3D语义地图（3D Semantic Mapping）是近年来机器人感知与理解领域的研究热点，旨在构建不仅包含空间几何信息，还融入语义属性的三维环境模型。这类地图使机器人能够理解环境中的物体类别、功能和相互关系，从而实现更高层次的智能行为，如语义导航、任务规划和人机交互等。
趋势
1 语义图谱与语言模型的融合
传统的语义地图多依赖于几何信息与语义标签的简单融合，近年来，研究者开始探索将知识图谱和语言模型（如GPT、BERT）引入语义地图构建中，实现知识的在线整合和推理能力的增强。
2 多模态与多维度语义地图
随着多模态大语言模型（VLMs）的发展，研究者提出了多维度语义地图（Diverse Semantic Map，DSM）的概念，旨在捕捉环境中物体的外观、物理属性和功能等隐式语义信息，以支持机器人在复杂任务中的视觉定位和理解能力。
3 实时与高精度构建方法
针对室内环境，研究者提出了基于RGB-D图像的高精度3D语义地图构建方法，结合了语义分割、条件随机场（CRF）优化和增量式贝叶斯更新策略，实现了在动态环境中的实时语义地图构建。
核心方法与技术
1 基于深度学习的像素-体素网络（Pixel-Voxel Network）
结合了RGB图像和点云数据，利用PixelNet获取全局上下文信息，使用VoxelNet保留准确的局部形状信息，从而实现高精度的3D语义映射。
2 ElasticFusion与卷积神经网络（CNN）结合
ElasticFusion是一种稠密SLAM系统，通过与CNN结合，可以在室内环境中实现长时间的稠密对应关系，从而将CNN的语义预测融合到地图中。
3 3D高斯点云重建（3D Gaussian Splatting）
这种方法通过提取多级图像金字塔进行高斯点云训练，确保RGB、深度和语义重建的一致性，从而实现高质量的场景重建。
4 基于ORB-SLAM3的实例级语义映射
该方法利用ORB-SLAM3估计图像帧的位姿，提取关键帧，并构建对象级实例地图，以增强机器人对环境的理解。
5 基于深度学习的动态环境语义SLAM
在动态环境中，该方法通过深度学习技术实现对已知和未知动态物体的检测，从而提高SLAM系统在复杂场景中的鲁棒性。
挑战
动态环境中的语义映射：如何在动态环境中实现高精度的语义地图构建，仍是一个挑战。
实时性能优化：在保证高精度的同时，如何提高系统的实时性能，以满足实际应用需求。
多模态数据融合：如何有效地融合RGB图像、深度图像和语义信息，以构建更全面的3D语义地图。
大规模场景的语义映射：在大规模复杂场景中，如何保持语义地图的精度和一致性，是一个值得研究的问题。
论文：
SemanticFusion: Dense 3D Semantic Mapping with Convolutional Neural Networks
An Improved High Precision 3D Semantic Mapping of Indoor Scenes from RGB-D Images
Dense RGB-D Semantic Mapping with Pixel-Voxel Neural Network