智能移动机器人作为人工智能发展重要的衍生产品,极大的改变了人类的生产、生活方式。场景识别是针对智能移动机器人研究的一个重要分支,移动机器人的诸多功能如定位、导航、路径规划的实现都基于良好的场景识别能力。利用二维测距信息来进行移动机器人室内场景识别技术的研究是当前一大热点。激光雷达具有分辨率高与扫描范围广的优点,本文针对多种室内场景混合的情况,研究了利用激光测距信息及基于局部感受野的极限学习机进行场景分类的方法;声纳传感器具有低成本、装置简易的优点,本文针对室内布置由于人类行为不断发生变化的情况,研究了一种基于声纳测距特征融合的室内场景识别方法。本文主要完成的工作如下所述:首先对智能移动机器人的发展历史及其对人类社会发展所造成的变革进行了调研,总结了室内场景识别技术研究的背景及意义。深入分析了室内场景识别技术目前主要的研究方式及所面临的困难。其次在Linux下,利用机器人操作系统与Gazebo仿真器模拟真实生活场景搭建了厨房、卫生间、客厅、卧室四类3D仿真环境,同时搭建了Pioneer 3-AT移动机器人模型并配置了激光雷达测距系统以及声纳传感器测距系统。并在仿真环境中,采集了大量的虚拟激光雷达测距信息与声纳测距信息,生成了数据集。针对测距数据离散、特征较弱的缺点,将其转化为二值化图像,有效的表示了室内环境的大小及形状特征。传统分类器SVM具有训练复杂、耗时长、易产生局部最优解的缺点,本文利用基于局部感受野的极限学习机算法作为分类器,避免了参数迭代调整的过程,大大提高了效率。最后利用虚拟激光雷达测距信息对室内场景识别技术进行了研究,并利用真实激光测距数据集DR Dataset进行分类实验来验证所研究的场景识别方法的有效性与仿真环境的可靠性。此外,利用虚拟声纳传感器测距信息对布置不断变化的室内场景进行了分类方法的研究,并且将相邻四次距离测距数据进行了融合,有效地提高了分类正确率。