En visión por computadora y robótica móvil, la navegación autónoma es crucial. Permite al robot navegar por su entorno, que consiste principalmente en obstáculos y objetos en movimiento. La navegación del robot empleando detecciones de impedimentos, como paredes y columnas, no solo es esencial sino también desafiante debido a complicaciones del mundo real. Este estudio proporciona una solución en tiempo real al problema de obtener escenas de pasillos a partir de una imagen exclusiva. Los autores predicen una escena densa utilizando una red convolucional totalmente multinivel (FCN). La salida es una imagen con predicciones píxel a píxel que pueden ser utilizadas para diversas estrategias de navegación. Además, se introduce un método para comparar el costo computacional y la precisión de varias arquitecturas FCN utilizando VGG-16. La segmentación semántica binaria y la navegación óptima de evasión de obstáculos de robots móviles autónomos son dos áreas en las que nuestro método supera a los métodos de trabajos competidores. Los autores aplican con éxito corrección de perspectiva a la imagen segmentada para construir la vista frontal del área general, que identifica el área de movimiento disponible. La estrategia óptima de evasión de obstáculos se compone principalmente de planificación de trayectorias libres de colisión, tiempo de procesamiento razonable y dirección suave con bajos cambios en el ángulo de dirección.