避障是智能轮椅自主导航的关键技术，在传统的智能轮椅避障方法中，只使用单一的传感器采集的信息存在不完整和不确定性，可能导致在智能轮椅的避障过程中做出错误判断；使用多传感器信息融合技术，能够使智能轮椅获得更为准确的环境描述，从而提高避障的稳定性。因此，多传感器信息融合的技术在智能轮椅避障中具有重要的理论研究意义和实用价值。　　 本文以智能轮椅为平台，研究基于声纳和摄像头信息融合的智能轮椅避障方法，分别描述了声纳传感器和摄像头采集信息的特点，分析了他们的优缺点，阐述了这两种传感器信息融合的融合级别和结构模型；通过对摄像头采集的障碍物的样本用Adaboost算法进行训练，得到了一种基于Haar-like特征的障碍物分类器，完成对摄像头采集的视觉信息进行障碍物的识别。用一种基于T-S模型的模糊神经网络的融合算法，以智能轮椅声纳和摄像头采集的障碍物信息作为模糊神经网络的输入，对声纳和摄像头采集的障碍物信息进行融合，得到控制轮椅移动的轮速和转角，实现智能轮椅基于声纳和摄像头信息融合的避障方案。　　 通过智能轮椅在室内环境中的避障实验，验证了使用两种传感器进行信息融合后的避障方法的有效性，从而为智能轮椅实现自主导航提供了更加精确的环境信息。