CN115830578B - 物品巡检方法、装置和电子设备 - Google Patents

Abstract

本公开的实施例公开了物品巡检方法、装置和电子设备。该方法的一具体实施方式包括：对目标无人车辆进行车辆自检，以生成车辆自检信息；响应于确定车辆自检信息表征目标无人车辆的车辆状态正常，根据车辆电量信息和高精度区域地图，规划目标无人车辆对应的初始巡检路线；控制目标无人车辆沿初始巡检路线进行移动，以及通过目标激光雷达实时扫描目标无人车辆的行驶方向对应区域的三维点云数据；根据三维点云数据，对初始巡检路线进行路线实时优化；通过沿优化后巡检路线行驶的、目标无人车辆上设置的近端通信装置与待巡检物品进行近端通信，以获取待巡检物品对应的当前状态信息。该实施方式提高了巡检效率。

Description

物品巡检方法、装置和电子设备

技术领域

本公开的实施例涉及计算机技术领域，具体涉及物品巡检方法、装置和电子设备。

背景技术

物品巡检是指对博物馆内陈列的物品进行巡检的一种方式。由于博物馆内陈列的文物、藏品较为贵重且较为易损。由此，通过物品巡检可以实现对文物和藏品的有效保护。目前，在进行物品巡检时，通常采用的方式为：通过人工的方式进行物品巡检。

然而，发明人发现，当采用上述方式时，经常会存在如下技术问题：

第一，博物馆内文物和藏品数量较多，通过人工巡检的方式，巡检效率较为低下，导致难以及时有效地发现受到损坏的文物和藏品；

第二，针对特殊的文物和藏品，需要特殊的存储方式进行存储，通过人工巡检的方式，难以对存储状态进行有效甄别。

该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了物品巡检方法、装置和电子设备，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种物品巡检方法，该方法包括：获取目标区域对应的高精度区域地图和目标无人车辆的车辆状态信息，其中，上述车辆状态信息包括：车辆电量信息；对上述目标无人车辆进行车辆自检，以生成车辆自检信息；响应于确定上述车辆自检信息表征上述目标无人车辆的车辆状态正常，根据上述车辆电量信息和上述高精度区域地图，规划上述目标无人车辆对应的初始巡检路线；控制上述目标无人车辆沿上述初始巡检路线进行移动，以及通过目标激光雷达实时扫描上述目标无人车辆的行驶方向对应区域的三维点云数据，其中，上述目标激光雷达为上述目标无人车辆上设置的激光雷达；根据上述三维点云数据，对上述初始巡检路线进行路线实时优化，以生成优化后巡检路线；通过沿上述优化后巡检路线行驶的、上述目标无人车辆上设置的近端通信装置与待巡检物品进行近端通信，以获取待巡检物品对应的当前状态信息。

