CN110347157A - 一种巡检路径规划方法、装置、设备及存储介质 - Google Patents
一种巡检路径规划方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110347157A CN110347157A CN201910602781.4A CN201910602781A CN110347157A CN 110347157 A CN110347157 A CN 110347157A CN 201910602781 A CN201910602781 A CN 201910602781A CN 110347157 A CN110347157 A CN 110347157A
- Authority
- CN
- China
- Prior art keywords
- robot
- gate inhibition
- gate
- target area
- inhibitions
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
- G05D1/0263—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means using magnetic strips
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
Abstract
本发明公开了一种巡检路径规划方法、装置、设备及存储介质。该方法包括：获取机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离；将所述机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离输入至预先训练的目标门禁预测模型；根据所述目标门禁预测模型的输出结果进行巡检路径规划，通过本发明的技术方案，能够避免与人员抢占通行资源，规划自适应巡检楼层路径。
Description
技术领域
本发明实施例涉及计算机技术，尤其涉及一种巡检路径规划方法、装置、设备及存储介质。
背景技术
随着楼宇智能化的发展，目前越来越多的楼宇具有楼宇服务机器人。机器人在服务楼宇时，经常需要规划巡检路径巡检楼宇。目前，机器人规划巡检路径大致分为二种：一、人工预先规划巡检路径；二、机器人在人工干预的情况下，遍历行走楼宇，智能学习巡检路径。不管上述那种方式，机器人的巡检路径都是一成不变的，无法根据楼宇通行设备和通道的实时状况或一定时间内的状况，自适应的规划巡检路径。
发明内容
本发明实施例提供一种巡检路径规划方法、装置、设备及存储介质，以实现能够避免与人员抢占通行资源，规划自适应巡检楼层路径。
第一方面，本发明实施例提供了一种巡检路径规划方法，包括：
获取机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离；
将所述机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离输入至预先训练的目标门禁预测模型；
根据所述目标门禁预测模型的输出结果进行巡检路径规划。
第二方面，本发明实施例还提供了一种巡检路径规划装置，该装置包括：
获取模块，用于获取机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离；
输入模块，用于将所述机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离输入至预先训练的目标门禁预测模型；
规划模块，用于根据所述目标门禁预测模型的输出结果进行巡检路径规划。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的巡检路径规划方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的巡检路径规划方法。
本发明实施例通过获取机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离；将所述机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离输入至预先训练的目标门禁预测模型；根据所述目标门禁预测模型的输出结果进行巡检路径规划，能够实现能够避免与人员抢占通行资源，规划自适应巡检楼层路径。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1A是本发明实施例一中的一种巡检路径规划方法的流程图；
图1B是本发明实施例一中的巡检路径规划流程图；
图2是本发明实施例二中的一种巡检路径规划方法的流程图；
图3是本发明实施例三中的一种巡检路径规划装置的结构示意图；
图4是本发明实施例四中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例一
图1A为本发明实施例一提供的一种巡检路径规划方法的流程图，本实施例可适用于巡检路径规划的情况，该方法可以由本发明实施例中的巡检路径规划装置来执行，该装置可采用软件和/或硬件的方式实现，如图1A所示，该方法具体包括如下步骤：
S110，获取机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离。
其中，所述门禁包括：闸机、电梯等。
其中，机器人通过至少两个门禁的复杂度需要根据门禁的长宽和机器人的长宽来确定，机器人的长宽与门禁的长宽之差越小，机器人通过门禁的复杂度越大。
其中，所述障碍物包括人和除人之外的摆设等。
