CN110398964B - 一种低能量损耗机器人全覆盖路径规划方法及系统 - Google Patents

Abstract

本发明公开了一种低能量损耗机器人全覆盖路径规划方法及系统，系统包括机器人、测距传感器、编码器及IMU，方法通过即时定位与地图构建算法建立环境栅格地图；对栅格地图进行预处理，调整栅格地图分辨率大小及可达清扫区域；定义移动清洁机器人全覆盖路径的能量损耗代价函数，并用有限启发式搜索算法计算较优的栅格地图分割方向；利用上述分割方向通过栅格地图中每个顶点对栅格地图进行区域分割；对相邻分割区域进行匹配检测，匹配程度较高的分割区域合并成一个分割区域；根据地图分割方向确定遍历方向，依次遍历每一个分割区域从而规划出全覆盖路径。本发明将凹多边形分割成凸多边形便于规划弓形全覆盖路径，大大提高了清扫效率。

Description

一种低能量损耗机器人全覆盖路径规划方法及系统

技术领域

本发明涉及移动机器人技术领域，尤其涉及一种清洁机器人全覆盖路径规划方法及系统。

背景技术

20世纪60年代机器人由于工业发展而诞生，并随着社会的发展和科技的进步，机器人的功能变得多样化，目前以服务机器人越来越受到人们的欢迎。室内清洁机器人是家用服务机器人的一种，可代替人工减轻劳动负担，已成为智能机器人研究的热点，其中路径规划技术是智能机器人领域中的核心问题之一。

机器人路径规划技术主要研究内容包括点到点的路径规划和全覆盖路径规划。其中，全覆盖路径规划指在满足某种性能指标最优或准优的前提下，寻找一条在设定区域内经过所有可达点的连续路径。

目前，扫地机器人全覆盖路径生成方法主要有随机清扫、弓形路径与随机清扫结合、基于区域分割全覆盖路径规划。其中随机清扫以及弓形路径与随机清扫结合两种方式具有较强的随机性，覆盖率与清扫时间相关，效率较低、时间较长；目前应用于室内清洁机器人区域分割技术主要有模板匹配法与凹点分割法，模板匹配法所生成的区域不能与实际环境地图完全匹配，导致清洁效率低，得到的清扫地图不够美观；而凹点分割法没有考虑区域分割的方向，分割出的区域会造成机器人旋转次数增加、总清扫路径较长，降低了清洁机器人的清扫效率。

发明内容

本发明提供一种低能量损耗机器人全覆盖路径规划方法及系统，旨在解决现有扫地机器人全覆盖清扫效率低下的问题。

本发明解决其技术问题所采用的技术方案是：

一种低能量损耗机器人全覆盖路径规划方法，包括以下步骤：

S1:融合机器人编码器、IMU及测距仪信息，利用即时定位与地图构建算法建立环境栅格地图；

S2：对栅格地图进行预处理，调整栅格地图分辨率大小，并确定机器人可达清扫区域；

S3：定义移动机器人全覆盖路径能量损耗代价函数，利用有限启发式搜索算法，计算使代价函数取值较低的区域分割方向；

S4：根据得到的区域分割方向，对栅格地图进行区域分割，并对相邻分割区域进行匹配检测，匹配度较高的合并为一个分割区域；

S5：根据得到的分割区域，在每个区域内进行弓形全覆盖路径规划，直到全部区域遍历完毕为止。

进一步的，所述的步骤S1包括：

S11:以清洁机器人充电桩为起点，初始化栅格地图，占用栅格地图将空间分割为有限多个栅格单元：

m＝m_i

其中，m_i表示第i个栅格单元，每个m_i与一个三值占用变量相对应，该变量指示出该单元是否被占用；如果该栅格被占用为“1”，未被占用为“0”，未知区域(或未扫描区域)为“-1”；p(m_i＝1)或p(m_i)表示了该栅格被占用的可能性，初始化栅格地图中每一个p(m_i)的初始值为0.5；

S12:构建室内栅格地图，利用里程计信息u_1:t以及距离传感器信息z_1:t计算机器人每一时刻的位姿x_0:t及环境地图m，即对p(x_0:t,m|z_1:t,u_1:t)进行求解：

p(x_0:t,m|z_1:t,u_1:t)＝p(x_0:t|z_1:t,u_1:t)p(m|x_1:t,z_1:t)

