智能轮椅通过将移动机器人技术应用于电动轮椅上，在机构上稍加改进，辅以测距、视觉等传感器，融合移动机器人相关的定位导航、人机交互、图像识别等先进技术，使其变成高度自主化的移动机器人，从而实现对老年或残疾人的移动辅助。　　本文按照功能分离、结构分离、兼容性、可扩展、可移植等设计原则，出于开放性与标准化等方面的考虑，提出了基于服务导向的服务机器人模块化软件体系结构设计方法，并基于此方法完成智能轮椅系统设计及平台开发，根据不同残障程度的用户需求以及不同的使用环境要求，设计了三种智能轮椅工作模式。　　在自主导航模式方面，智能轮椅需要具备完全自主性，须具有探索未知区域、创建其地图、基于地图进行自定位、路径规划以及导航的能力，同步定位与地图创建（SLAM）就是实现这一能力的关键。　　考虑智能轮椅使用环境的特点，本文提出了基于激光测距传感器和全景视觉的两种智能轮椅SLAM方法：　　在大范围、空旷的环境中，保持稳定的数据关联并且降低算法的复杂度是 SLAM问题的关键。针对这一问题，本文提出了基于分层匹配的增量式SLAM算法，将SLAM问题简化为数据关联和最小二乘优化两个部分，然后通过以下步骤加以解决：首先，通过分层ICP匹配解决数据关联问题，并且对传感器观测与局部地图以及局部地图之间均进行匹配，匹配结果的不确定性采用Fisher信息矩阵描述；随后，再采用增量式QR分解对机器人位姿进行优化。分层ICP匹配有效避免了由于环境信息量减少引起的局部极小，能够建立一致的地图，从而保证了地图和定位的精度。同时，分层以及增量式特性保证了算法具有较低复杂度，使其可满足大尺度环境下的实时应用。　　针对智能轮椅导航的室内环境特点，提出了基于全景视觉的扩展信息滤波 SLAM算法，通过对全景视觉观测模型的分析，结合对信息矩阵结构特征描述，将信息矩阵稀疏化、降低算法的复杂度，同时引入了改进的稀疏化规则，在保证现有计算效率的同时，解决了由于稀疏化所带来的非一致的地图描述问题，使算法的实时性和精确度均得以提高。　　基于之前建立的概率栅格地图，提出了基于定位能力估计的移动机器人路径规划算法。定位能力被用来评价环境结构与地图噪声对机器人定位性能的影响，从而在全局地图上规划出一条定位信息丰富的轨迹。　　通过在真实室内外环境的SLAM实验表明，本文提出的基于分层匹配的增量式SLAM算法和基于全景视觉的的扩展信息滤波SLAM算法在算法实时性、精确性等方面可以满足智能轮椅在室内外环境中的使用。