其中，所述机器人通往至少两个门禁通道上的障碍物数量可以通过获取机器人通往至少两个门禁通道上的视频图像分析得到，还可以直接获取得到机器人通往至少两个门禁通道上的障碍物数量，本发明实施例对此不进行限制。
其中，机器人当前位置与目标区域所在位置之间的路径距离可以先通过机器人内置的定位设备获取机器人当前位置，然后根据机器人当前位置和目标区域所在位置，确定机器人当前位置与目标区域所在位置之间的路径距离。
具体的，机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离。
可选的，获取机器人通过至少两个门禁的复杂度包括：
获取机器人的外形数据和目标区域中至少两个门禁的长度和宽度数据，其中，所述外形数据包括机器人的长度和宽度；
根据所述机器人的长度和宽度以及所述目标区域中至少两个门禁的长度和宽度数据确定所述机器人通过至少两个门禁的复杂度。
具体的，获取当前楼层的所有门禁的长度和宽度数据、机器人的长度和宽度数据，根据机器人的长度和宽度以及当前楼层的所有门禁的长度和宽度数据确定机器人通过当前楼层的所有门禁的复杂度。
S120，将所述机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离输入至预先训练的目标门禁预测模型。
其中，所述目标门禁预测模型的训练方式可以为，预先建立一个初始门禁预测模型，然后获取机器人通过至少两个门禁的复杂度样本、所述机器人通往所述至少两个门禁通道上的障碍物数量样本以及所述机器人当前位置与目标区域所在位置之间的路径距离样本以及对应的门禁，根据机器人通过至少两个门禁的复杂度样本、所述机器人通往所述至少两个门禁通道上的障碍物数量样本以及所述机器人当前位置与目标区域所在位置之间的路径距离样本以及对应的门禁训练初始门禁预测模型。
具体的，将机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离输输入至预先训练的目标门禁预测模型，得到与之对应的门禁。
可选的，所述目标门禁预测模型的训练方法，包括：
获取机器人通过门禁的复杂度样本、所述机器人通往门禁通道上的障碍物数量样本以及所述机器人当前位置与目标区域所在位置之间的路径距离样本以及机器人实际通行的门禁，并建立第一门禁预测模型；
根据所述机器人通过门禁的复杂度样本、所述机器人通往门禁通道上的障碍物数量样本以及所述机器人当前位置与目标区域所在位置之间的路径距离样本以及机器人实际通行的门禁对所述第一门禁预测模型进行训练，生成目标门禁预测模型。
具体的，预先建立第一门禁预测模型，并获取样本数据，样本数据包括：智能系统提供的大量的楼宇中机器人通过门禁的复杂度样本、所述机器人通往门禁通道上的障碍物数量样本以及所述机器人当前位置与目标区域所在位置之间的路径距离样本，根据样本数据训练第一门禁预测模型，进而得到目标门禁预测模型。
S130，根据所述目标门禁预测模型的输出结果进行巡检路径规划。
其中，所述目标门禁预测模型的输出结果为与输入的机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离对应的门禁。
具体的，根据所述目标门禁预测模型的输出结果进行巡检路径规划，例如可以是，将机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离输入至目标门禁预测模型，输出与之对应的门禁，根据输出的门禁进行巡检路径规划。
可选的，还包括：
于获取到所述机器人的召梯指令时，获取楼宇中电梯的实时状态数据，其中，所述实时状态数据包括：电梯所在楼层、电梯目的楼层以及电梯轿厢内重量；
根据所述实时状态数据、所述机器人所在楼层以及所述机器人未巡检楼层确定目标电梯和目标楼层。
具体的，当整个楼层巡检完成后，机器人准备召电梯更换楼层巡检，此时，机器人向智能系统请求楼宇中所有电梯的实时状态数据。电梯实时状态数据包括各个电梯所在楼层C，目的楼层D、电梯轿厢内重量W，综合机器人所在楼层以及未巡检的楼层，智能分析后召唤一台最优电梯乘坐去往最优楼层。
在一个具体的例子中，如图1B所示，机器人需要去目标区域(R1区域)巡检，可通过两条路径到达M1门禁,M2门禁。根据智能系统提供的数据计算如下数据：M1门禁：机器人通过门禁M1的复杂度为P1、机器人通往门禁M1的通道上的障碍物数量N1、机器人当前位置与RI区域所在位置之间的路径距离L1，M2门禁：机器人通过门禁M2的复杂度为P2、机器人通往门禁M2的通道上的障碍物数量N2、机器人当前位置与RI区域所在位置之间的路径距离L2。预先经过数据样本训练后得到权重矩阵W＝[W1,W2,W3]；其中W1为机器人通过门禁的复杂度P的权重；W2为机器人通往门禁的通道上的障碍物数量N的权重；W3为机器人当前位置与目标区域所在位置之间的路径距离L的权重，b1、b2为偏置单元(bias)，为了计算方便，通常设置为1。综合上述数据，计算最优路径公式如下：d1＝∑→Z→A(P1*W1+N1*W2+L1*W3+b1)；d2＝∑→Z→A(P2*W1+N2*W2+L2*W3+b2)；选择计算得到的最小值即为通往巡检区域的最优巡检路径，上述∑→Z→A为神经网络算法的中的一系列计算函数。在机器人巡检完R1区域时，前往下一区域巡检时，重复上述步骤，计算前往下一区域的最优巡检路径；如此重复执行上述步骤，直到整个楼层的所有区域巡检完成。所有巡检区域的最优路径连接起来即为楼层的最优巡检路径。当整个楼层巡检完成后，机器人准备召电梯更换楼层巡检，此时，机器人向智能系统请求所有电梯的实时状态数据。上述电梯状态数据包括各个电梯所在层C，目的层D、电梯轿厢内重量W，综合机器人所在楼层以及未巡检的楼层，智能分析后召唤一台最优电梯乘坐去往最优楼层，机器人到达新楼层开始巡检时，重复上述步骤。直到整个楼宇巡检完成。