第二方面，本公开的一些实施例提供了一种应用于目标无人车辆的物品巡检装置，装置包括：获取单元，被配置成获取目标区域对应的高精度区域地图和目标无人车辆的车辆状态信息，其中，上述车辆状态信息包括：车辆电量信息；车辆自检单元，被配置成对上述目标无人车辆进行车辆自检，以生成车辆自检信息；规划单元，被配置成响应于确定上述车辆自检信息表征上述目标无人车辆的车辆状态正常，根据上述车辆电量信息和上述高精度区域地图，规划上述目标无人车辆对应的初始巡检路线；控制单元，被配置成控制上述目标无人车辆沿上述初始巡检路线进行移动，以及通过目标激光雷达实时扫描上述目标无人车辆的行驶方向对应区域的三维点云数据，其中，上述目标激光雷达为上述目标无人车辆上设置的激光雷达；线路实时优化单元，被配置成根据上述三维点云数据，对上述初始巡检路线进行路线实时优化，以生成优化后巡检路线；通信单元，被配置成通过沿上述优化后巡检路线行驶的、上述目标无人车辆上设置的近端通信装置与待巡检物品进行近端通信，以获取待巡检物品对应的当前状态信息。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的物品巡检方法，提高了文物和藏品的巡检效率。具体来说，造成文物和藏品的巡检效率低下的原因在于：博物馆内文物和藏品的数量较多，通过人工巡检的方式，巡检效率较为低下，导致难以及时有效地发现受到损坏的文物和藏品。基于此，本公开的一些实施例的物品巡检方法，首先，获取目标区域对应的高精度区域地图和目标无人车辆的车辆状态信息，其中，上述车辆状态信息包括：车辆电量信息。实际情况中，高精度区域地图包含了目标区域内较为精细的地理信息。通过获取高精度区域地图信息和车辆状态信息，可以为后续的目标无人车辆的路径规划提供数据准备。接着，对上述目标无人车辆进行车辆自检，以生成车辆自检信息。为保障目标无人车辆能够顺利完成物品巡检，需要在巡检前对车辆进行自检。其次，响应于确定上述车辆自检信息表征上述目标无人车辆的车辆状态正常，根据上述车辆电量信息和上述高精度区域地图，规划上述目标无人车辆对应的初始巡检路线。当车辆状态正常时，开始规划目标无人车辆的初始巡检路线。进一步，控制上述目标无人车辆沿上述初始巡检路线进行移动，以及通过目标激光雷达实时扫描上述目标无人车辆的行驶方向对应区域的三维点云数据，其中，上述目标激光雷达为上述目标无人车辆上设置的激光雷达。实际情况中，在目标无人车辆的巡检过程中，巡检路线上可能会出现如行人等的障碍物，因此，需要在移动过程中，实时扫描目标无人车辆前方的三位点云数据。除此之外，根据上述三维点云数据，对上述初始巡检路线进行路线实时优化，以生成优化后巡检路线。以此实现障碍物的避障。最后，通过沿上述优化后巡检路线行驶的、上述目标无人车辆上设置的近端通信装置与待巡检物品进行近端通信，以获取待巡检物品对应的当前状态信息。通过近端通讯装置主动的与待巡检物品进行近端通信，以实时的获取相待巡检物品响应的当前状态信息。通过引入目标无人车实现了巡检自动化，在巡检效率、巡检频次上均实现了提高。同时，通过目标无人车辆上的近端通信装置与待巡检物品进行主动式的近端通信，可以更为有效且及时地得到物品的当前状态信息。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是根据本公开的物品巡检方法的一些实施例的流程图；

图2是根据本公开的物品巡检装置的一些实施例的结构示意图；

图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

参考图1，示出了根据本公开的物品巡检方法的一些实施例的流程100。该物品巡检方法，包括以下步骤：

步骤101，获取目标区域对应的高精度区域地图和目标无人车辆的车辆状态信息。

在一些实施例中，物品巡检方法的执行主体（例如，计算设备）可以通过有线连接或无线连接的方式获取目标区域对应的高精度区域地图和目标无人车辆的车辆状态信息。实践中，由于博物馆内的文物和藏品众多，因此，部分文物和藏品可以用于陈列展出，部分文物和藏品可以被储存存放。由此，上述目标区域可以是博物馆内陈列文物和藏品的区域。上述目标区域还可以是博物馆内存放文物和藏品的区域。上述高精度区域地图可以是上述目标区域对应的高精度的地理地图。上述目标无人车辆可以是博物馆内用于物品巡检的无人车辆。上述车辆状态信息可以表征上述目标无人车辆的车辆状态。其中，车辆状态信息可以包括：车辆电量信息。车辆电量信息可以表征上述目标无人车辆的当前电量。

需要指出的是，上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB（ultra wideband）连接、以及其他现在已知或将来开发的无线连接方式。

需要说明的是，上述计算设备可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。实践中，上述计算设备可以设置于上述目标无人车辆内部。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。应该理解，计算设备的数目根据实现需要，可以具有任意数目的计算设备。

步骤102，对目标无人车辆进行车辆自检，以生成车辆自检信息。

在一些实施例中，上述执行主体可以对目标无人车辆进行车辆自检，以生成车辆自检信息。其中，上述车辆自检信息表征上述目标无人车辆在车辆自检后的自检结果。实践中，上述执行主体可以执行预先设置的自检程序，实现对上述目标无人车辆的车辆自检。

