智能移动机器人是一个集传感器技术,规划与决策,以及人工智能等多功能多学科于一体,并能够自主完成特定任务的综合感知系统。随着计算机技术爆炸式的更新,信息处理及智能控制理论的完备,国内外学者越发关注移动机器人技术的应用和研究。未知环境下的自主探测规划是移动机器人导航领域的一个重要研究课题。自主探测规划可以理解为一种特殊的点到点的路径规划,指机器人在较短时间内依据自身所携带的传感器获得的信息感知尽可能大的未知区域,最终实时控制机器人运动,达到构建未知地图的目的。探测规划对确保未知环境地图构建的高效性,精确性以及提高机器的自主性具有重要的应用价值。但如何根据不完整的地图信息,确保整个规划路径的最优性和探测的完备性,一直都是该领域的难点。相应各种探测规划算法也应运而生。本文针对探测规划中探测视点生成,点到点路径规划,探测视点评估等核心环节进行了广泛深入的研究,并完成以下所述工作:①本文首次提出基于矩形环区域前沿点的探测视点生成方法,通过基于探测半径大小来生成探测视点区域,并依次遍历该区域获得基于前沿点的候选视点。根据地图构建中的特点,本文在路径规划时提出基于蚁群算法的改进算法。视点评估过程中,提出基于路径成本和信息增益的代价评估函数,用规划路径中每个栅格单元的相邻8个栅格单元的未知占用状况的综合评分作为信息增益来选出最佳候选视点。②在系统分析贝叶斯滤波算法后,本文结合马尔可夫链的无后效性,提出基于隐马尔科夫模型的贝叶斯滤波算法。并将所提出的算法进行推导计算,验证该算法在计算评估置信度的正确性。最后,针对机器人移动过程中开关门的具体实例,验证了本文所提算法在计算后验概率分布的有效性和正确性。③提出用计算观测概率的相对信息熵的方法来评估最大信息增益候选视点。利用环境地图构建中栅格的占用概率信息状况,将起点到目标点的栅格进行光线遍历,建立马尔科夫评估模型后,用基于隐马尔科夫模型的贝叶斯滤波算法来评估下一个最佳探测视点的观测概率。通过对实际场景图规则的建立,我们推导得到观测状态转移矩阵和占用状态转移矩阵。最后通过仿真和算法比较得出所提算法的高效性。