随着现代机器人技术的发展,人们开始考虑在商场、医院、餐厅等场景部署移动机器人来减轻工作人员的压力。而在这些场景执行任务时,要求移动机器人顺利抵达目的地的同时,尽量减少对周边环境和行人的影响,避免侵犯到行人的运动空间。这需要移动机器人主动获取行人的位置信息和运动状态,考虑与行人的交互作用,主动避让行人,安全高效地融入到行人运动环境中。本文针对室内行人运动环境下的移动机器人行人检测追踪以及导航避障问题进行研究,并且基于ROS机器人操作系统编程实现进行验证,其主要内容如下:(1)对Turtlebot移动机器人平台进行改造,通过搭载ASUS Xtion深度相机和Hokuyo激光来获得环境的二维和三维信息。接着对它们进行标定,矫正相机畸变的同时确定了两者相对位置关系。(2)为了移动机器人能够在无GPU加速情况下实时且准确地获取行人信息,提出一种基于激光和深度相机的在线联合检测方法。首先对深度相机采集的点云进行分区,去除冗余信息后投影到地面,提取行人区域。将行人区域投影回深度图中,提取区域轮廓局部最大值,用于快速定位模板的匹配位置进行行人检测。该方法有效地减少了深度图的冗余信息,提高了检测效率。然后利用激光传感器补充深度相机的视角盲区,进行联合检测。通过对采集的激光数据进行分割,定义行人腿部特征,使用Adaboost算法进行分类检测行人,最后使用贪婪最近邻算法融合两个传感器的检测信息,提高了检测范围和准确性。(3)为了满足行人追踪的实时性要求,提升追踪效果,提出了扩展贪婪最近邻追踪框架。针对目标轨迹遮挡、消失、误检等问题,采用扩展卡尔曼滤波算法预测和更新行人状态,并对行人轨迹管理框架进行改进,提出了轨迹成熟度和候选轨迹,有效地解决了行人轨迹的生成和删除问题,对短时遮挡鲁棒性好。(4)为了让移动机器人能够主动避让行人,结合行人运动信息基于最佳互惠避碰(Optimal Reciprocal Collision Avoidance,ORCA)算法进行局部规划,提出了一种根据全局路径来动态计算移动机器人理想速度的方法。对每个行人的运动状态构造ORCA半平面,得到无碰撞速度空间,然后根据理想速度计算出当前最佳速度,最后用于机器人运动的执行,实现主动避让行人且规划路径平滑。