移动机器人是能够自主运动的机械装置，在现代生产和生活中扮演重要角色。在移动机器人研究中，全覆盖路径规划是其重要课题之一。全覆盖路径规划是在指定工作区域内，机器人遍历到所有可达区域。经典全覆盖路径规划算法普遍存在路径较长、转弯较多的问题，导致机器人覆盖率较低，花费时间多，功率消耗较高。　　为解决上述问题，本文根据物体距离探测技术，采用来回往复式(Back and Forth)遍历方法，提出边缘检测和机器人遍历新方法，具有覆盖率高、重复覆盖率低和时间短的优点。本文的主要工作如下：　　(1)针对图像边缘检测技术中存在检测结果不连续问题，对经典边缘检测算子进行改进，首先将彩色图像转换至HSI颜色空间，然后分别在H、S和I空间上进行Canny边缘检测，并对H、S和I空间上的结果进行叠加，获得每个像素的估值；然后用高估值像素提升其周围低估值像素，并对图像中像素进行重评估；最后，对图像中每个像素进行判别，具有最高估值像素为边缘，其他像素为非边缘。实验结果表明，该方法检测的图像边缘，其连续性优于经典算子。　　(2)在全覆盖路径规划算法中，机器人需要先学习区域环境，再规划路径方案，导致覆盖率低、重复率高和能耗高大。为此，本文定义机器人的两种状态：来回往复式遍历状态和导向下一目标状态。当机器人遇到障碍物结束其来回往复式遍历状态后，用导向下一目标状态来引导机器人走向路径最短的未访问区；当机器人抵达新目标后，重新切换至来回往复式遍历状态。该方法可以边学习区域环境边进行遍历，从而可提高机器人的移动效率。　　(3)针对“约束反距离变换”算法目标固定的缺点，本文对该算法进行改进，由起始点累计距离值，从而可动态寻找目标点。文中给出了实验结果，说明本文算法覆盖率和移动效率均优于现有算法。