基于室内地图分区预处理的全局路径规划算法研究及其在移动机器人导航中的应用

本文提出了一种创新的室内地图分区预处理算法（IMPP），通过结合SLAM（同步定位与建图）技术和图像分割模型（如UNet、FPN等），实现了复杂室内环境中不规则房间的精准识别与分区。该算法显著提升了A?、JPS（跳点搜索）等全局路径规划算法的效率，减少冗余节点探索，并优化了JPS的避障性能。实验证明，IMPP在146种室内场景中房间识别准确率达100%，为移动机器人导航提供了高效解决方案。

　　

亮点与结论

路径规划的文献综述

Yao等（2023）提出改进的双向搜索高斯-A^?（BSGA^?）算法，通过动态调整启发式函数权重，结合双向搜索策略减少搜索空间。该算法引入多级转向点过滤机制，优化路径节点选择，显著提升路径质量。

ROS移动机器人导航设计

实验基于ROS和Gazebo仿真平台构建室内环境与机器人模型，结合自主导航与SLAM技术生成146组室内地图数据集，并通过RViz工具实现数据可视化。

应用分割模型封闭房间

研究采用U-Net、U-Net++等4种分割模型与ResNet34、EfficientNetB0等6种编码器组合，通过Adam优化器（学习率1×10^?4）训练200轮次，成功连接SLAM地图中的门线段。

分区地图获取原理

如图4所示，封闭房间图像经灰度化、二值化、形态学去噪后，利用Canny算法和霍夫变换精修轮廓，最终提取独立房间区域及质心坐标，生成仅包含起止点最短路径的分区地图。

改进启发式函数

传统算法常忽略路径曲率问题。本研究引入曲率路径角度变化概念，通过计算节点间向量夹角优化路径平滑度，解决了实际应用中路径突兀转折的缺陷。

实验结果

实验在Windows 11系统（i9-12900H CPU/3060 GPU）的PyCharm 2023环境中运行，基于Python 3.9实现。

结论

IMPP算法通过分割复杂房间结构，将路径规划限制在关键子区域，使A^?、PRM等算法的探索点数减少50%以上，处理速度提升显著。优化后的JPS算法结合贝塞尔曲线（Bezier curve）进一步保障了路径安全性。

作者贡献声明

杨继凡：撰写初稿/数据分析；李夏玲：监督/数据校验；刘小阳：算法验证；潘勋鼎：可视化；王磊：基金支持/方法论指导。

利益冲突声明

作者声明无潜在利益冲突。

致谢

感谢国家自然科学基金（62163010）和海南省科技专项（ZDYF2023GXJS154、ZDYF2022SHFZ026）的支持。