文献综述（或调研报告）：
1.研究意义及重点
路径规划是机器人研究核心问题之一，同时对人工智能的研究也有促进作用[1]。点到点的路径规划指的是在一定环境中，在满足评价标准前提下，从起点到目标点规划一条最佳的避障路径[2]。全遍历在实现无障碍区域的全覆盖基础上，通过优化的环境建模方法和规划算法减少重复率来提高规划效率。
与点到点运动的移动机器人不同，全覆盖遍历的移动机器人在我们日常生活中主要任务是为了实现整个区域的覆盖，帮助人类实现整个无障碍区域的检测或者打扫任务，为了使机器人更好服务于我们的日常工作和生活，提高其工作效率是关键。
2.国内外研究现状
对移动机器人研究过程涉及定位、环境信息、路径规划和执行等环节[3]。定位主要是确定机器人和目标物的位置， 其次是障碍物的坐标位置。其中定位方式有相对定位和绝对定位[4]。相对定位是指根据初始的某一点来确定自身的位置，绝对定位是指未知初始位置确定自身方位。环境信息是机器人通过传感器将环境信息传送给自身进行判断，以构建环境地图模型并规划路径。如果机器人在开始规划前通过沿边学习对整个环境进行建模，则可以采用相应的全局搜索算法达到任务要求。路径规划的过程包括环境建模和路径规划算法设计[5]两个方面。目前对于全局规划先后使用了自由空间法、轮廓空间法、栅格表示法等方法[6]，对于局部规划应用人工势场法、沿墙搜索法等方法[7]。进行路径规划时，如果环境中障碍物呈现封闭或者半封闭状态，机器人在选择模型建立方法时会影响后面算法的实现，导致产生“死锁”现象，从而影响整个路径规划的实现， 可以采用两点法[8]或者其它一些混合算法来解决这个问题。 在未知环境中，机器人利用传感器得到周围障碍物和目标的方位角度和距离大小，通过局部规划来最终实现全局路径规划。全覆盖路径规划在很多领域的应用现在也逐渐得到了重视，主要着眼于如何能达到实现目标区域的全覆盖和使覆盖的重复率最低两个目标。执行就是使机器人沿着期望的规划路径行走。
目前对于已知环境中的路径规划问题，已经有比较成熟有效的算法可用。对于未知环境下的路径规划问题，已经有不少的学者进行了一些相关研究。有的学者将栅格法,人工势场法[9]，神经元激励法[10]，, 神经网络[11],滚动窗口法等相结合，取得了一定的进展。有的学者对现有的完全遍历法进行了改进，如将之字遍历法[12]改进或与内螺旋法混合使用[13]，等方法。但是这些方法存在诸如难以应对复杂环境，对于定位要求较高的问题，并不是十分理想。
[1] Azzeddine Bakdi,Abdelfetah Hentout,Hakim Boutami.Optimal path planning and execution for mobile robots using genetic algorithm and adaptive fuzzy-logic control[J].Robotics and Autonomous Systems,2017,89:95-109.
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
