传感器、计算机、自动控制、人工智能等相关技术的发展推动了机器人技术的进步。技术进步与市场竞争促进了机器人的应用日益广泛,其中移动机器人因为具有环境检测、动态决策与控制等功能而在工业、农业、医疗和智能安防等领域获得广泛应用。因此,移动机器人的研究与应用日益得到世界各国的普遍关注。在实际应用中,移动机器人检测障碍物的能力是一项重要指标。为了能够更加准确、全面和实时地获取到障碍物的信息,本课题采用了多传感器信息融合技术进行移动机器人的障碍物检测,从而实现对障碍物信息的准确评估,为进一步的避障和任务的完成打好基础。衡量机器人智能化程度的一个重要指标就是处理不确定性信息的能力。从不确定信息因素入手分析,基于多传感器信息融合技术,对移动机器人周围的障碍物信息进行研究和分析。本文首先阐述了移动机器人的系统结构和运动学模型。通过构建移动机器人的运动学模型,可以比较直观地获取到移动机器人自身所属的位置和姿态,以及相对于周边障碍物的方位角。其系统结构又很好地展示了移动机器人各个层次模块的功能属性以及构造布局。然后通过采用超声波、激光和视觉传感器来对未知环境中障碍物进行距离的测量。分析超声波和激光传感器的信息读取与差异性以及视觉传感器的图像获取与图像预处理。最后使用卡尔曼滤波算法对三种传感器采集的障碍物信息进行融合处理,确定障碍物的位置、深度以及形状信息。在Matlab上进行仿真,并与实际平台进行对比。结果表明,此方法在移动机器人障碍物检测中具有较高的精度,验证了该方法在移动机器人障碍物检测中的有效性。