本实施例的技术方案，通过获取机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离；将所述机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离输入至预先训练的目标门禁预测模型；根据所述目标门禁预测模型的输出结果进行巡检路径规划，能够实现能够避免与人员抢占通行资源，规划自适应巡检楼层路径。
实施例二
图2为本发明实施例二中的一种巡检路径规划方法的流程图，本实施例以上述实施例为基础进行优化，在本实施例中，获取机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离之前，还包括：获取目标区域中至少两个门禁的实时状态数据；相应的，获取机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离包括：根据所述目标区域中至少两个门禁的实时状态数据确定待选择门禁；获取机器人通过至少两个待选择门禁的复杂度、所述机器人通往所述至少两个待选择门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离。
如图2所示，本实施例的方法具体包括如下步骤：
S210，获取目标区域中至少两个门禁的实时状态数据。
其中，所述实时状态数据包括门禁通行状态数据和门禁状态数据，其中，所述门禁通行状态数据可以为门禁准许通行状态，也可以为门禁不准许通行状态，例如可以是，若门禁为VIP通行，则机器人为非VIP，则机器人不能够通行。所述门禁状态数据可以为门禁故障，也可以为门禁正常。
具体的，机器人准确前往楼层目标区域巡检时，向智能系统请求目标区域中至少两个门禁的实时状态数据，机器人获取目标区域中至少两个门禁的实时状态数据，例如可以是，机器人准确前往楼层目标区域巡检时，向智能系统请求目标区域中所有门禁的实时状态数据，机器人获取目标区域中所有门禁的实时状态数据。
S220，根据所述目标区域中至少两个门禁的实时状态数据确定待选择门禁。
其中，根据目标区域中至少两个门禁的实时状态数据确定待选择门禁的方式可以为若门禁的实时状态数据为门禁准许通行状态，则将门禁确定为待选择门禁，也可以为若门禁的实时状态数据为门禁故障，则将门禁剔除，或者可以为若门禁的实时状态数据为门禁正常，则将门禁确定为待选择门禁，本发明实施例对此不进行限制。
具体的，获取目标区域中的所有门禁，根据目标区域中所有门禁的实时状态数据确定待选择门禁。
S230，获取机器人通过至少两个待选择门禁的复杂度、所述机器人通往所述至少两个待选择门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离。
具体的，机器人通过至少两个待选择门禁的复杂度、所述机器人通往所述至少两个待选择门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离，例如可以是，若RI区域存在门禁M1、门禁M2和门禁M3，获取门禁M1、门禁M2和门禁M3的实时状态数据，门禁M1为正常门禁，可以通行，门禁M2为可以通行的门禁，门禁M3为故障门禁，则将门禁M3剔除，将门禁M1、门禁M2确定为待选择门禁，获取机器人通过门禁M1的复杂度、机器人通往门禁M1通道上的障碍物数量以及机器人当前位置与目标区域所在位置之间的路径距离。
S240，将所述机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离输入至预先训练的目标门禁预测模型。
S250，根据所述目标门禁预测模型的输出结果进行巡检路径规划。
可选的，根据所述目标区域中至少两个门禁的实时状态数据确定待选择门禁包括：
根据所述目标区域中至少两个门禁的实时状态数据确定故障门禁和无权限通行门禁，其中，所述实时状态数据包括门禁通行状态数据以及门禁状态数据；
将所述目标区域中的门禁中剔除故障门禁和无权限通行门禁，作为待选择门禁。
其中，所述门禁通行状态数据可以为VIP通行门禁，也可以为准许通行门禁，或者可以为不准许通行门禁，本发明实施例对此不进行限制。
其中，所述门禁状态数据可以为门禁故障，也可以为门禁正常，本发明实施例对此不进行限制。
具体的，获取目标区域中的门禁的通行状态数据以及状态数据，进而根据门禁通行状态数据以及门禁状态数据确定门禁是否为故障门禁和/或无权限通行门禁，将目标区域中的门禁中剔除故障门禁和无权限通行门禁，得到待选择门禁。
本实施例的技术方案，通过获取目标区域中至少两个门禁的实时状态数据，根据所述目标区域中至少两个门禁的实时状态数据确定待选择门禁；获取机器人通过至少两个待选择门禁的复杂度、所述机器人通往所述至少两个待选择门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离，将所述机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离输入至预先训练的目标门禁预测模型；根据所述目标门禁预测模型的输出结果进行巡检路径规划，能够避免与人员抢占通行资源，规划自适应巡检楼层路径。
实施例三
图3为本发明实施例三提供的一种巡检路径规划装置的结构示意图。本实施例可适用于巡检路径规划的情况，该装置可采用软件和/或硬件的方式实现，该装置可集成在任何提供巡检路径规划的功能的设备中，如图3所示，所述巡检路径规划装置具体包括：获取模块310、输入模块320和规划模块330。
其中，获取模块310，用于获取机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离；
