随着计算机和传感器等机器人相关技术的快速发展,移动机器人的使用也越来越多。考虑到医院环境的特殊性,医护人员工作压力较大,因此,在医院中使用机器人代替护士的一些简单工作比如病人问询等,可以降低医护人员的工作压力和人力成本。由于医院环境中动态因素较多,移动机器人在其中安全进行导航很有挑战性。为此,本文提出如下避障流程:首先对于激光雷达数据进行处理,基于几何特征对障碍物进行识别和行人追踪。分别使用基于卡尔曼滤波的交互多模型(IMM)和支持向量回归机(SVR)对动态障碍物进行轨迹预测。然后基于代价地图,新建立一层地图用来表示行人未来轨迹对于机器人的影响,同时验证该地图对于机器人路径规划的影响。具体的工作内容概括如下:首先基于几何特征对激光雷达数据进行处理,将地图中障碍物视为圆形障碍物,同时对于行人进行追踪。IMM和SVR均适用于对动态障碍物进行短时间的轨迹预测,IMM需要使用预先确定好的模型,不适用于行人复杂的运动。本文提出基于SVR的方法不需要事先确定好模型,可以学习障碍物的运动模型。为了解决标准最小二乘支持向量回归机(LS-SVR)不支持多输出的问题,本文使用了多输出支持向量回归机(MLS-SVR),相比标准SVR能够降低轨迹预测的误差。在获得障碍物轨迹后,使用分层代价地图进行环境建模,在此基础上新建立一层代价地图,同时使用高斯函数更新动态障碍物周围的代价,即通过改变机器人导航时所用地图来改变机器人规划出来的路径。针对机器人在实际使用过程中出现的A星算法中目标点不可达、多拐点、起点在障碍物中的问题以及动态窗口法(DWA)中机器人转动幅度过大的问题进行优化。最后在实际的办公室环境中,对上述轨迹预测算法和改进后的路径规划算法进行验证。能够处理在行人较少的情况下的室内动态避障,提高对于动态障碍物的躲避能力。