移动服务机器人技术涵盖机械结构设计、自主导航、运动控制、人工智能等核心部分,自主导航又包括传感器技术、同时定位与建图SLAM(Simultaneous Localization and Mapping,SLAM)、自适应定位、智能避障等主要内容。本课题以家庭服务机器人为项目背景,开展室内移动机器人智能避障技术的研究工作,并结合室内复杂多变的不确定性应用场景,为机器人的智能避障确定综合最优的技术解决方案。研究适合于室内移动机器人的静态避障技术和动态避障技术,在环境已知的情况下,以机器人避障的安全性、实时性、稳定性和可达性为目标,基于现有的避障算法,改进整合并提出融合A*算法、TEB(Time Elastic Band,TEB)轨迹优化算法和恢复行为的智能避障技术方案。研究并分析了基于栅格地图的A*算法的路径搜索性能,针对由于机器人地图模型误差、定位误差、传感器误差等原因造成的避障安全性问题,考虑到机器人自身的尺寸和障碍物的分布密度,分级处理栅格代价地图,保证避障轨迹的安全性;针对A*算法的启发函数和代价函数存在的不足,折衷处理曼哈顿距离估计和欧拉距离估计,增加偏离代价估计项,剔除冗余路径点,综合提高该算法的全局路径搜索性能。研究并分析了基于多目标优化的TEB轨迹优化算法的路径规划性能,针对传统TEB局部最优的问题,进一步研究了基于拓扑结构的并行TEB轨迹优化方法;针对评价一致的TEB候选轨迹,增加轨迹的长度代价,保证轨迹的最优性。A*路径规划全局最优但实时性不满足要求,TEB优化算法满足实时性要求但欠缺全局信息,容易陷入局部轨迹最优的困境,本文融合了它们各自的优势,在A*算法的引导下,以TEB优化算法规划最优轨迹,针对由于环境中障碍物密集、临时无通路等原因导致的避障失败问题,采用层层递进的“旋转—清除—重规划”的行为策略,恢复机器人的避障功能,并基于机器人操作系统ROS(Robot Operation System,ROS)进行仿真实验和工程实现。搭建了集移动底座、多传感器、运算控制器和人机交互于一体的移动机器人实验平台Turtlebot2-RPLIDAR2。通过侧边避障、行人避让、过门、综合避障等实验,表明该室内移动机器人能够安全、实时地避开环境中的障碍物,快速、平滑地到达目标位姿,从而验证了整个智能避障方案的可行性。