S13:利用粒子滤波定位算法对机器人运动轨迹进行估计，将二值贝叶斯滤波算法与反演测量模型结合对初始化栅格地图进行更新；

S14：当某栅格单元在传感器波束测量范围之外或者该栅格单元位于测量距离

后面超过一定阈值α/2时，则返回对数形式的未知占用概率l_t-1,i；如果栅格单元在测量距离

范围的±α/2以内，返回对数形式的占用概率l_occ；如果单元的距离比测量距离

短α/2还多，返回对数形式的空闲概率l_free；对数占用概率表达方式用公式表达如下：

对于每一次测量更新，栅格的占用概率更新公式为:

l_t,i＝l_t-1,i+inverse_sersor_model(m_i,x_t,z_t)-l₀

其中，反演测量模型inverse_sensor_model(m_i,x_t,z_t)计算公式如下：

进一步的，所述步骤S2中对栅格地图进行栅格重新划分，划分后地图单个栅格边长的长度等于清洁机器人直径，并通过广度优先搜索算法确定各个未被占用栅格点到起点的连通性，以此确定最终可清扫区域。

进一步的，所述的步骤S2的具体步骤如下：

S21：根据S1得到的栅格地图，得到栅格地图的分辨率信息resolution_ori，resolution_ori代表的含义为单位栅格实际长度，同时测量清洁机器人的物理直径φ，以上数据的单位为m；求出调整后地图单位栅格所需原始栅格数量number_grid，求解公式如下：

由计算公式可知，机器人直径与原始分辨率相除结果向上取整，调整后的栅格地图分辨率resolution_adj与机器人直径φ相等，并且是由number_grid个原始栅格组成的正方形；

在调整分辨率后的地图中，判断每一个栅格是否被占用：若调整后栅格中包含占用变量为1或-1的原始栅格，那么此调整后的栅格占用变量值为1，否则为0；

S22:以机器人原点栅格位置为起点，采用广度优先搜索算法依次访问栅格地图中占用变量为0的栅格点，未被访问到的占用变量为0的栅格点即为不可达区域，并将不可达区域的占用变量值赋值为1。

进一步的，所述的步骤S3中，S31定义代价函数，所述的代价函数C_total(θ)由清洁效率C_efficiency(θ)、未清扫面积C_remain(θ)及重复清扫面积C_repet(θ)三部分组成:

C_total(θ)＝0.65*C_efficiency(θ)+0.20*C_remain(θ)+0.15*C_repet(θ)

其中，C_efficiency(θ)定义为遍历面积S_cover与遍历时长T_total的比值:

C_remain(θ)定义为空间可覆盖区域S_total与遍历面积S_cover的差值：

C_remain(θ)＝S_total-S_cover

C_repet(θ)定义为重复遍历栅格面积之和：

C_repet(θ)＝∑S_i。

进一步的，所述的代价函数取值较低的区域分割方向的方法为：

S32：用0、30、60、90、120、150度作为候选角度值，分别向区域分割方向赋值(此时度数步长D＝30)；

S33：根据候选角度值，调用S4与S5两个步骤对栅格地图进行区域分割，同时记录遍历面积S_cover、遍历时长T_total、及重复遍历栅格次数，分别计算以上候选角度的代价函数值，并选出其中代价函数值最低的3个角度θ₁、θ₂、θ₃；

