随着轮式机器人在日常生活中的普及,人们越来越关注它工作时的安全性。轮式机器人在环境中如何高效地自主避障,一直作为移动机器人领域的热点和难点,避障结果的优劣也会间接影响导航与定位的结果。要想实现精准地避障,就必须对周围环境的拥有较好地感知能力。利用多传感器信息融合技术,能较好地发挥每个传感器的优势,能够获得较为全面的外部环境数据,从而提高避障时反应的准确性和快速性。因此,本文针对轮式机器人在复杂环境中,可能既要满足在静态环境中的避障需求,又需要对未知障碍物进行实时避让的问题进行研究,具有重要的理论意义和实用价值。本文的研究内容如下:（1）通过选择不同的硬件模块相互组合和设计相应的软件程序来搭建轮式机器人避障系统平台,设计出一个避障系统的总体方案。（2）由于障碍物的多样性以及传感器自身具有较大的局限性,单独使用一种传感器不能够全面检测周围障碍物的信息,本文提出了一种基于RBF神经网络与区域融合规则相结合的障碍物检测方法,可以有效地识别环境中的障碍物,并获取精确地距离信息。通过仿真实验证明可以提高障碍物距离测量的准确性。（3）针对传统A*算法存在搜索时间长、路径转折点较多以及运行时离障碍物过近这些缺点,提出了改进方法,将搜索方向由8个减少到5个,加快了搜素时间;利用关键点策略删除了非必要转折点,提高了路径平滑性;在评价函数中加入了安全因子,提高了避障时的安全性。并设计了新的评价函数将改进后A*算法与DWA算法相融合,使得机器人在获得全局安全避障路径的同时,能够对未知障碍物进行避让。进行仿真对比实验,验证了该融合算法的有效性。（4）针对室内的复杂场景,利用自主搭建的避障系统进行实验,表明了本文设计的基于多传感器信息融合的避障系统能够全面和高效地检测障碍物,并通过自主分析和判断,确保在安全路径的基础上,能对未知的静态和动态障碍物进行避让。