中文摘要: 工业巡检环境中存在动态移动人员、固定设备等障碍物，环境的变化和不确定性较高，降低了机器人的避障精度。为此，提出融合多传感器大数据的工业机器人动态避障规划方法。利用多传感器采集工业巡检机器人运动速度及角度及位置等基础运动学信息，明确机器人在工业巡检环境中的运动状态。采用扩展卡尔曼滤波器对采集信息展开融合处理，有效地消除噪声和不确定性，实现更准确的工业巡检机器人位置估计。引入人工势场法，并改进斥力函数进行动态避障规划，使工业巡检机器人能够更灵活、高效地规避障碍物。仿具结果表明，所提万法可将工业巡检机器人与规定的5个障碍物坐标基本一致，动态避障定位误差控制在±0.02，障碍物碰撞率为1.28%，位移误差率为0.49%。