S34：将度数步长减半(D＝D/2)，并按照以下公式插入新的角度值：

θ₁′＝θ₁+D θ₁″＝θ₁-D

θ₂′＝θ₂+D θ₂″＝θ₂-D

θ₃′＝θ₃+D θ₃″＝θ₃-D

将新的角度值θ₁′、θ₁″、θ₂′、θ₂″、θ₃′、θ₃″中重复的项去除，得到新的候选角度值；

S35：重复执行S33、S34步骤五次，求得使代价函数值最低的角度，以此角度作为栅格地图区域分割方向角。

进一步的，所述的步骤S4包括以下步骤：根据S3求出的方向角度θ，对栅格地图进行区域分割，并合并匹配程度较高的相邻区域，参考方法如下：

S41:对得到的房间栅格地图进行灰度化处理；

S42:运行Harris角点检测算子对灰度化栅格地图进行角点检测，得到所有顶点坐标；

S43:遍历栅格地图的每一个顶点，做方向角为θ的直线，与栅格地图外围轮廓线及障碍物轮廓线相交，取出多余直线部分，得到分割区域；

S44:若相邻区域分割线长度之差小于阈值T_l，且分割区域中，轮廓线与分割线所成夹角与90之差绝对值小于阈值T_a，则合并相邻区域。

进一步的，所述的步骤S5中在合并后的分割区域中依次以弓形路径遍历待清扫区域具体方法如下：

S51:从起点开始，以分割线方向为清扫方向开始清扫，遇到障碍物则旋转至平行于障碍物轮廓线，并行走至下一栅格中心点，再旋转至平行于分割线进行反方向清扫；

S52:在此区域重复上述清扫过程，直到此区域遍历完毕；

S53:利用最短路径算法求出上一区域终点到下一区域起点最短路径，并且清洁机器人沿该最短路径行至下一区域；

S54:重复上述S51、S52、S53过程，直到所有区域遍历完毕。

一种低能量损耗机器人全覆盖路径规划系统，包括机器人、测距传感器、编码器及IMU，融合测距传感器、编码器及IMU信息构建房间栅格地图；

对栅格地图进行预处理，调整栅格地图分辨率，使每一个栅格的边长与机器人直径相等，之后通过广度优先搜索算法判断每一个未占用栅格到达起点的连通性，以此确定栅格地图的可清扫区域；

定义移动机器人全覆盖路径能量损耗代价函数，代价函数由清洁效率、未清扫面积、重复率三个部分组成。分割方向角度分别从0，30，60，90，120，150度开始搜索，依次计算这6个角度的代价函数值，选出代价值最低的3个角度，并将度数步长减半，计算新的角度值插入每个角度两边。重复以上过程5次，得出使代价函数值最低的分割方向；

根据得到的区域分割方向，对栅格地图进行分割，并对相邻分割区域进行匹配检测，匹配度较高的合并为一个分割区域；

在分割区域内进行弓形路径规划，当一个区域分割路径规划完成后，求出当前区域到下一区域的最短路径，进入下一区域后继续进行弓形路径规划，直至所有可达区域遍历完毕。

本发明的有益效果是：本发明方法以构建的能量损耗代价函数为评价标准，得出能量损耗较低的区域分割方向，大大减少了清洁机器人全覆盖清扫时的能量损耗，同时通过区域分割技术提升了清洁机器人的覆盖率并降低了重复率，提升了清洁效率。

附图说明

图1是本发明全覆盖路径规划方法的整体流程示意图；

图2是本发明反演测量模型构建栅格地图示意图；

图3是本发明对栅格地图进行分辨率调整示意图；

图4是本发明对栅格地图进行区域分割示意图；

图5是本发明对栅格地图进行区域合并示意图；

图6是弓形全覆盖路径规划过程示意图。

具体实施方式

为了更好地理解本发明的技术方案，以下结合附图对本发明实施方式作进一步说明。

参见图1，图1是本发明一种低能量损耗机器人全覆盖路径规划方法的示意流程图，具体过程如下：

S1:融合机器人编码器、IMU及测距仪信息，利用即时定位与地图构建算法建立环境栅格地图，具体步骤如下：

S11:以清洁机器人充电桩为起点，初始化栅格地图，占用栅格地图将空间分割为有限多个栅格单元：

m＝m_i

其中，m_i表示第i个栅格单元，每个m_i与一个三值占用变量相对应，该变量指示出该单元是否被占用。如果该栅格被占用为“1”，未被占用为“0”，未知区域(或未扫描区域)为“-1”。p(m_i＝1)或p(m_i)表示了该栅格被占用的可能性，初始化栅格地图中每一个p(m_i)的初始值为0.5。

S12:构建室内栅格地图的本质是利用里程计信息u_1:t以及距离传感器信息z_1:t去计算机器人每一时刻的位姿x_0:t及环境地图m，即对p(x_0:t,m|z_1:t,u_1:t)进行求解：

p(x_0:t,m|z_1:t,u_1:t)＝p(x_0:t|z_1:t,u_1:t)p(m|x_1:t,z_1:t)

利用上述公式将构建栅格地图分解为对位姿x_0:t，即机器人轨迹的估计p(x_0:t|z_1:t,u_1:t)乘以基于位姿对地图的估计p(m|x_1:t,z_1:t)两个部分。

