模拟人类对感知信息的定性推理方式处理不确定环境信息已成为智能移动机器人研究的关键。在移动机器人导航过程中,机器人通过传感器获取环境的有效信息,完成自身定位并建立合理的环境模型。在此基础上,移动机器人得以广泛应用于区域覆盖及路径规划。目前,在有限的空间内合理、高效以及自适应地完成覆盖任务是区域覆盖课题的主要研究方向。本文着眼于移动机器人区域覆盖中路径规划方面的问题。首先,对机器人获取的环境信息进行处理,即根据粗糙、不确定的传感器信息建立移动机器人区域覆盖所需要的代价地图；然后,基于对室内移动机器人的路径规划和区域覆盖技术方法的研究和分析,提出了多区域复杂环境下的区域覆盖策略；最后,针对动力学受限的车式移动机器人,本文也提出了有效的覆盖方法实现区域覆盖。本文的主要工作如下：1.移动机器人室内区域覆盖的环境模型描述,环境描述包括环境特征检测和代价地图创建两个方面。在环境特征检测方面,对于参数空间的量化单位影响霍夫变换提取直线特征的精度问题，提出了一种霍夫变换中参数空间量化单位自适应调整的方法。首先,根据采样数据建立样本统计模型,并确定该模型的参数；然后,根据模型参数随量化单位的变化趋势以及样本信息的分布特征,提出量化单位的自适应调整策略,从而获取优化的量化单位；最后,将优化的量化单位应用于霍夫变换特征检测。在代价地图创建方面,将创建的先验地图依据栅格代价分配规则转化成动态代价地图,为机器人覆盖工作提供实时的环境信息。2.针对室内多区域复杂环境,在代价地图下,本文提出了一种基于最小树的多区域覆盖路径规划方法。首先,将代价地图分割成若干个区域块，再对区域块作二次单元分割处理得到子区域信息；然后,根据子区域间的邻接关系构建图模型,将基于最小树的子区域规划算法应用于该图得到子区域规划序列,利用基于Dijkstra算法的区域转移算法得到区域间转移路径,并在子区域内使用往返覆盖策略,以此实现区域的全覆盖；最后,在线验证该方法的有效性。3.提出车式移动机器人的室内覆盖方法。由于该类机器人受限于转弯半径和速度的约束,并且室外环境下的车式移动机器人大多借助于GPS定位,但GPS在室内环境局限性较大。对此,本文提出了将旋转转移方法与往返运动相结合的覆盖策略,使得车辆具有倒车、转向能力,保证车辆整个覆盖过程的可靠性和连续性。本文以室内移动机器人的区域覆盖路径规划方法为研究重点,将提出的方法与其它方法作对比,在线应用于室内多种类型的环境中。实验验证了本文提出的方法在多区域块环境的覆盖时间和重复覆盖率都会明显降低,并且可以解决覆盖过程存在的“串门”现象,从而保证了本文提出方法的有效性和普适性。