路径规划是移动机器人领域中一项重要研究课题,而全覆盖路径规划在服务机器人、测绘机器人等系统中有重要应用,己成为该研究方向重要分支。本课题针对传统牛耕分割全覆盖路径算法只适用于简单多边形环境表达的局限,利用激光雷达传感器感知距离大于机器人自身尺寸的特点,在BA’全覆盖路径(Boustrophedon A Star)基础上提出新的增量分割策略,实现了一种新的BA*的全覆盖路径算法,突破了全局路径规划应用局限,并通过仿真和真实环境实验验证了算法的有效性。本课题主要完成以下几点工作:1)针对传统牛耕分割算法应用环境局限,提出了增量地图分割的覆盖策略。其利用传感器自身测距特点,通过移动机器人运动过程中自身位姿感知,动态划分分割单元,克服了牛耕分割在复杂环境中的应用局限,从而更好地完成地图全覆盖路径任务。2)基于动态划分区域,实现了一种新的BA*全覆盖路径算法。该算法可以完成实时覆盖:在每个区域内部进行牛耕行走,区域之间利用A*寻路做路径规划实现最短覆盖路径长度。该算法解决了原有BA*全覆盖算法在实际环境中的不适用问题,并且优化了子区域内部的牛耕行走方向,以获得尽可能少的覆盖路径长度。3)从理论上分析了全覆盖路径复杂度与地图空间环境之间存在的关联关系;同时,通过仿真和实际实验,研究了影响移动机器人的覆盖效率的因素,包括:覆盖路径的长度,覆盖面积、子区域划分数目、消耗的能量以及遍历同样区域的时间等。最终通过算法实验数据对比证实了算法可行性及正确性;在实际应用场景下可以提高全覆盖路径算法的覆盖效率。