自主移动机器人的智能避障是移动机器人自主完成给定任务的关键技术。本文的研究工作主要是针对动态不确定环境下,移动机器人的实时动态避障和对障碍物状态信息的卡尔曼滤波预测两个方面的研究展开的。本文分别对移动机器人的避障算法、估计理论和基于卡尔曼预测模型的避障算法进行了仿真。本文首先对移动机器人的避障方法进行了综述,指出避障技术的研究重点和发展趋势。然后,对基于矢量场矩形法的移动机器人避障方法进行了研究,并对矢量场矩形法的基本思想及算法架构进行了介绍。矢量场矩形法将移动机器人的工作环境分解为一系列具有二值信息的栅格单元,每个矩形栅格中有一个积累值,表示在此处存在障碍物的可信度,高的累计值表示存在障碍物的可信度高,通过同时控制机器人的速度大小和方向来寻找最优无碰撞路径实现避障。其次,对基于卡尔曼滤波的动态障碍物预测进行了研究,介绍了卡尔曼滤波预测模型的建立及卡尔曼滤波预测步骤,仿真实验结果表明卡尔曼滤波预测模型能对障碍物状态信息进行有效预测,达到预期结果。在对矢量场矩形法和卡尔曼滤波预测进行研究的基础上,本文对基于卡尔曼滤波预测的矢量场矩形法进行了分析,介绍了基于卡尔曼预测的矢量场矩形法的设计与算法实现,提出将卡尔曼滤波预测器得到的障碍物状态信息预测值作为矢量场矩形法的输入之一,使移动机器人对障碍物下一时刻障碍物的状态信息具有先验知识,提高移动机器人避障策略实施的准确性。最后,本文在Matlab环境下对基于卡尔曼预测的矢量场矩形法完成了仿真,实现栅格地图及仿真操作界面的设计、障碍物CV值分布信息更新、移动机器人运动方向更新及移动机器人动态避障效果演示等关键技术,完成了在动态不确定环境下移动机器人基于卡尔曼预测的矢量场矩形法的避障仿真。仿真结果显示了所提出方法的有效性和合理性。