目前主要的地图成图形式可以总结为两大种类,分别是手动成图以及自动成图。手动成图主要依靠Auto CAD、Arcgis等相关软件绘制,主要缺点是耗时耗力,工作效率低下。自动成图方法主要是基于特征制图、基于影像强度和阴影制图以及基于SLAM的制图方法等。该类成图方法的缺点是,地图冗余复杂。针对上文提及的问题,本文利用室内点云数据通过自动成图的方法来构建内容简洁,且可以高效的用于室内导航的障碍物要素图,且该图主要包含四部分:墙体、门、影响通行障碍物(IMO)以及非影响通行障碍物(N-IMO)。本文所使用数据为S3DIS和Matterport3D数据集,主要针对写字楼、餐厅、居所以及医院进行实验,生成该障碍图的方法主要包括四部分内容:基于点云室内场景识别,实验场景自动分类,先验规则总结及自定义评判指标选取,障碍物要素图生成。具体研究内容如下:a)室内主要活动场景总结。我们将室场景大致分为七类,分别是医院、居所、学校教室、写字楼、车站、餐厅、商场,涵盖了人们室内生活的大部分场景。b)基于点云室内场景识别。本文利用PointNet融合马尔科夫随机场(MRF)的方法,对点云数据进行识别。我们将PointNet输出层作为一元项,同时构建一个特征相似矩阵,目的是保留更多特征相似点,其与真值之间差异为二元项。c)实验场景自动分类。将步骤(a)中的影像数据作为训练数据来训练ResNet模型,点云实验数据对应的影像数据为测试数据,利用ResNet模型进行分类。d)先验规则总结及自定义评判指标选取。利用步骤(c)中的影像数据对七类场景总结先验规则,然后将障碍物划分为IMO和N-IMO。同时结合点云数据特点,选取自定义指标即物体体积、物体到墙体或IMO的最短距离。e)障碍物要素图生成。使用步骤(d)中总结的先验规则,将室内主要物品划分为IMO和N-IMO。先验规则无法判定的物品,自定义指标划分为IMO或N-IMO。利用平面投影方式,生成障碍物要素图。通过本文的研究的方法可生成室内环境中的障碍物要素图包含的内容要素较少,降低了地图信息复杂度,较大提升地图工作效率;本文方法为自动成图方法,大大减少时间和人工成本的消耗,提高了制图效率。