本發(fā)明涉及路徑避障，具體涉及基于模糊匹配攝像頭視頻流和概率云計(jì)算的路徑避障方法。

背景技術(shù)：

1、工廠運(yùn)輸機(jī)器人的發(fā)展在制造業(yè)和物流行業(yè)中成為重要趨勢，特別是在推動(dòng)智能工廠建設(shè)、提高生產(chǎn)效率和降低人工成本方面具有顯著作用。隨著技術(shù)的不斷進(jìn)步，這些機(jī)器人正朝著更加靈活、高效、智能的方向發(fā)展，能夠適應(yīng)復(fù)雜的工作環(huán)境和要求。隨著智能制造和智能物流的崛起，工廠運(yùn)輸機(jī)器人正在朝著更加多功能化和靈活化的方向發(fā)展，因此對工廠運(yùn)輸機(jī)器人的路徑避障方法的研究是有必要的。

2、現(xiàn)有技術(shù)中對于工廠運(yùn)輸機(jī)器人的路徑避障可以滿足基本要求，但是也存在著一些潛在問題，具體表現(xiàn)為以下幾個(gè)方面，一方面：工廠運(yùn)輸機(jī)器人一般采用地面上鋪設(shè)磁條，機(jī)器人的底部安裝有磁感應(yīng)器，通過檢測磁條來跟蹤和維持行駛路徑，或使用地面上的色帶或顏色線，機(jī)器人通過光電傳感器識(shí)別路徑，引導(dǎo)其行進(jìn)。在遇見障礙物時(shí)，無法及時(shí)識(shí)別障礙物的狀態(tài)并作出路徑重新規(guī)劃，導(dǎo)致工廠運(yùn)輸機(jī)器人無法繼續(xù)工作，降低工廠運(yùn)輸效率，不滿足實(shí)際應(yīng)用需求。

3、另一方面，現(xiàn)有技術(shù)中一部分對于運(yùn)輸機(jī)器人的工作路徑采用在工廠環(huán)境中設(shè)置激光反射板，機(jī)器人通過內(nèi)置激光掃描器識(shí)別這些反射器的位置來校正和維持自身的位置，這種方法提供了更高的路徑靈活性和精確度，但通常需要更加復(fù)雜的初期安裝和校準(zhǔn)，而且在障礙物的識(shí)別效率低下，無法清楚獲知障礙物的具體信息，判斷是否能夠繼續(xù)通行，作出路徑的及時(shí)調(diào)整，不滿足智慧工廠的建設(shè)需求，導(dǎo)致運(yùn)輸機(jī)器人無法高效工作。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供基于模糊匹配攝像頭視頻流和概率云計(jì)算的路徑避障方法，解決了背景技術(shù)中存在的問題。

2、為解決上述技術(shù)問題，本發(fā)明采用如下技術(shù)方案：基于模糊匹配攝像頭視頻流和概率云計(jì)算的路徑避障方法，所述方法包括：

3、步驟一、初始路徑規(guī)劃：獲取工廠運(yùn)輸機(jī)器人的各工作數(shù)據(jù)、各待選路徑的各信息數(shù)據(jù)，計(jì)算各待選路徑的匹配指數(shù)，規(guī)劃工廠運(yùn)輸機(jī)器人的初始路徑；

4、步驟二、初始路徑障礙物概率預(yù)測：獲取初始路徑的歷史各次障礙物出現(xiàn)的位置，分析各次障礙物出現(xiàn)的位置概率，劃分初始路徑上的障礙物風(fēng)險(xiǎn)區(qū)域；

5、步驟三、分析視頻流識(shí)別障礙物：獲取工廠運(yùn)輸機(jī)器人工作過程中的視頻流，通過模糊匹配方法識(shí)別路徑上的障礙物，并對路徑上的障礙物進(jìn)行分類，得到靜態(tài)類型障礙物和動(dòng)態(tài)類型障礙物；

6、步驟四、實(shí)施路徑避障響應(yīng)措施：獲取路徑上的靜態(tài)類型障礙物的各信息數(shù)據(jù)，基于工廠運(yùn)輸機(jī)器人的各信息數(shù)據(jù)，計(jì)算工廠運(yùn)輸機(jī)器人避障判斷值，實(shí)施靜態(tài)類型障礙物避障響應(yīng)措施，獲取路徑上的動(dòng)態(tài)類型障礙物的各未來路徑的概率值，實(shí)施動(dòng)態(tài)類型障礙物避障響應(yīng)措施。

