近年来,随着人工智能领域的发展和社会实际的需要,室内服务机器人技术也在研究创新并不断落地。为了提高机器人的自主性,势必要增强其导航规划能力,让其在复杂场景中可以保证自身的安全,做到充分的感知空间和避障。本文主要研究内容包括在融合多种传感器数据的基础上构建分层代价地图、引入人腿检测模型解决导航时遇到的移动行人问题、对传统导航策略和恢复机制进行研究和改进等。具体内容如下:首先,引入激光雷达和RGBD相机等传感器对三维空间进行充分监测,并对雷达和相机的数据进行优化处理;同时对代价地图的层级构成和地图中数据的处理原理进行详细介绍,方便根据不同的数据源和实际需要构建分层代价地图,有针对性的管理传感器的数据;随后引入基于激光雷达的人腿检测模型去跟踪人腿,并借助语义信息处理避障过程中遇到的“行人问题”。其次,针对目前导航过程中存在的缺陷,在A*算法的基础上对导航策略进行改进,主要是引入了一种前行避障规划策略来增强局部避障的鲁棒性,引入一种居中规划策略来保证机器人在通过狭窄区域时的安全性,并根据传感器的测距值和路径规划的时间来有目的地协调各种策略的调用次序;同时,为了防止机器人的导航过程受到堵塞,本文对现有的恢复机制进行了改进和更新,主要引入逃逸策略帮助机器人及时逃出障碍物的包围,通过地图清除策略对代价地图重置和更新,以确保机器人可以顺利完成导航。最后,采用自行搭建的机器人平台进行实验验证。主要对改进后的规划策略和传统的规划策略的规划路径进行对比分析;对改进的恢复机制进行相关验证。测试在引入人腿检测模型后对于“行人问题”的解决效果;测试在使用本文导航策略的情况下,机器人在室内导航时的安全性和成功率。实验结果证明将改进的规划策略和“行人问题”的清除方式相结合,能够有效实现对移动行人和静态桌椅的避障,应用前景广阔。