目前，世界上存在着大量肢体运动障碍的特殊人群，其下肢没有运动能力，无法正常行走或运动，而下肢外骨骼机器人的应用使他们能重新正常站立、行走，这也极大地改善了他们的身体机能状况和生活质量。　　作为以人为中心的人机协同智能系统，下肢外骨骼机器人的其首要任务是理解人的运动意图，与人体协同运动产生助行、助力等行为。事实上，人体运动过程中的各种信息会以不同形式反映到不同的状态变量上，比如不同的运动意图会以不同形式的脑电信号体现，同时运动过程中人体的运动状态的变化会以关节角度、角速度、角加速度和脚底压力等物理量表现。目前在基于传统物理传感器如力、位置、姿态等的人机运动识别和基于生物信号如脑电、肌电等的外骨骼机器人控制方面已经取得了一些成果。但在融合多模态传感器信息进行意图识别、视觉辅助的机器自主决策、人的智能和机器自主决策融合决策等方面的研究目前开展的较少，尤其在融合环境信息方面。为充分发挥大脑信号的快速、全局性，物理信号的持续、鲁棒性以及机器视觉的实时、准确性，本文进行了基于多模态传感器信息的人-机-环境融合控制策略研究，具体包括以下几个方面:　　(1)在获取多模态人-机-环境交互状态信息方面，将机器视觉技术引入下肢外骨骼机器人，为机器人系统提供行走环境的视觉反馈。为充分挖掘单一类型传感器深层次特征，采用了多种算法对单一模态数据进行了特征提取与识别。通过人机系统上安装的足底压力传感器、关节角度传感器、深度摄像机、脑电信号采集仪等多种传感器，研究了基于足底压力传感器的足底触地识别、基于下肢关节角度传感器的步态相位与机器人状态识别、基于深度摄像机的水平地面物体尺寸识别、基于脑机接口的行走过程中跨越意图识别等。　　(2)建立基于多模态信息的多层次融合决策机制，提出了融合足底压力、关节角度、环境信息、人的主观意图等多模态信息的下肢外骨骼机器人控制策略。研究了基于足底压力传感器和下肢关节角度传感器的人机运动状态融合识别;基于人机运动状态意图与地面环境信息的机器自主决策融合;基于人的高级运动意图与机器自主决策的高级决策融合。通过融合人机系统状态与行走环境信息，建立了下肢外骨骼机器人自主决策机制。机器人在面对不同障碍物时融合人的意图与机器自主决策，根据环境信息做出实时规划调整，平均任务正常完成率可达82.2％，确保了人机系统的安全可靠性，同时极大提高了人机系统对复杂行走环境的适应能力。　　(3)在面向人-机-环境融合的步态规划方面进行了多种研究。为提升人机融合性能，研究了基于长短时记忆递归神经网络的离线步态轨迹拟合和基于身体特征参数的离线个性化步态模式生成;为提高人-机-环境的适应能力，研究了基于人机融合决策的在线参数化步态轨迹规划方法。通过将人的决策与机器自主决策融合，初步实现了人-机-环境融合的步态规划方法，使得下肢外骨骼机器人在适应穿戴者步态模式、适应不同行走环境方面有了极大的提高。　　实验结果表明，在面对复杂行走环境时，人机系统能在基于机器视觉传感器和人机状态传感器等多模态信息的辅助下，以人的主观意图为主，基于人机融合决策规划出人-机-环境相宜的步态模式，从而使人机系统安全、稳定、可靠的完成行走任务，这也表明了下肢外骨骼机器人多模态人-机-环境信息融合控制策略的有效性。