在一些实施例的一些可选的实现方式中，上述执行主体对目标无人车辆进行车辆自检，以生成车辆自检信息，可以包括以下步骤：

第一步，确定上述目标无人车辆对应的车辆构件信息，得到车辆构件信息集合。

其中，车辆构件信息是构成上述目标无人车辆的构件的信息。实践中，上述执行主体可以通过上述目标无人车辆的车辆型号，确定构成上述目标无人车辆的车辆构件，得到上述车辆构件信息集合。其中，车辆构件信息集合中的车辆构件信息包括：车辆构件标识和车辆构件联动表。车辆构件标识是车辆构件的唯一标识。车辆构件联动表包含了与车辆构件标识对应的车辆构件存在联动关系的车辆构件的信息。实践中，车辆构件联动表中可以包括与车辆构件标识对应的车辆构件存在联动关系的车辆构件的车辆构件标识。

第二步，对于上述车辆构件信息集合中的每个车辆构件信息，根据上述车辆构件信息包括的车辆构件标识和车辆构件联动表，生成构件子联动树。

其中，上述构件子联动树表征车辆构件之间的联动关系。实践中，上述执行主体可以根据车辆构件之间的联动关系，通过车辆构件信息包括的车辆构件标识和车辆构件联动表，生成构件子联动树。

作为示例，车辆构件信息可以是{车辆构件标识：C001，车辆构件联动表可以是：[C002，C003]}。可以得出，“C001”对应的车辆构件分别与“C002”、“C003”对应的车辆构件存在联动关系，得到的构件子联动树可以是以“C001”为根节点，“C002”、“C003”为子节点的二叉树。具体的，当存在多个联动关系时，构件子联动树还可以是多叉树。

第三步，对得到的构件子联动树集合进行树融合，得到构件联动树。

实践中，上述执行主体可以通过实现森林到树的转换，实现将构件子联动树集合进行树融合，得到构件联动树。具体的，上述构件联动树可以是具有多层的、多叉树。

第四步，确定上述构件联动树对应的最小遍历路径，作为上述目标无人车辆对应的构件自检路径。

实践中，上述执行主体可以采用深度遍历算法对上述构件联动树进行遍历，将遍历路径，确定为上述构件自检路径。

第五步，沿上述构件自检路径，依次执行针对上述车辆构件信息集合中的每个车辆构件信息对应的车辆构件的自检程序，得到上述车辆自检信息。

其中，自检程序可以是预先设定的用于对车辆构件进行状态检查的程序。车辆自检信息表征对上述目标无人车辆包括的各个车辆构件进行自检后的自检结果。

实践中，为了保证目标无人车辆能够正常进行物品巡检，由此需要保证目标无人车辆内各车辆构件的正常。具体的，由于目标无人车辆的车辆构件繁多，且车辆构件之间的联动关系较为复杂。由此，本公开首先，通过设计车辆构件联动表，以此确定与单个车辆构件存在联动关系的其它车辆构件。接着，根据车辆构件标识和车辆构件表，生成构件子联动树。进一步，再将多个构件子联动树进行树合并，得到最后的构建联动树。最后，在根据构件联动树对应的构建自检路径，逐一执行车辆构件对应的自检程序。通过此种方式实现了对目标物品车辆的全面自检，且自检顺序更为合理、自检速度更加迅速。

步骤103，响应于确定车辆自检信息表征目标无人车辆的车辆状态正常，根据车辆电量信息和高精度区域地图，规划目标无人车辆对应的初始巡检路线。

在一些实施例中，上述执行主体可以响应于确定车辆自检信息表征目标无人车辆的车辆状态正常，根据车辆电量信息和高精度区域地图，规划目标无人车辆对应的初始巡检路线。实践中，上述执行主体可以根据车辆电量信息对应的最大运动距离，通过蚁群算法，确定在高精度区域地图内可通行区域内的移动路线，作为初始巡检路线。