S13:利用粒子滤波定位算法对机器人运动轨迹进行估计，将二值贝叶斯滤波算法与反演测量模型结合对初始化栅格地图进行更新。

S14：步骤S13反演测量模型如图2所示：当某栅格单元在传感器波束测量范围之外或者该栅格单元位于测量距离

后面超过一定阈值α/2时，则返回对数形式的未知占用概率l_t-1,i；如果栅格单元在测量距离

范围的±α/2以内，返回对数形式的占用概率l_occ；如果单元的距离比测量距离

短α/2还多，返回对数形式的空闲概率l_free，所述的l_occ、l_free为常量阈值，一般情况下l_occ＝log9，l_free＝-log4。对数占用概率表达方式用公式表达如下：

对于每一次测量更新，栅格的占用概率更新公式为:

l_t,i＝l_t-1,i+inverse_sersor_model(m_i,x_t,z_t)-l₀

其中，反演测量模型inverse_sensor_model(m_i,x_t,z_t)计算公式如下：

由此，通过沿墙传感器或其他方式围绕室内周围行走，采用以上算法实现房间栅格地图的构建。

S2:对栅格地图进行预处理，调整栅格地图分辨率大小，使每一个栅格的边长与机器人直径相等，并判断各栅格点到起点的连通性，参考方法如下：

S21:根据S1得到的栅格地图，得到栅格地图的分辨率信息resolution_ori，resolution_ori代表的含义为单位栅格实际长度，同时测量清洁机器人的物理直径φ，以上数据的单位为m；求出调整后地图单位栅格所需原始栅格数量number_grid，求解公式如下：

由计算公式可知，机器人直径与原始分辨率相除结果向上取整，调整后的栅格地图分辨率resolution_adj与机器人直径φ相等，并且是由number_grid个原始栅格组成的正方形。假设机器人直径与原始分辨率相除向上取整结果为5，那么调整后单位栅格由原始5*5个栅格组成，如图3所示；

在调整分辨率后的地图中，判断每一个栅格是否被占用：若调整后栅格中包含占用变量为1或-1的原始栅格，那么此调整后的栅格占用变量值为1，否则为0。此步骤的意义在于，由于传感器噪声影响，原始栅格地图存在较多狭小缝隙及占用变量赋值错误，经过分辨率重新调整及占用判断之后，上述问题得到解决；

S22:以机器人原点栅格位置为起点，采用广度优先搜索算法依次访问栅格地图中占用变量为0的栅格点，未被访问到的占用变量为0的栅格点即为不可达区域，并将不可达区域的占用变量值赋值为1。

S3:定义机器人全覆盖路径能量损耗代价函数，并以代价函数为评价标准，求出较优的区域分割方向，参考方法如下：

S31:代价函数C_total(θ)由清洁效率C_efficiency(θ)、未清扫面积C_remain(θ)及重复清扫面积C_repet(θ)三部分组成:

C_total(θ)＝0.65*C_efficiency(θ)+0.20*C_remain(θ)+0.15*C_repet(θ)

其中，C_efficiency(θ)定义为遍历面积S_cover与遍历时长T_total的比值:

C_remain(θ)定义为空间可覆盖区域S_total与遍历面积S_cover的差值：

C_remain(θ)＝S_total-S_cover

C_repet(θ)定义为重复遍历栅格面积之和：

C_repet(θ)＝∑S_i

S32:首先用0、30、60、90、120、150度作为候选角度值，分别向区域分割方向赋值(此时度数步长D＝30)；

S33:根据候选角度值，调用S4与S5两个步骤对栅格地图进行区域分割，同时记录遍历面积S_cover、遍历时长T_total、及重复遍历栅格次数，分别计算以上候选角度的代价函数值，并选出其中代价函数值最低的3个角度θ₁、θ₂、θ₃；

