激光雷达采集获取的点云数据凭借其准确的深度信息和稳定的存储结构能够有效反映几何模型的形状结构以及雷达周围环境的障碍物信息,因此点云数据处理技术近年来在三维模型分析以及移动机器人导航控制领域得到迅速发展。由于传统分析点云数据的方法往往会选择点云重建或者内部采样的方法,而重建与采样的过程往往繁琐且计算资源消耗大,这就可能导致各类应用工作效率低下。受启发于点云可见性判断的方法,本文引入了可见单元的概念,并在此基础上提出了一种高效轻便的点云模型骨架提取及其应用在移动机器人自主路径规划中的技术。首先在骨架提取工作中,由于可见单元的引入,点云内部的视点能够更好地捕捉到模型的局部结构特征,从而进一步判断出应该处于中心位置的骨架点坐标,同时设计了可见单元边界参数以指引骨架点朝着未覆盖区域生长,最终利用所有骨架点之间的拓扑连接关系确定了模型骨架形状。实验结果表明本文提出的骨架提取方法高效准确,能够在原始数据存在噪声以及缺失的情况下正常工作,同其他主流方法相比,在保证所提取骨架效果的前提下,该方法运算速度更快,计算存储消耗更少。之后在移动机器人自主路径规划工作中,利用激光雷达获取的周围环境点云数据,与骨架提取工作的思路相似,设计了工作场景点云构成的可见单元,以有效地平衡机器人在未知环境中探索时需要满足的安全性与实时性要求。在局部规划过程中机器人会通过分析可见单元形状特征以快速获得实时的移动策略确定行进方向从而下达控制指令,同时其会将每一时刻的相对位置坐标以及可见单元形状存入节点中以推动路径树生长并在遇到死路时执行回溯算法从而完成全局规划过程。在机器人工作过程中,雷达采集噪声以及机器人硬件控制过程中产生的噪声往往会对后续的分析处理工作产生较大的影响,为了尽可能使最终结果稳定准确,本文首先在仿真环境下进行实验验证本文方法可以在存在噪声的情况下正常工作,最后将本文算法部署到真实场景中,并对相关实验数据进行分析验证。实验结果表明本文提出的方法运算速度快,硬件成本低,在仿真与现实场景下均可正常工作。