2017年是无人零售元年,无人超市和无人售货柜等产品兴起,同时各种服务型机器人应用也更加成熟,无人售货与服务型机器人两者结合而实现的无人兜售机器人是目前比较新颖的研究方向。主动式无人兜售机器人是在移动机器人基础上通过识别不同人群属性,来有选择地主动前往用户并进行无人化推销机器人内部商品,同时实现无人化自动售卖的智能移动机器人。本文主要研究智能化兜售机器人的核心技术改进,为了能够让兜售机器人更好地在实际场景中应用,本文分别对行人检测、路径规划、商品识别三大兜售机器人核心技术提出了改进和优化方法。针对行人的检测,本文提出了一种基于神经网络YOLO-v2和HOG+SVM相互融合的行人检测方法,利用实时性较高的YOLO-v2网络对行人进行视觉检测,同时与行人形状特征描述准确的HOG+SVM模型在数据层和逻辑层进行融合,来提高行人检测的准确率,从而实时判断行人位置和运动方向。针对路径规划本文提出了基于行人运动碰撞估计的改进DWA动态路径规划方法,通过在动态环境表现较好的DWA的改进和优化,然后创新性引入行人的运动信息来建立碰撞估计模型,以及计算行人的密度分布信息来避免DWA陷入局部陷阱,从而整体上实现相对更加安全的避障效果。针对商品识别本文提出了基于概率分布的压力传感器商品识别方法和基于商品三维模型重建的商品数据集扩展方法。商品三维模型数据集扩展是通过三维模型来自动化生成不同角度、光照、手持位置的商品数据集,同时进行自动化标注建立扩展数据集的方法。通过实验,本文得出了改进后行人检测方法相对于传统YOLO-v2模型,在数据层融合精确率提升了4.91%,误检率降低了0.83%;在逻辑层融合精确率提升了6.29%,误检率降低了2.43%。相对于传统DWA,本文方法在动态环境中大大降低了与障碍物碰撞的概率,使得路径更加安全,高效的前往目标点。本文提出的基于概率分布的压力传感器商品识别方法准确率在五种商品时,在本实验100%识别了商品组合,三维模型商品数据集扩展方法在本实验同等条件下,m AP提高了13.3%,AUC提高了3.6%,IOU提高了2%,大大提高了传统深度学习商品识别的准确率。通过实验分析可以总结出,本论文针对兜售机器人三大核心技术提出改进和优化方法对兜售机器人应用有较高的价值,同时也能够对类似场景如行李搬运机器人均有借鉴意义和研究价值。