S34:将度数步长减半(D＝D/2)，并按照以下公式插入新的角度值：

θ₁′＝θ₁+D θ₁″＝θ₁-D

θ₂′＝θ₂+D θ₂″＝θ₂-D

θ₃′＝θ₃+D θ₃″＝θ₃-D

将新的角度值θ₁′、θ₁″、θ₂′、θ₂″、θ₃′、θ₃″中重复的项去除，得到新的候选角度值；

S35:重复执行S33、S34步骤五次，求得使代价函数值最低的角度，以此角度作为栅格地图区域分割方向角；

S4:根据S3求出的方向角度θ，对栅格地图进行区域分割，并合并匹配程度较高的相邻区域，参考方法如下：

S41:采用opencv函数cvtColor(Image,grayImage,CV_BGR2GRAY)对得到的房间栅格地图进行灰度化处理；

S42:运行Harris角点检测算子对灰度化栅格地图进行角点检测，得到所有顶点坐标；

S43:遍历栅格地图的每一个顶点，做方向角为θ的直线，与栅格地图外围轮廓线及障碍物轮廓线相交，取出多余直线部分，得到分割区域，如图4所示；

S44:若相邻区域分割线长度之差小于阈值T_l，且分割区域中，轮廓线与分割线所成夹角与90之差绝对值小于阈值T_a，则合并相邻区域，如图5所示；

S5:在合并后的分割区域中依次以弓形路径遍历待清扫区域，参考方法如下：

S51:从起点开始，以分割线方向为清扫方向开始清扫，遇到障碍物则旋转至平行于障碍物轮廓线，并行走至下一栅格中心点，再旋转至平行于分割线进行反方向清扫；

S52:在此区域重复上述清扫过程，直到此区域遍历完毕；

S53:利用最短路径算法求出上一区域终点到下一区域起点最短路径，并且清洁机器人沿该最短路径行至下一区域；

S54:重复上述S51、S52、S53过程，直到所有区域遍历完毕，规划部分过程如图6所示。

一种低能量损耗机器人全覆盖路径规划系统，包括机器人、测距传感器、编码器及IMU，融合测距传感器、编码器及IMU信息构建房间栅格地图；

对栅格地图进行预处理，调整栅格地图分辨率，使每一个栅格的边长与机器人直径相等，之后通过广度优先搜索算法判断每一个未占用栅格到达起点的连通性，以此确定栅格地图的可清扫区域；

定义移动机器人全覆盖路径能量损耗代价函数，代价函数由清洁效率、未清扫面积、重复率三个部分组成。分割方向角度分别从0，30，60，90，120，150度开始搜索，依次计算这6个角度的代价函数值，选出代价值最低的3个角度，并将度数步长减半，计算新的角度值插入每个角度两边。重复以上过程5次，得出使代价函数值最低的分割方向；

根据得到的区域分割方向，对栅格地图进行分割，并对相邻分割区域进行匹配检测，匹配度较高的合并为一个分割区域；

在分割区域内进行弓形路径规划，当一个区域分割路径规划完成后，求出当前区域到下一区域的最短路径，进入下一区域后继续进行弓形路径规划，直至所有可达区域遍历完毕。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种低能量损耗机器人全覆盖路径规划方法，其特征在于包括以下步骤：

S1:融合机器人编码器、IMU及测距仪信息，利用即时定位与地图构建算法建立环境栅格地图；

S2：对栅格地图进行预处理，调整栅格地图分辨率大小，并确定机器人可达清扫区域；

S3：定义移动机器人全覆盖路径能量损耗代价函数，利用有限启发式搜索算法，计算使代价函数取值较低的区域分割方向；

S31：定义代价函数，所述的代价函数C_total(θ)由清洁效率C_efficiency(θ)、未清扫面积C_remain(θ)及重复清扫面积C_repet(θ)三部分组成:

C_total(θ)＝0.65*C_efficiency(θ)+0.20*C_remain(θ)+0.15*C_repet(θ)

其中，C_efficiency(θ)定义为遍历面积S_cover与遍历时长T_total的比值:

C_remain(θ)定义为空间可覆盖区域S_total与遍历面积S_cover的差值：

C_remain(θ)＝S_total-S_cover

C_repet(θ)定义为重复遍历栅格面积之和：

C_repet(θ)＝∑S_i；

S32：用0、30、60、90、120、150度作为候选角度值，分别向区域分割方向赋值，此时度数步长D＝30；

S33：根据候选角度值，调用S4与S5两个步骤对栅格地图进行区域分割，同时记录遍历面积S_cover、遍历时长T_total、及重复遍历栅格次数，分别计算以上候选角度的代价函数值，并选出其中代价函数值最低的3个角度θ₁、θ₂、θ₃；

