轮式全向移动机器人以其高效率、高可靠性和高机动性的优势成为近年来的一个研究热点。准确的定位导航是移动机器人广泛应用的前提,而里程计是一种重要的相对定位方式,故提高里程计信息精度对建立可靠的自主导航系统具有重要意义。围绕提升全向移动机器人里程计精度的目标,本论文研究内容如下:⑴为获得机动灵活的全向移动机器人,本研究采用解耦式主动万向脚轮作为全向移动平台的驱动轮。通过在同一坐标系下用不同参数描述相同质点的速度,建立了该全向移动机器人运动学模型,并引入矩阵条件数分析运动学矩阵的稳定性。为同时保证机器人工作空间和关节空间加速度曲线连续,本研究采用五次多项式对机器人工作空间进行轨迹规划。在上述研究的基础上,基于开放式硬件框架建立了上下两层式运动控制系统,上位机为运行ROS系统的工控机,下位机为执行电机速度插补的Galil运动控制卡。⑵为降低系统误差对里程计精度的影响,本研究提出主动脚轮式全向移动机器人里程计参数标定方法。通过对运动学矩阵进行分析,发现全向机器人里程计的系统误差来源为脚轮半径、脚轮偏置和脚轮转轴到平台中心的安装距离。为减少里程计参数间的耦合,标定方法在协调脚轮转角的基础上设计两种轨迹,轨迹一仅驱动脚轮滚动,轨迹二同时驱动脚轮转向和滚动。随后建立环境模型,通过最小二乘算法完成仿真实验,使里程计参数标定值更接近其真实值。通过进一步的轨迹跟踪对比仿真实验,发现用标定后的里程计参数进行机器人运动控制能够得到更准确的机器人里程信息,该算法理论上能有效提高机器人里程计精度。最后,采用Qualisys光学运动捕捉系统和关节空间信息获取系统完成标定实验,分别利用标定前后的机器人里程计参数进行里程跟踪对比实验,发现用标定后的参数进行控制时,单位里程轨迹跟踪误差降低一个数量级。⑶为降低非系统误差对里程计精度的影响,本文提出一种基于卡尔曼滤波的关节空间多传感器信息融合算法。该算法具体实现是以IMU解算到关节空间的数据为控制输入,以编码器数据为观测信息,通过卡尔曼滤波进行信息融合。利用MATLAB根据实际情况模拟IMU和编码器数据并进行仿真实验,实验结果表明该算法能够降低主动脚轮式全向移动机器人的转向关节角度误差平方和达95%以上,同时,在三个平面自由度上的降低运动控制误差平方和达97%以上,减小里程计误差平方和达96%以上。