随着移动机器人应用范围的不断扩大以及机器人相关技术的快速发展,人们对移动机器人各项功能的要求越来越高,特别是社会环境的移动机器人定位导航功能的精确性、稳定性、安全性和让人感到舒适性是移动机器人关键技术研究的热点。本文以社会环境的轮式移动机器人为研究对象,对人体信息获取及估计、定位方法中里程计系统误差校正、基于多传感器信息融合的定位导航、基于社会交互空间的路径规划等关键技术进行了深入的研究,其主要内容如下:针对静态人体和动态人体,分别提出基于核直方图和贝叶斯统计估计静态人体头部方位的方法,和基于粒子滤波算法对动态人体运动信息进行估计,从而解决在社会环境下,移动机器人运动导航过程中获取人体信息(人体的位置、姿态、运动速度等信息)的需求。对于静态人体头部方位的估计,首先在人体头部选择一个正方形区域表示人体头部特征;然后基于核函数建立人体头部特征的核直方图;最后根据人体头部特征的信息基于贝叶斯统计估计静态人体头部方位。对于动态人体的运动信息估计,分别使用了基本粒子滤波算法(PF)和扩展卡尔曼粒子滤波算法(EPF)进行信息估计,通过实验对比分析两种粒子滤波算法在动态人体运动信息估计中的适用情况及它们的优缺点。在分析里程计系统误差来源的基础上,提出校正系统参数的方法,以减小系统误差和提高定位精度。首先分析里程计系统误差来源及其对机器人运动的影响;接着提出由直线运动实验和旋转运动实验两部分组成的实验校正方法。校正后机器人运动完3 m×3m的正方形路径其误差为295.042 mm,即定位精度为分米级。并且实验方法简单,需要的实验场地限制小,容易实施实验(只需要大约4 m长,1.5 m宽的长方形区域)。在移动机器人运动导航路径已经确定的条件下,提出基于多传感器信息融合的定位导航方法。首先提出预设路径上移动机器人的定位导航架构,该架构的传感系统由里程计系统、电子罗盘、摄像机和红外传感器组成。其次采用自适应扩展卡尔曼滤波(AEKF)算法融合里程计和电子罗盘数据,以提高移动机器人的定位导航精度。在数据融合前,采用自适应神经模糊推理系统(ANFIS)对电子罗盘预先采样的数据进行拟合,以提高电子罗盘数据的可靠性;并且采用模糊算法确定AEKF算法中系统噪声协方差公式的参数k,以增强AEKF融合算法的鲁棒性。社会环境的移动机器人路径规划需要考虑任务约束和社会习俗两种约束,因此提出一种基于社会交互空间的移动机器人路径规划。首先,基于任务约束和社会习俗使用二维不对称高斯公式建立社会交互空间模型。然后,把社会交互空间模型加入运动路径规划中,基于A*算法进行全局最优规划,使移动机器人能以使人感到安全舒适的姿态绕过人体。搭建了移动机器人实验平台进行实验验证。实验分为两部分:第一部分是通过室内三条预设路径的实验,验证采用自适应扩展卡尔曼滤波算法融合里程计和电子罗盘数据的有效性和可行性;第二部分是通过综合情景实验验证基于社会交互空间的移动机器人路径规划的可行性。