服务机器人在商场、图书馆、医院、工厂和办公环境等不同工作场所具有很高的应用潜力，可协助进行多项工作。服务机器人通过对移动目标的定位和跟踪来对其进行帮助和引导，然而对像人类这样的运动目标进行定位是一项复杂而具有挑战性的任务，因为目标的移动速度可能非常快且不可预测。近年来的研究表明，RFID(Radio Frequency IDentification)技术在移动物体的定位方面取得了迅速的发展。RFID具有成本低、使用方便的特点，可通过非接触式的通信方式解决了遮挡问题，而传统的视距传感器(如摄像机和激光测距仪)往往会受到环境中遮挡、光照等因素的影响。该技术的另一个优点是RFID标签具有唯一的识别码，不需要任何复杂的识别算法。然而，RFID系统无法获得目标的位置信息，但激光测距仪可对环境中的障碍物进行精准地定位。通过RFID和激光的融合，我们可以得到一种适合于工业环境中(如资产管理)的物体定位方法。本文利用两种不同传感器(即RFID和激光测距仪)的测量数据，来解决目标的定位问题。
　　本文介绍了两种不同的移动目标定位方法，并进行了大量实验以验证所提出的方法。本文中的实验是在SCITOSG5型服务机器人上进行的。服务机器人搭载了多个传感器，如RFID阅读器，视觉传感器，激光传感器等。
　　第一种方法是基于RFID相位信息和激光聚类信息的融合。利用相位差计算了基于RFID相位的速度。对激光数据进行聚类，计算激光聚类的速度。然后，选择K个最佳匹配的聚类，利用粒子滤波器进行传感器数据融合。通过大量的实验验证了该方法的可行性，结果表明，该方法可以达到0.25m的平均定位精度。
　　第二种方法是融合RFID标签阵列和激光测距信息。我们在第一种方法中发现，人体可以在某些位置阻断无线电信号，因此单标签定位精度有限。具体来说，无线电信号阻塞发生在试验区域内有多人移动的时候。所以在这个方法中，目标运动物体携带有多个RFID标签，通过相位差可以计算所有标签基于相位的径向速度。此外，该方法还采用具有噪音的基于密度的聚类算法(DBSCAN，Density Based Spatial Clustering of Applications with Noise)对激光数据进行聚类处理，然后计算聚类的径向速度。将聚类径向速度与相位径向速度进行匹配，得到最佳匹配簇。粒子滤波器通过融合两种速度的匹配结果来定位运动中的人体。实验结果验证了该方法的可行性，证明了该方法与单标签定位方法相比，定位精度提高了25%。
　　本文提出的定位方法利用服务机器人和RFID技术来满足不同的行业需求，可广泛应用于商场、医院、图书馆、办公室、工厂等不同行业中。