扫地机器人已经广泛进入各个家庭中,其中全覆盖路径规划是评判扫地机器人性能的重要指标。全覆盖路径规划要求扫地机器人规划一条覆盖所有可清洁区域的路线,同时要减少重复路线。由于大多数扫地机器人的避障过程比较简单,导致低覆盖率和高重复率。本文针对这一问题提出一种避障全覆盖路径规划算法,通过将不同障碍物的避障策略和基于栅格活性值的全覆盖路径规划算法相结合,来提高机器人的覆盖率,减少重复率。本文首先对机器人的运动模型、地图建模和全覆盖路径规划算法进行研究,分析两种典型的全覆盖路径规划算法:单元分解法和生物激励神经网络法,指出两种算法存在的不足。针对简单避障导致的低覆盖率和高重复率问题,本文设计了基于障碍物尺寸长度的避障方法,小型障碍物采取环绕避障策略,大型障碍物采取沿边避障策略。根据障碍的物种类来标记栅格地图中的障碍物栅格,机器人在运动到障碍物栅格时采取相应的避障方法。然后针对生物激励神经网络法容易出现相同活性值的栅格问题,给出改进的栅格活性值的计算方法,加入能量消耗函数对其进行修正,并引入A*算法脱离死区。最后对改进的算法进行仿真分析,相比于单元分解法和生物激励神经网络法,减小了覆盖率和转弯次数,提高全覆盖路径规划的效率。最后对扫地机器人实验平台进行搭建,设计驱动和避障硬件电路,基于ROS和Keil开发平台设计系统软件。为了验证算法的可行性,本文对扫地机器人进行实验测试,实验结果得到机器人的覆盖率为90.37%,重复率为11.42%,对出现遗漏区域和重复区域的原因进行分析,机器人可以完成全覆盖清扫工作。