随着人类对海洋的探索、水资源的保护和海上军事的开展,无人船的研究和开发越来越受到人们的关注与重视。其中,路径规划是无人船实现无人化、智能化的关键技术,而完全遍历路径规划是路径规划中的一种特殊形式,具有重要的理论意义和实际应用价值,可以应用于水面漂浮物清理,水底地形探测,海湾水域扫雷等方面。建立合适的环境模型是无人船路径规划的第一步。为了提高室外水域环境建模的精度,采用扩大边界的方式优化传统自主学习环境建模方法,该方法根据无人船采集的经纬度和航向角,转换得到边界经纬度数据,并基于栅格法完成环境建模。针对无人船通过自主学习环境边界方法的费时、费力、过程繁琐以及基于电子海图建模方法适用性低、应用范围窄的问题,实现了一种人机交互式发布任务的环境建模方法。该方法是用户通过地面站端的上位机电子地图界面发布执行任务区域,将该任务区域转换为栅格地图。通过实验表明,该方法得到的栅格地图与实际距离的误差控制在2.61%以内,提出的算法有效、可行。针对当前无人船在复杂环境下完全遍历路径规划算法效率低、普适性差的问题,本文提出了一种基于改进A-Star算法的无人船内螺旋完全遍历算法。该算法首先通过内螺旋遍历算法开始遍历,当无人船遇到“死角”时,搜索最近的未遍历的栅格,然后通过改进A-Star算法跳出“死角”继续遍历。通过实验表明,相比现有的完全遍历路径规划算法,该算法将路径步数从814步减少到784步,重复率从优化前的7.8%降低到3.98%,算法性能得到改善。通过搭建无人船实验平台验证所提方法的有效性,实验结果表明,通过扩大边界方式完成了学校湖泊的环境建模,误差控制在1.6米以内;所提出的改进A-Star算法的无人船完全遍历算法完成对学校湖泊的90%覆盖。