S34：将度数步长减半，并按照以下公式插入新的角度值：

θ₁′＝θ₁+D；θ₁″＝θ₁-D；

θ₂′＝θ₂+D；θ₂″＝θ₂-D；

θ₃′＝θ₃+D；θ₃″＝θ₃-D；

将新的角度值θ₁′、θ₁″、θ₂′、θ₂″、θ₃′、θ₃″中重复的项去除，得到新的候选角度值；

S35：重复执行S33、S34步骤五次，求得使代价函数值最低的角度，以此角度作为栅格地图区域分割方向角；

S4：根据得到的区域分割方向，对栅格地图进行区域分割，并对相邻分割区域进行匹配检测，匹配度较高的合并为一个分割区域；

S5：根据得到的分割区域，在每个区域内进行弓形全覆盖路径规划，直到全部区域遍历完毕为止。

2.根据权利要求1所述的一种低能量损耗机器人全覆盖路径规划方法，其特征在于所述步骤S2中对栅格地图进行栅格重新划分，划分后地图单个栅格边长的长度等于清洁机器人直径，并通过广度优先搜索算法确定各个未被占用栅格点到起点的连通性，以此确定最终可清扫区域。

3.根据权利要求2所述的一种低能量损耗机器人全覆盖路径规划方法，其特征在于所述的步骤S2的具体步骤如下：

S21：根据S1得到的栅格地图，得到栅格地图的分辨率信息resolution_ori，resolution_ori代表的含义为单位栅格实际长度，同时测量清洁机器人的物理直径φ，以上数据的单位为m；求出调整后地图单位栅格所需原始栅格数量number_grid，求解公式如下：

由计算公式可知，机器人直径与原始分辨率相除结果向上取整，调整后的栅格地图分辨率resolution_adj与机器人直径φ相等，并且是由number_grid个原始栅格组成的正方形；

在调整分辨率后的地图中，判断每一个栅格是否被占用：若调整后栅格中包含占用变量为1或-1的原始栅格，那么此调整后的栅格占用变量值为1，否则为0；

S22:以机器人原点栅格位置为起点，采用广度优先搜索算法依次访问栅格地图中占用变量为0的栅格点，未被访问到的占用变量为0的栅格点即为不可达区域，并将不可达区域的占用变量值赋值为1。

4.根据权利要求1所述的一种低能量损耗机器人全覆盖路径规划方法，其特征在于所述的步骤S4包括以下步骤：根据S3求出的方向角度θ，对栅格地图进行区域分割，并合并匹配程度较高的相邻区域，参考方法如下：

S41:对得到的房间栅格地图进行灰度化处理；

S42:运行Harris角点检测算子对灰度化栅格地图进行角点检测，得到所有顶点坐标；

S43:遍历栅格地图的每一个顶点，做方向角为θ的直线，与栅格地图外围轮廓线及障碍物轮廓线相交，取出多余直线部分，得到分割区域；

S44:若相邻区域分割线长度之差小于阈值T_l，且分割区域中，轮廓线与分割线所成夹角与90之差绝对值小于阈值T_a，则合并相邻区域。

5.根据权利要求1所述的一种低能量损耗机器人全覆盖路径规划方法，其特征在于所述的步骤S5中在合并后的分割区域中依次以弓形路径遍历待清扫区域具体方法如下：

S51:从起点开始，以分割线方向为清扫方向开始清扫，遇到障碍物则旋转至平行于障碍物轮廓线，并行走至下一栅格中心点，再旋转至平行于分割线进行反方向清扫；

S52:在此区域重复上述清扫过程，直到此区域遍历完毕；

S53:利用最短路径算法求出上一区域终点到下一区域起点最短路径，并且清洁机器人沿该最短路径行至下一区域；

S54:重复上述S51、S52、S53过程，直到所有区域遍历完毕。

6.一种低能量损耗机器人全覆盖路径规划系统，其特征在于包括机器人、测距传感器、编码器及IMU，融合测距传感器、编码器及IMU信息构建房间栅格地图；

对栅格地图进行预处理，调整栅格地图分辨率，使每一个栅格的边长与机器人直径相等，之后通过广度优先搜索算法判断每一个未占用栅格到达起点的连通性，以此确定栅格地图的可清扫区域；

定义移动机器人全覆盖路径能量损耗代价函数，代价函数由清洁效率、未清扫面积、重复率三个部分组成，分割方向角度分别从0，30，60，90，120，150度开始搜索，依次计算这6个角度的代价函数值，选出代价值最低的3个角度，并将度数步长减半，计算新的角度值插入每个角度两边，重复以上过程5次，得出使代价函数值最低的分割方向；

根据得到的区域分割方向，对栅格地图进行分割，并对相邻分割区域进行匹配检测，匹配度较高的合并为一个分割区域；

在分割区域内进行弓形路径规划，当一个区域分割路径规划完成后，求出当前区域到下一区域的最短路径，进入下一区域后继续进行弓形路径规划，直至所有可达区域遍历完毕。

Images