输入模块320，用于将所述机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离输入至预先训练的目标门禁预测模型；
规划模块330，用于根据所述目标门禁预测模型的输出结果进行巡检路径规划。
可选的，输入模块320用于：
获取机器人通过至少两个门禁的复杂度样本、所述机器人通往所述至少两个门禁通道上的障碍物数量样本以及所述机器人当前位置与目标区域所在位置之间的路径距离样本以及机器人实际通行的门禁，并建立第一门禁预测模型；
根据所述机器人通过至少两个门禁的复杂度样本、所述机器人通往所述至少两个门禁通道上的障碍物数量样本以及所述机器人当前位置与目标区域所在位置之间的路径距离样本以及机器人实际通行的门禁对所述第一门禁预测模型进行训练，生成目标门禁预测模型。
可选的，输入模块320还用于：
将所述机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离输入至预先训练的目标门禁预测模型及偏移项输入至预先训练的目标门禁预测模型。
可选的，还包括：
实时状态数据获取模块，用于获取目标区域中至少两个门禁的实时状态数据；
相应的，获取模块具体用于：
根据所述目标区域中至少两个门禁的实时状态数据确定待选择门禁；
获取机器人通过至少两个待选择门禁的复杂度、所述机器人通往所述至少两个待选择门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离。
可选的，获取模块还用于：
根据所述目标区域中至少两个门禁的实时状态数据确定故障门禁和无权限通行门禁，其中，所述实时状态数据包括门禁通行状态数据以及门禁状态数据；
将所述目标区域中的门禁中剔除故障门禁和无权限通行门禁，作为待选择门禁。
可选的，获取模块还用于：
获取机器人的外形数据和目标区域中至少两个门禁的长度和宽度数据，其中，所述外形数据包括机器人的长度和宽度；
根据所述机器人的长度和宽度以及所述目标区域中至少两个门禁的长度和宽度数据确定所述机器人通过至少两个门禁的复杂度。
可选的，还包括：
电梯状态获取模块，用于于获取到所述机器人的召梯指令时，获取楼宇中电梯的实时状态数据，其中，所述实时状态数据包括：电梯所在楼层、电梯目的楼层以及电梯轿厢内重量；
电梯和楼层确定模块，用于根据所述实时状态数据、所述机器人所在楼层以及所述机器人未巡检楼层确定目标电梯和目标楼层。
上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
本实施例的技术方案，通过获取机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离；将所述机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离输入至预先训练的目标门禁预测模型；根据所述目标门禁预测模型的输出结果进行巡检路径规划，能够实现能够避免与人员抢占通行资源，规划自适应巡检楼层路径。
实施例四
图4为本发明实施例四中的一种计算机设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图4显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。另外，本实施例中的计算机设备12，显示器24不是作为独立个体存在，而是嵌入镜面中，在显示器24的显示面不予显示时，显示器24的显示面与镜面从视觉上融为一体。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的巡检路径规划方法：获取机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离；将所述机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离输入至预先训练的目标门禁预测模型；根据所述目标门禁预测模型的输出结果进行巡检路径规划。
实施例五
本发明实施例五提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有发明实施例提供的巡检路径规划方法：获取机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离；将所述机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离输入至预先训练的目标门禁预测模型；根据所述目标门禁预测模型的输出结果进行巡检路径规划。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种巡检路径规划方法，其特征在于，包括：
获取机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离；
将所述机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离输入至预先训练的目标门禁预测模型；
根据所述目标门禁预测模型的输出结果进行巡检路径规划。
2.根据权利要求1所述的方法，其特征在于，所述目标门禁预测模型的训练方法，包括：
获取机器人通过门禁的复杂度样本、所述机器人通往门禁通道上的障碍物数量样本以及所述机器人当前位置与目标区域所在位置之间的路径距离样本以及机器人实际通行的门禁，并建立第一门禁预测模型；
根据所述机器人通过门禁的复杂度样本、所述机器人通往门禁通道上的障碍物数量样本以及所述机器人当前位置与目标区域所在位置之间的路径距离样本以及机器人实际通行的门禁对所述第一门禁预测模型进行训练，生成目标门禁预测模型。
