1.一种基于内部圆和邻接图的房间分割方法，其特征在于，包括如下步骤；

步骤一：距离变换，对激光扫描得到的二维占用概率栅格地图进行距离变换，计算每个像素的最近邻占用点的距离值；

步骤二：内部圆填充，使用内部圆表达室内自由空间，构建室内自由空间的内部圆逼近；

所述步骤二中内部圆填充的具体步骤为：

2.1、对给定的室内激光扫描点云，根据其占用的空间范围细分为网格，得到一系列像素Pixels＝{P1，P2，...，Pn}，查找每个像素中心的最近邻点pi和最近邻距离di，定义每个像素的距离变换集合为D＝{d1，d2，...，dn}；

2.2、选择距离变换值最大的像素为圆心，最大近邻距离为半径进行填充；设该像素中心为Pmaxd，其最近邻距离为Dmax＝max{D}，则初次填充圆定义为

2.3、对未被内部圆填充区域进行距离变换值更新，对比未被填充区域的像素中心距离最近邻点的距离dB与像素中心到填充圆边界的距离dS，更新该像素的距离变换值dnew＝min(dB，dS)；

2.4、从距离变换更新后的填充圆外部像素集合中选取最大近邻距离的像素中心作为新的填充圆圆心，填充新的内部圆；

2.5、依次迭代，直至所有像素都被填充完毕，得到非相交填充内部圆集合S＝{s1，s2，...，sn}；

步骤三：拓扑邻接图构建，利用带权重无向图构建内部圆之间的关联关系，根据内部圆之间的邻接关系，构建内部圆的无向图表达，无向图的每个节点对应着一个内部圆，无向图的边连接相切的两个内部圆，权重值为切点的初次距离变换值；

所述步骤三中拓扑邻接图构建的具体实现步骤为：

3.1、初始化邻接图G；所有内部圆的中心点作为邻接图的节点V；根据所有内部圆的中心点构成集合P，对点集P构建KD树；

3.2、遍历每一个内部圆的圆心点p，搜索其2Dmax半径范围的近邻圆心点；

3.3、判断近邻圆pj与当前圆pi是否相切，如果是，向邻接图G中添加边E←E∪e(pi，pj)；

3.4、依次迭代，直至所有内部圆的圆心点遍历完毕；

步骤四：连通子图分割，基于规则对无向邻接图的边进行增加和删除；

所述步骤四中的连通子图分割的具体实现步骤为：

4.1、设置门的宽度阈值Δddoor，最小房间面积阈值α；

4.2、遍历邻接图G中的每一条边e，当边e连接的两个内部圆的面积足够大且相邻两个内部圆的权重小于给定阈值0.5*Δddoor时，移除该边e；

4.3、遍历每一个邻接图G中每一个内接圆节点v，如果其相邻的两个内部圆面积足够大，且中心点的距离变换值大于0.5*Δddoor，增加一条边；如果中心点的距离变换值小于等于0.5*Δddoor，移除权重较小的一条边；得到新的邻接图G’；

4.4、对图G’进行连通子图分割，得到连通域集合C＝{C1，C2，...，Cn}；为连通域赋予初始房间语义标记ID；

步骤五：连通子图合并与房间语义赋值，通过合并内部连通子图得到室内自由空间的空间结构；

所述步骤五中的连通子图合并与房间语义赋值的具体实现步骤为：

5.1、遍历连通域集合C每一个连通子图Ci，基于初始的无向图G构建Ci的近邻子图列表，同时统计Ci与近邻子图的邻接度，即邻接的边数；

5.2、遍历每一个Ci，判断与其它连通子图 的邻接度，根据邻接度降序排列，取邻接度最大的子图Cj，如果子图Cj的面积小于最小房间面积阈值α且通达度大于3，则合并两个连通子图；更新Ci的节点集合，更新Ci的近邻子图列表和邻接度统计信息；

5.3、删除子图Cj，更新所有其它但不包括Ci的子图的近邻和邻接度统计信息，更新集合C；

5.4、对于更新后的C集合，依次迭代，直到所有的连通子图都己经合并；

5.5、将C根据子图的面积降序排列；遍历每一个Ci，判断与其连通的子图Cj，根据面积降序排列，如果子图Cj的面积小于最小房间面积阈值，则合并两个连通子图；更新Ci的节点集合，更新Ci的近邻子图列表和邻接度统计信息；

5.6、删除子图Cj，更新所有其它但不包括Ci的子图的近邻和邻接度统计信息，更新集合C；

5.7、对于更新后的C集合，依次迭代，直到所有的连通子图都己经合并；

5.8、输出房间语义信息到每一个内部圆节点。