在室内环境中,现有的机器人障碍物检测系统和避障系统存在障碍物检测效果不理想、容易发生碰撞、算法复杂且计算量大等问题。针对室内环境下移动机器人安全移动要求,优化Kinect探测盲区,采用单一Kinect传感器,运用深度图像与机器视觉结合的全景障碍物检测方法,改进人工势场法,降低了发生碰撞和锁死的概率,使得移动机器人的适用性更高。搭建了试验平台,进行了障碍物的检测与避障试验。主要研究内容如下：1.运用Kinect探测盲区优化方法,将深度图像由原来的640×480转化为480×640,降低了Kinect传感器探测盲区对地面障碍物和悬空障碍物探测的影响,使机器人在更加合适的距离探测覆盖机器人全身范围的障碍物；推导计算图像翻转后的深度值提取公式,进而获得障碍物实际距离。2.为了深度图像中的障碍物轮廓较为平滑,便于检测障碍物轮廓,对深度图像进行了预处理；通过对无障碍物环境的深度图像进行了基于统计平均的背景减除处理来消除深度图像中地面背景的影响；然后对背景减除法得到的差分图进行了二值处理,从而把障碍物从深度图像中分离出来；对障碍物图像进行像素面积计算,过滤掉由噪声导致的伪障碍物；然后通过检测障碍物边界,将障碍物的数量和边界值提取出,为接下来避障路径选择做准备。3.计算障碍物的实际位置和边界信息,确定障碍物相对于机器人的局部坐标,转化为世界坐标后,将障碍物的坐标转化为人工势场法的障碍物位置坐标；并对机器人移动区域障碍物进行过滤,将不对机器人行走构成威胁的障碍物过滤掉,获得有效的障碍物信息以减少运算量；运用机器视觉场景检测处理人工势场法失效的场景,分别进行局部最小值场景检测及避障路径选择。4.搭建试验平台进行试验,结果表明：单一Kinect传感器平台能够检测出机器人行走范围的障碍物,并能够成功避开障碍物；对人工势场法的改进能够避免存在局部最小值的缺陷,沿墙行走模式也大大减少无效路径,解决了狭窄通道内震荡的问题,有效地实现室内机器人在动态环境下的避障。