7、進(jìn)一步地，所述計(jì)算各待選路徑的匹配指數(shù)，其具體分析方法為：

8、所述工廠運(yùn)輸機(jī)器人的各工作數(shù)據(jù)，包括工廠運(yùn)輸機(jī)器人的寬度、運(yùn)輸要求時(shí)長；

9、所述各待選路徑的各信息數(shù)據(jù)，包括各待選路徑的最大寬度、最小寬度、歷史各運(yùn)輸過程中障礙物的數(shù)量、歷史各次運(yùn)輸時(shí)長，其中，表示各待選路徑的編號(hào)，表示待選路徑的總數(shù)，，表示歷史各運(yùn)輸過程的編號(hào)，表示歷史運(yùn)輸過程的總數(shù)；

10、將各待選路徑的歷史各運(yùn)輸過程中障礙物的數(shù)量進(jìn)行均值處理，均值結(jié)果作為各待選路徑歷史平均障礙物的數(shù)量；

11、通過公式：，計(jì)算得到各待選路徑寬度符合狀態(tài)值，通過公式：，計(jì)算得到各待選路徑的匹配指數(shù)，其中表示預(yù)設(shè)置的路徑障礙物的可接受數(shù)量，表示指數(shù)函數(shù)標(biāo)識(shí)符，表示對數(shù)函數(shù)標(biāo)識(shí)符。

12、進(jìn)一步地，所述規(guī)劃工廠運(yùn)輸機(jī)器人的初始路徑，其具體分析方法為：

13、基于各待選路徑的匹配指數(shù)進(jìn)行排序，選擇最大匹配指數(shù)的下標(biāo)對應(yīng)的待選路徑，記為工廠運(yùn)輸機(jī)器人的初始路徑；

14、從數(shù)據(jù)庫中獲取工廠運(yùn)輸機(jī)器人的初始路徑的指令信息，發(fā)送至工廠運(yùn)輸機(jī)器人的控制中心，工廠運(yùn)輸機(jī)器人進(jìn)行運(yùn)輸工作。

15、進(jìn)一步地，所述劃分初始路徑上的障礙物風(fēng)險(xiǎn)區(qū)域，其具體分析方法為：

16、將工廠運(yùn)輸機(jī)器人出發(fā)位置設(shè)為原點(diǎn)坐標(biāo)，正對豎直方向?yàn)榭v軸，水平向右方向?yàn)闄M軸，建立工廠運(yùn)輸機(jī)器人初始路徑的二維坐標(biāo)系；

17、從數(shù)據(jù)庫中提取初始路徑的歷史各次障礙物出現(xiàn)的位置，經(jīng)過位置轉(zhuǎn)換映射到二維坐標(biāo)系中，得到初始路徑的歷史各次障礙物出現(xiàn)的位置坐標(biāo)，其中，表示初始路徑的歷史各次障礙物出現(xiàn)的編號(hào)，表示初始路徑的歷史障礙物出現(xiàn)的總數(shù)；

18、基于初始路徑的歷史各次障礙物出現(xiàn)的位置坐標(biāo)，統(tǒng)計(jì)位于第次障礙物出現(xiàn)的區(qū)域內(nèi)的障礙物總數(shù)，同理得到各次障礙物出現(xiàn)的區(qū)域內(nèi)的障礙物總數(shù)，通過公式：，計(jì)算得到第次障礙物出現(xiàn)的位置坐標(biāo)區(qū)域內(nèi)障礙物概率，其中，表示障礙物出現(xiàn)的區(qū)域的平面數(shù)學(xué)符號(hào)，表示預(yù)設(shè)置的判斷范圍尺度；

19、若，則劃分初始路徑上第次障礙物出現(xiàn)的區(qū)域?yàn)轱L(fēng)險(xiǎn)區(qū)域，其中，表示障礙物概率判斷閾值；

20、反之則劃分初始路徑上第次障礙物出現(xiàn)的區(qū)域?yàn)橐话銋^(qū)域。

21、進(jìn)一步地，所述識(shí)別路徑上的障礙物，并對路徑上的障礙物進(jìn)行分類，其具體分析方法為：

22、獲取工廠運(yùn)輸機(jī)器人的視頻流，進(jìn)行幀處理，對于風(fēng)險(xiǎn)區(qū)域的視頻流，將幀處理提取間隔設(shè)置為，對于一般區(qū)域的視頻流，將幀處理提取間隔設(shè)置為，得到工廠運(yùn)輸機(jī)器人的視頻流的各幀圖像，通過深度學(xué)習(xí)模型對工廠運(yùn)輸機(jī)器人的視頻流的各幀圖像進(jìn)行目標(biāo)檢測，分割出場景中的障礙物；

23、分析工廠運(yùn)輸機(jī)器人的視頻流的各幀圖像中的障礙物各像素點(diǎn)，通過公式：，計(jì)算得到連續(xù)幀之間的差異值，其中表示工廠運(yùn)輸機(jī)器人的視頻流的當(dāng)前幀第個(gè)像素點(diǎn)坐標(biāo)，工廠運(yùn)輸機(jī)器人的視頻流的上一幀第個(gè)像素點(diǎn)坐標(biāo)，，表示工廠運(yùn)輸機(jī)器人的視頻流的幀中的各像素點(diǎn)的編號(hào)，表示工廠運(yùn)輸機(jī)器人的視頻流的幀中的像素點(diǎn)的總數(shù)；

