全覆盖路径规划技术广泛应用于资源探测、海图绘制、智能清洁等行业,是移动机器人领域中的一个关键问题。随着任务规模和难度不断增加,多机器人协作成为解决复杂覆盖问题的重要途径。现有方法的不足之处在于:侧重于区域覆盖率的提高,容易导致重复覆盖率的增加;将环境中的行人作为一般移动障碍物,忽略行人特有的运动规律。针对这些问题,本文研究与人共融的多机器人全覆盖路径规划方法。主要工作总结如下:1.针对生物激励神经网络(BINN)覆盖算法存在的死区问题,结合元胞自动机(CA)和快速随机树(RRT)算法提出具有脱困机制的全覆盖路径规划方法。首先,为了获取最佳脱困点,建立CA系统,并根据搜索脱困点的需求设计系统的演化规则,提出一种不受障碍物分布影响的脱困点搜索方法;其次,为了实现脱困规划,使用BINN算法的神经元活性值对RRT算法存在的全局采样问题进行改进,提出BINN-RRT路径规划方法,缩短运行时间;然后,利用脱困点搜索方法和BINN-RRT方法组成主动脱困机制,避免机器人在死区陷入迷茫,减少重复路径;最后,通过仿真实验,分别验证所提方法的可行性。2.为了提高行人轨迹预测的精度,融合社会力模型(SFM)和卡尔曼滤波(KF)提出一种考虑行人运动特性的轨迹预测方法。首先,建立KF预测模型,并分析该模型存在的局限性;其次,基于SFM建立行人运动模型,并通过粒子群算法对部分参数进行辨识;然后,融合行人运动模型和KF预测模型提出SFM-KF轨迹预测方法;最后,通过Gazebo软件设计仿真实验,验证行人交互避让时,SFM-KF方法比KF具有更小的预测误差。3.针对多区域人机共存环境下的覆盖问题,提出一种与人共融的多机器人全覆盖路径规划方法。首先,基于牛耕法对任务空间进行分解,分析机器人进入子区域的初始运动方向对任务分配的影响,并基于蚁群算法提出运动方向自适应的多机器人任务分配方法;其次,在具有行人的子区域中,基于SFM-KF行人轨迹预测方法实现与人共融的区域全覆盖;然后,结合任务分配方法和与人共融的全覆盖方法,研究多机器人协作覆盖多区域人机共存环境;最后,通过仿真研究,验证该方法的有效性。