自从上个世纪20年代末第一台机器人被创造出以来,它们在协助或取代人类工作中发挥着越来越重要作用,尤其在高危险、高精度、高复杂性的行业中。70年代以来,机器人技术研究取得巨大成就,最为显著的是与计算机进行携手合作,使得机器人在军事、科研和工业生产过程中的应用越发地智能化、简单化,更好地发挥机器人的使用效率。作为机器人技术的一个分支,移动机器人的自主导航与定位成为人们研究的热点。由于自主导航要求机器人能够无碰撞地到达目的地,而现实环境中都有障碍物的存在,因此移动机器人的自主导航与定位必须首先解决避障问题。目前,移动机器人的自主导航与定位技术普遍采用传统的传感器检测方法,而此方法存在很多盲区,使得避障变得困难。目前国内外对这方面的研究很少,为此本文提出一种全新的缩小多传感器检测盲区理念并给出了具体检测方法,并针对此方法进行较为全面的研究与分析。本文的主要贡献如下:(1)详细介绍与分析了机器人常用的传感器原理及应用、多传感器信息融合技术原理及应用,以及自主导航与定位相关技术。(2)提出了传感器检测盲区、绝对盲区和相对盲区的概念,并从理论上详细分析了它们对避障过程的影响。(3)提出了交叉型和混合型的缩小检测盲区方法。基于多传感器融合技术和传统检测方法,设计了交叉型和混合型检测方法具体模型,详细讨论了它们在避障过程中的应用。实验结果显示此方法性能良好,大幅度提高了检测的准确度和效率。(4)设计了两款智能化机器人,用来验证了本文提出的缩小检测盲区的方法和相关避障算法的可行性和可靠性,并与传统检测方法进行比较,最终得出结论。