24、若，則判定第個(gè)像素點(diǎn)為動(dòng)態(tài)區(qū)域，該障礙物為動(dòng)態(tài)類型障礙物，其中，表示從數(shù)據(jù)庫中獲取的連續(xù)幀的差異閾值；

25、反之，則判斷第個(gè)像素點(diǎn)為靜態(tài)區(qū)域，該障礙物為靜態(tài)類型障礙物；

26、綜上所述，得到工廠運(yùn)輸機(jī)器人的初始路徑上的障礙物及其類型。

27、進(jìn)一步地，所述路徑上的靜態(tài)類型障礙物的各信息數(shù)據(jù)，其具體分析方法為：

28、基于工廠運(yùn)輸機(jī)器人的視頻流中各幀圖像進(jìn)行目標(biāo)檢測，獲取靜態(tài)類型障礙物的占用路徑的寬度、靜態(tài)類型障礙物所處路徑的寬度。

29、進(jìn)一步地，所述計(jì)算工廠運(yùn)輸機(jī)器人避障判斷值，實(shí)施靜態(tài)類型障礙物避障響應(yīng)措施，其具體分析方法為：

30、基于靜態(tài)類型障礙物的占用路徑的寬度、工廠運(yùn)輸機(jī)器人的寬度、靜態(tài)類型障礙物所處路徑的寬度，通過公式：，計(jì)算得到初始路徑可通行判斷值；

31、若，則判斷初始路徑允許通行，運(yùn)輸機(jī)器人進(jìn)行運(yùn)動(dòng)偏移，躲避靜態(tài)障礙物；

32、若，則判斷初始路徑不允許通行，執(zhí)行臨時(shí)避障路徑。

33、進(jìn)一步地，所述臨時(shí)避障路徑，其具體分析方法為：

34、從數(shù)據(jù)庫中提取目標(biāo)位置的坐標(biāo)，基于運(yùn)輸機(jī)器人無法通過點(diǎn)的位置坐標(biāo)，生成臨時(shí)避障路徑，將臨時(shí)避障路徑的指令信息發(fā)送至運(yùn)輸機(jī)器人的控制中心，運(yùn)輸機(jī)器人執(zhí)行臨時(shí)避障路徑。

35、進(jìn)一步地，所述路徑上的動(dòng)態(tài)類型障礙物的各未來路徑的概率，其具體分析方法為：

36、通過模糊匹配算法，生成動(dòng)態(tài)障礙物的各未來路徑，通過概率云模型：，計(jì)算各未來路徑的概率值，其中表示各未來路徑上的一個(gè)點(diǎn)坐標(biāo)向量，表示各未來位置坐標(biāo)向量，表示離散度，π表示圓周率。

37、進(jìn)一步地，所述實(shí)施動(dòng)態(tài)類型障礙物避障響應(yīng)措施，其具體分析方法為：

38、基于各未來路徑的概率值，工廠運(yùn)輸機(jī)器人選擇一條避開障礙物的路徑。

39、相對于現(xiàn)有技術(shù)，本發(fā)明具有以下益處：第一、本發(fā)明根據(jù)歷史初始化路徑上的障礙物信息，進(jìn)行初始化路徑上的風(fēng)險(xiǎn)區(qū)域進(jìn)行劃分，在運(yùn)輸機(jī)器人到達(dá)風(fēng)險(xiǎn)區(qū)域時(shí)，采取更精細(xì)的圖像識(shí)別，判斷是否存在障礙物以及具體的類型，便于及時(shí)作出路徑避障，滿足工廠運(yùn)輸機(jī)器人的智能化和高效性，提高工廠生產(chǎn)效率。

40、第二、本發(fā)明采用模糊識(shí)別的方式，模糊邏輯的非精確性來處理實(shí)際應(yīng)用中的不確定因素和模糊性，能夠顯著提高對復(fù)雜場景中障礙識(shí)別、跟蹤和分類精度。

41、第三、本發(fā)明在路徑規(guī)劃和避障問題上使用概率方法，可以為不同路徑分配一個(gè)概率值，這個(gè)值表示路徑的可行性或者風(fēng)險(xiǎn)，通過云計(jì)算，可以對大量的可能路徑進(jìn)行計(jì)算和評估，選擇風(fēng)險(xiǎn)最小、代價(jià)最優(yōu)的路徑，能夠及時(shí)應(yīng)對障礙物路徑重新規(guī)劃的問題。