目前,移动服务机器人的研究和应用受到越来越多的关注。与工业机器人相比,移动服务机器人与人类的密切互动给机器人的导航带来了挑战。这意味着机器人不仅要在动态场景下实现导航,还要考虑行人的运动情况,以人性化的方式与用户交互。本文基于多传感器估计行人的位姿和运动信息,实现移动机器人智能人性化的路径规划方法,在人机共处的环境实现机器人的导航。首先,本文根据动态场景机器人导航要求搭建了机器人平台,并进行了机器人平台的性能测试和运动学建模。本文基于gmapping算法进行了室内环境的建图和定位,研究了gmapping算法的定位和重定位性能,通过优化采样粒子数建立了精度符合导航需求的静态地图。其次,本文研究了快速扩展随机树算法,并针对该算法的不足提出三种路径优化方法。针对RRT算法搜索路径的效率问题,分析不同步长对搜索效率的影响,并根据室内场景选择了合适的步长;对于RRT算法生成的路径非最优性,提出了基于路程优化的修剪算法,降低了RRT算法所生成路径的成本。并采用三次贝塞尔曲线进行平滑,得到了符合机器人运动学参数的可行路径。之后,研究了基于多传感器融合的行人识别与运动预测。移动机器人旨在与工作空间中的用户共存,需要实时识别目标用户及其意图。本文采用激光雷达和Kinect两个传感器共同进行人体检测。进行了激光、相机之间的标定,采用深度信息模板匹配获取人体上半身位姿,采用激光数据识别人体腿部信息,根据按标量最优加权融合方法进行了激光和相机的数据融合,通过提取行人骨架获得行人朝向,提高了行人检测的准确率。最后,研究了基于行人感知的机器人导航系统。通过建立个人空间模型将行人信息添加到多层代价地图中,利用改进的双树快速探索随机树(Risk-DRRT*)算法实现动态环境中的局部路径规划。Risk-DRRT*算法继承了RRT算法的概率完备性,并且考虑了行人的舒适性,能够在动态场景下的实现人机友好的导航。综上,本文提出的算法在仿真和现实世界中进行了实验,所提出的人性化移动机器人导航系统能够在动态室内环境中提供令人满意的性能。