随着人工智能、人脸识别及语音交互等技术的不断进步,服务机器人行业呈现蓬勃发展的新态势。同时在人类生活水平日益提高的因素驱动下,服务机器人逐渐呈现家庭化、智能化的发展趋势。然而,自主导航技术作为服务机器人实现智能化的基础,还存在不足之处,例如在室内环境下,采用单一传感器进行自主导航存在无法获取丰富的环境信息、导航精度不高且鲁棒性较差等缺陷。因此,本文研究的基于多传感器信息融合的服务机器人室内自主导航系统具有重要的理论意义和实际应用价值。首先,本文通过对服务机器人的现状、导航方式及传感器特性进行研究,选择激光测距仪、RGB-D深度传感器及物理里程计作为服务机器人的感知装置,利用机器人操作系统(Robot Operating System,ROS)软件平台,设计了基于多传感器信息融合的服务机器人室内自主导航方案。其次,视觉SLAM(Simultaneous Localization and Mapping)中实现视觉里程计(visual odometry,VO)有两类方法:直接法和特征法。针对直接法无法实现闭环检测,长时间导航易出现的漂移问题以及特征法进行特征提取与匹配耗时多等问题,本文提出了一种融合特征法与直接法的RGB-D视觉SLAM算法。该算法在ORB-SLAM2算法的基础之上,对于非关键帧通过最小化光度误差进行跟踪,无需进行特征提取与匹配;对于关键帧提取ORB(Oriented FAST and Rotated BRIEF)特征并进行特征匹配。关键帧用于局部建图线程与闭环线程,而非关键帧用于跟踪与定位,大大减少耗时。此外,该算法还可根据RGB-D图像和相机位姿信息,构建完整准确的三维稠密环境地图,为服务机器人完成导航和避障等任务提供更加丰富的环境地图。然后,在路径规划中,本文提出一种基于自适应改进蚁群算法(Self-adaptive Improvement Ant Colony Optimization,SIACO)的服务机器人路径规划算法,该算法解决了传统蚁群算法中出现的收敛速度慢、易陷入局部最优等问题,寻找到的路径更短,收敛性更好。本算法在搜索初期利用参数自适应随机转移策略,并引入一种安全因子,提高算法全局搜索能力;其次在转移概率公式中引入一种启发因子,避免算法陷入局部最优;最后调整信息素更新规则,同时对信息素挥发因子进行自适应调整,从而在扩展搜索空间与加快收敛速度之间保持良好的平衡。实验结果验证了改进的算法寻优性能更好、收敛速度更快,能规划出最优路径。最后,在本文所提出的视觉SLAM算法及路径规划算法的基础上,实现了基于多传感器信息融合的服务机器人室内自主导航系统的设计。通过自主搭建的室内服务机器人实验平台,对所提出的视觉SLAM和路径规划算法进行测试与分析。实验结果表明,本文所研究的算法是有效的,同时基于多传感器信息融合的服务机器人室内自主导航系统具有可行性与可靠性。