同时通过引入本是哲学范畴的本体论,使用本体描述语言(OWL)对室内领域中的异构对象进行本体化。作者期望通过本体论完成机器人对室内环境领域内异构环境信息的同构转换,同时借助本体的推理机制,实现机器人在未知室内环境中的语义地图构建和同步定位(Semantic Simultaneous Localization And Mapping,简称SSLAM),为机器人实现智能决断提供有效依据。具体来讲,本文主要分为五个模块。1)绪论。全面介绍了本文对论文的研究背景、研究意义、研究现状。2) SLAM的研究。在对扩展卡曼滤波算法(EKF-SLAM)深入研究基础上,对其相关理论进行阐述并进行EKF-SLAM实验仿真,仿真实验结果表明EKF-SLAM构建的SLAM地图(通过SLAM得到的地图信息)是可信的,误差在可接受的范围。3)室内环境数据获取。首先对获取构建SSLAM地图(通过SSLAM得到的语义地图信息)的其它环境因子的方法(ZigBee数据获取)做了详细阐述,然后在实际环境中通过ZigBee网络获取环境数据；4)本体语义模型的SSLAM。基于SLAM地图的构建和ZigBee数据的获取,作者对构建SSLAM的本体论做了详细的阐述,并给出了本体的构建的过程,最后在此基础上作者提出了本体数据到本体语义的转换框架、机制和转换规则；5)室内智能机器人SSLAM构建。基于前几个模块,作者做了一个简单的SSLAM的实现,其中主要包括本体语义库的建立、SLAM的获取、环境数据的获取、语义转换。最后在结论中作者认为SSLAM的构建对室内移动机器人来说是一个跨越式的进步,这一步的实现相当于给机器人安装了上一个会思维的头脑,当然这颗头脑可能略显笨拙,但是这以表明其智能化的开始。