本发明提出了一种变电站和电缆隧道场景语义构建系统和方法。所述方法包括：利用传感器采集所述变电站和电缆隧道环境，获得RGB‑D图像；对所述RGB‑D图像中的二维彩色图像进行目标分割，获得多个分割后的目标独立图像；获取目标独立图像对应的语义信息，并将语义信息赋值于目标独立图像，形成带有语义信息的目标图像；利用RGB‑D图像中的Depth图像建立所述变电站和电缆隧道环境对应的三维地图；将目标图像融合到三维地图中，形成三维语义地图；在形成三维语义地图后，利用变电站和电缆隧道中负责运行管理的运维管理人员的语音指令信息构建与所述三维语义地图对应的语音数据库。所述系统包括与所述方法步骤对应的模块。