随着中国现代社会生活水平的提升、旅游行业数字化的转型以及我国人口老龄化进程的加速,服务机器人将在未来得到更多应用。目前部分公共场馆中正在引进高度智能、自动化的商业型服务机器人,部分家庭也逐步引进家庭养老看护机器人等。导览机器人能够替代或协助旅游场馆中的讲解员,为游客提供引导讲解、场馆内信息咨询等服务,并提高场馆工作效率。针对旅游行业的特殊性,在机器人引导游客听众参观的过程中,游客与机器人之间的速度不同,降低了导览机器人与游客之间的交互性与引导性。解决该问题的核心点在于解决机器人与目标之间的距离问题,将测量的距离反馈给机器人的底盘,从而控制机器人的运动速度。首先需解决目标的检测和识别的问题,但由于场馆内部环境复杂、目标之间的相互遮挡严重等问题使得目标检测难度较大,目前目标检测的方法有通过HOG特征检测、边缘检测等传统的图像处理的方法,以及通过深度学习的检测方法。在本课题中分别选用了HOG特征检测和YOLOv5算法实现目标检测,并对两种检测结果进行分析对比,通过实验得出采用深度学习的目标检测结果明显优于传统的检测算法,因此在机器人的应用中主要通过深度学习的方法进行目标检测。对于双目测距部分,首先通过张定友棋盘格标定法对双目相机进行标定,标定之后可以得出左右相机内外参数,根据标定之后的参数对双目相机校正,使得双目相机的成像在同一水平面上。然后对BM和SGBM匹配算法进行理论分析并进行实验验证,经过对比之后选择匹配效果较好的SGBM匹配算法与深度学习结合之后可以实现对检测目标进行实时距离测量。搭建双目测距平台,设置双目测距实验,经过实验验证测距系统在5m范围内测量精度为±5%以内,在5m～6m的区间内由于双目相机的匹配效果不准确导致测距误差±10%,超过6m之后,目标检测到的目标太小,深度图匹配的过程中出现目标部分丢失等现象,导致测距系统失效。最后在机器人的ROS系统中利用Qt开发双目测距系统显示界面。