移动机器人自主导航理论与技术一直是国内外学者的研究热点问题。通过全面了解和分析国内外移动机器人导航的发展历程与研究现状,总结了移动机器人自主导航课题中客观存在的不确定性、导航过程的自主性和导航知识的可学习性三个基本特征。为此引入了在不确定性知识获取领域具有独特优势的粗糙集理论,以涉及的动态结构化环境为背景基础,建立一个移动机器人基本实验系统,研究自主导航中环境感知、行为决策、知识学习及多机器人协作等方面的相关策略与实现算法。具体包括如下几个方面的内容:首先,研究建立了基于粗糙集理论的导航框架模型。分析了粗糙集中近似算子和属性约简等基本理论,设计了基于知识的机器人导航软件体系结构,研究了实现该结构涉及的粗糙集理论中基本算法,确定了基于所建立的模型实现导航需要解决的初始导航知识获取途径、导航知识的完善算法及实验系统建立等基本问题。其次,具体研究了基于粗糙集理论框架的自主导航知识获取方法。一方面分析了动态自主知识获取问题中的决策表动态约简问题,确定了在获得基本最小规则集后动态增加或减少规则的算法。另一方面针对基于粗糙集理论实现机器人导航难于获取初始数据源的问题,提出了一种基于有限状态粗糙集策略获得粗糙集原始信息表的方法。该方法提取有限状态机中的格局转换关系,形成粗糙集决策信息系统中的规则样例,采用属性约简与规则提取算法获得导航知识。并针对动态多目标环境下移动机器人视觉导航问题,研究了有限状态粗糙集方法的实现过程,进行了可行性和有效性实验。第三,研究了提高机器人环境感知能力的有关问题。设计了一种移动机器人感知信息获取模型,研究开发了双目异构视觉系统(TIVS:Two Iso-Vision System),分析了TIVS的局部定位模型、双目信息融合方法,重点研究了基于TIVS的Monte Carlo定位算法,以解决机器人在运动过程中同时观测较大视野范围内多个动态目标的问题。第四,讨论了基于TIVS系统的双轮差速移动机器人实现导航的具体问题。设计了导航行为分层实现策略,确定了机器人行为实现的两种基本控制方法,并深入研究了基于有限状态粗糙集方法的最小避障规则集的获取和基于导航决策表的一种导航协作实现方法,设计了角色状态值参量,研究了分