3.根据权利要求1述的方法，其特征在于，将所述机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离输入至预先训练的目标门禁预测模型包括：
将所述机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离输入至预先训练的目标门禁预测模型及偏移项输入至预先训练的目标门禁预测模型。
4.根据权利要求1所述的方法，其特征在于，获取机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离之前，还包括：
获取目标区域中至少两个门禁的实时状态数据；
相应的，获取机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离包括：
根据所述目标区域中至少两个门禁的实时状态数据确定待选择门禁；
获取机器人通过至少两个待选择门禁的复杂度、所述机器人通往所述至少两个待选择门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离。
5.根据权利要求4所述的方法，其特征在于，根据所述目标区域中至少两个门禁的实时状态数据确定待选择门禁包括：
根据所述目标区域中至少两个门禁的实时状态数据确定故障门禁和无权限通行门禁，其中，所述实时状态数据包括门禁通行状态数据以及门禁状态数据；
将所述目标区域中的门禁中剔除故障门禁和无权限通行门禁，作为待选择门禁。
6.根据权利要求1所述的方法，其特征在于，获取机器人通过至少两个门禁的复杂度包括：
获取机器人的外形数据和目标区域中至少两个门禁的长度和宽度数据，其中，所述外形数据包括机器人的长度和宽度；
根据所述机器人的长度和宽度以及所述目标区域中至少两个门禁的长度和宽度数据确定所述机器人通过至少两个门禁的复杂度。
7.根据权利要求1所述的方法，其特征在于，还包括：
于获取到所述机器人的召梯指令时，获取楼宇中电梯的实时状态数据，其中，所述实时状态数据包括：电梯所在楼层、电梯目的楼层以及电梯轿厢内重量；
根据所述实时状态数据、所述机器人所在楼层以及所述机器人未巡检楼层确定目标电梯和目标楼层。
8.一种巡检路径规划装置，其特征在于，包括：
获取模块，用于获取机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离；
输入模块，用于将所述机器人通过至少两个门禁的复杂度、所述机器人通往所述至少两个门禁通道上的障碍物数量以及所述机器人当前位置与目标区域所在位置之间的路径距离输入至预先训练的目标门禁预测模型；
规划模块，用于根据所述目标门禁预测模型的输出结果进行巡检路径规划。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910602781.4A CN110347157A (zh) | 2019-07-05 | 2019-07-05 | 一种巡检路径规划方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910602781.4A CN110347157A (zh) | 2019-07-05 | 2019-07-05 | 一种巡检路径规划方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110347157A true CN110347157A (zh) | 2019-10-18 |
Family
ID=68178342
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910602781.4A Pending CN110347157A (zh) | 2019-07-05 | 2019-07-05 | 一种巡检路径规划方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110347157A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112016820A (zh) * | 2020-08-17 | 2020-12-01 | 广东电网有限责任公司广州供电局 | 巡检机器人调度方法、系统、装置和计算机设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012196731A (ja) * | 2011-03-22 | 2012-10-18 | Toyota Motor Corp | ロボットの移動管理システム及び移動管理方法 |
| CN104848849A (zh) * | 2015-05-12 | 2015-08-19 | 百度在线网络技术（北京）有限公司 | 基于定位技术的目标集结地点规划方法和规划装置 |
| CN108153966A (zh) * | 2017-12-22 | 2018-06-12 | 中山大学 | 基于gpu的多出口势能场模型人群实时疏散仿真方法 |
| CN108975101A (zh) * | 2018-07-18 | 2018-12-11 | 日立楼宇技术（广州）有限公司 | 电梯控制方法、装置、系统、设备和存储介质 |
| CN109059926A (zh) * | 2018-08-07 | 2018-12-21 | 北京云迹科技有限公司 | 跨楼层路径规划方法及系统 |
| CN109529341A (zh) * | 2018-10-23 | 2019-03-29 | 深圳豪客互联网有限公司 | 一种路径规划方法、装置及计算机可读存储介质 |
