环境感知移动机器人是一种可以用于核放射性和化学污染等危险环境下探查取样、侦察搜索和现场处置的机器人,它不仅可以大大提高危险环境下的感知和处置效率,更可以有效的降低相关人员所面对的危险,具有非常重要的社会意义,是当前机器人研究领域的热点之一。由于完全自主移动机器人的不可实现性,本文针对在人机交互方式下的环境感知移动机器人自主导航问题开展了相应的理论和实验研究。　　 本文首先根据环境感知移动机器人的工作特点和使用要求,针对核放射性和化学污染环境下的探测感知应用,设计并制作了一台小型化的环境感知移动机器人。该机器人具有体积小,重量轻,运动能力强等特点。该机器人携带大量传感器,可以对自身的运行状况和外界的环境参数进行实时的测量,并传递给操作人员。对于机器人的机械结构和控制系统进行了专门的针对性设计,通过建立相应的模型加以分析,证明该机器人具有很强的运动能力,不仅可以通过各种复杂材质的地面,还可以进行室内楼梯的攀爬。该机器人同时也被作为其后研究工作的对象和实验平台。　　 针对环境感知移动机器人在人机交互下,操作人员为机器人指定跟踪目标,机器人自主跟踪的任务要求,分析了常用视觉跟踪方法的特点。针对尺度不变性特征算法(Scale-lnvariant Transform Feature,SIFT)匹配跟踪精度高,但计算量大的特点,提出了一种新的基于距离的尺度不变性算法。该方法利用双目视觉技术测量指定跟踪物体到机器人的距离,利用惯性元件测量机器人的运动参数,估计跟踪物体在匹配时刻到机器人的距离,在搜索图像中,只计算该距离附近的像素点,大大减少了算法计算特征点时的工作量,加快了算法的执行速度,提高了实时性。同时也解决了一类存在距离差异的相似目标的区分和判别问题。　　 针对环境感知移动机器人在野外环境下,操作人员给定导航地点,机器人根据地面的情况自主导航的问题,本文给出了基于视觉特征和统计学习的导航方法。该方法通过测量机器人在不同条件地表运行时相对于在平地运行时的相对震动特征,定义了地表可通过度。在机器人离线学习过程中,机器人提取地表图像的颜色、纹理等视觉特征和经过该地表时测得的可通过度信息构成训练样本,利用差分进化支持向量机(Difference Evolution Support Vector Machine,DESVM)加以训练。在线预测时,当机器人将行进前方地面的颜色、纹理特征送入训练好的训练模型后,计算得到前方地表的预测可通过度。考虑到机器人运动的柔顺性,使用距离因子加以修正,并根据地表各个区域可通过度的最小值确定最优路径。在沿最优路径行进时,实时检测机器人的打滑程度和真实的可通过度,一旦与预测值偏差过大,则重新进行路径的规划,避免机器人因为预测失误而失去控制。　　 针对环境感知器人需要面临在建筑物内攀爬楼梯的情况,给出了基于机器人质心位置的运动模型,利用模型上某点在翻越障碍时的运动特性讨论并计算了机器人可攀爬通过的单级障碍的最大高度和其质心位置的关系,并给出了数值解。针对机器人在自主攀爬楼梯的过程中,质心位置对于机器人攀爬稳定性的影响,给出了利用重心投影法讨论和计算了机器人最大失稳角和质心位置的数量关系和并给出了机器人平稳攀爬楼梯的控制方法。　　 论文最后进行了总结,并进一步提出今后的研究任务和方向。