| CN109823931A (zh) * | 2019-02-28 | 2019-05-31 | 北京三快在线科技有限公司 | 智能移动设备的乘梯方法、装置、电子设备和存储介质 |
-
2019
- 2019-07-05 CN CN201910602781.4A patent/CN110347157A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012196731A (ja) * | 2011-03-22 | 2012-10-18 | Toyota Motor Corp | ロボットの移動管理システム及び移動管理方法 |
| CN104848849A (zh) * | 2015-05-12 | 2015-08-19 | 百度在线网络技术（北京）有限公司 | 基于定位技术的目标集结地点规划方法和规划装置 |
| CN108153966A (zh) * | 2017-12-22 | 2018-06-12 | 中山大学 | 基于gpu的多出口势能场模型人群实时疏散仿真方法 |
| CN108975101A (zh) * | 2018-07-18 | 2018-12-11 | 日立楼宇技术（广州）有限公司 | 电梯控制方法、装置、系统、设备和存储介质 |
| CN109059926A (zh) * | 2018-08-07 | 2018-12-21 | 北京云迹科技有限公司 | 跨楼层路径规划方法及系统 |
| CN109529341A (zh) * | 2018-10-23 | 2019-03-29 | 深圳豪客互联网有限公司 | 一种路径规划方法、装置及计算机可读存储介质 |
| CN109823931A (zh) * | 2019-02-28 | 2019-05-31 | 北京三快在线科技有限公司 | 智能移动设备的乘梯方法、装置、电子设备和存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112016820A (zh) * | 2020-08-17 | 2020-12-01 | 广东电网有限责任公司广州供电局 | 巡检机器人调度方法、系统、装置和计算机设备 |
| CN112016820B (zh) * | 2020-08-17 | 2022-10-25 | 广东电网有限责任公司广州供电局 | 巡检机器人调度方法、系统、装置和计算机设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112537702A (zh) | 机器人乘梯引导方法、装置、终端设备及可读存储介质 | |
| JP6678529B2 (ja) | エレベーターシステム及びかご呼び推定方法 | |
| US9988237B1 (en) | Elevator management according to probabilistic destination determination | |
| CN106326893A (zh) | 一种基于区域辨别的车辆颜色识别方法 | |
| CN108958241A (zh) | 机器人路径的控制方法、装置、服务器和存储介质 | |
| JP2019081626A (ja) | ビル内人流推定システムおよび推定方法 | |
| CN110626891A (zh) | 用于改进的电梯调度的系统和方法 | |
| CN109814545A (zh) | 自动驾驶无人售卖机的补货方法、装置及存储介质 | |
| CN110263713A (zh) | 车道线检测方法、装置、电子设备及存储介质 | |
| US20170131104A1 (en) | Automated Wayfinding of an Accessible Route | |
| CN109284801A (zh) | 交通指示灯的状态识别方法、装置、电子设备及存储介质 | |
| CN109253733A (zh) | 实时导航方法、装置、设备和介质 | |
| CN112896242A (zh) | 一种轨道交通的乘客乘车行为状态更新方法及装置 | |
| CN110347157A (zh) | 一种巡检路径规划方法、装置、设备及存储介质 | |
| JP2019210082A (ja) | エレベーター表示システム及びプログラム | |
| JP6627638B2 (ja) | エレベータの群管理システム、及びエレベータシステム | |
| CN111126689A (zh) | 一种地铁车站客流流线管控方法、装置、设备及存储介质 | |
| CN110348626A (zh) | 一种巡检路径规划方法、装置、设备及存储介质 | |
| CN111539401B (zh) | 基于人工智能的车道线检测方法、装置、终端及存储介质 | |
| CN113048973A (zh) | 路径规划方法、路径规划装置、管理系统和存储介质 | |
| KR20200021302A (ko) | 주차 유도 방법 및 장치 | |
| CN111797993A (zh) | 深度学习模型的评价方法、装置、电子设备及存储介质 | |
| JP2020169083A (ja) | 昇降機の運行状態表示装置、運行状態表示システム及び運行状態表示方法 | |
| CN110375744A (zh) | 一种路径处理方法和装置 | |
| CN110414460A (zh) | 一种数据处理方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191018 |