可选地，上述高精度区域地图可以包括：可行驶区域和非可行驶区域。其中，可行驶区域可以是上述目标无人车辆可通行的区域。上述非可行驶区域可以是上述目标无人车辆不可通行的区域。实践中，非可行驶区域内可以陈列有文物和藏品。

在一些实施例的一些可选的实现方式中，上述执行主体根据车辆电量信息和高精度区域地图，规划目标无人车辆对应的初始巡检路线，可以包括以下步骤：

第一步，将上述车辆电量信息对应的车辆电量与预设冗余电量比例的乘积值，确定为可用车辆电量。

其中，（1-预设冗余电量比例）的值可以是用于保证目标无人车辆进行返程，或移动至无人车充电站的电量比例。可用车辆电量可以是目标无人车辆用于物品巡检的电量。

第二步，根据上述目标无人车辆对应的预设行驶速度和上述可用车辆电量，确定上述目标无人车辆的最大预测行驶距离。

实践中，上述执行主体可以根据在预设行驶速度下、单位时间的电量消耗量和上述可用车辆电量，确定上述最大预测行驶距离。具体的，单位时间的电量消耗量可以是根据上述目标无人车辆的历史电流消耗量得出的。

第三步，确定上述非可行驶区域中置放的物品对应的物品信息，得到物品信息集合。

其中，物品信息集合中的物品信息包括：物品位置信息和物品巡检标识。其中，物品位置信息表征物品信息对应的文物或藏品、在博物馆内的位置。实践中，物品位置信息可以用坐标表征。实践中，上述执行主体可以将物品位置位于上述非可行驶区域内的物品对应物品信息，确定为物品信息集合。物品巡检标识表征物品信息对应的文物或藏品是否被物品巡检过。物品巡检标识可以是第一标识。也可以是第二标识。第一标识可以表征物品信息对应的文物或藏品未进行物品巡检或需要重新进行物品巡检。第二标识表征物品信息对应的文物或物品经过物品巡检。例如，第一标识可以是“1”。第二标识可以是“0”

实践中，物品巡检标识会在一定时间后初始化为未被物品巡检过的物品巡检标识值。例如，当被物品巡检过，物品巡检标识可以是“1”。当未被物品巡检过，物品巡检标识可以是“0”。当经过3天后，物品巡检标识为“1”的可以初始化为“0”。

第四步，从上述物品信息集合中筛选出包括的物品巡检标识为第一标识的物品信息，作为候选物品信息，得到候选物品信息集合。

第五步，根据上述候选物品信息集合中的候选物品信息包括的物品位置信息，生成物品位置关联图。

实践中，上述执行主体可以通过生成折线图的方式，以此串联起候选物品信息包括的物品位置信息对应的坐标。得到物品位置关联图。

第六步，根据上述物品位置关联图，生成上述目标无人车辆在上述可行驶区域内的行驶路线，作为上述初始巡检路线。

其中，上述初始巡检路线可以是初始的、上述目标无人车辆的移动路线。实践中，上述执行主体可以依次将物品位置关联图对应的折线中的每段子折线的中点的连线，确定为初始巡检路线。

步骤104，控制目标无人车辆沿初始巡检路线进行移动，以及通过目标激光雷达实时扫描目标无人车辆的行驶方向对应区域的三维点云数据。

在一些实施例中，上述执行主体可以控制目标无人车辆沿初始巡检路线进行移动，以及通过目标激光雷达实时扫描目标无人车辆的行驶方向对应区域的三维点云数据。实践中，上述执行主体可以控制上述目标无人车辆以预设行驶速度、沿上述初始巡检路线进行移动。上述目标激光雷达为上述目标无人车辆上设置的激光雷达。实践中，目标激光雷达可以是毫米波雷达。

步骤105，根据三维点云数据，对初始巡检路线进行路线实时优化，以生成优化后巡检路线。

在一些实施例中，上述执行主体可以根据三维点云数据，对初始巡检路线进行路线实时优化，以生成优化后巡检路线。实践中，首先，上述执行主体可以通过将三维点云数据输入PointNet模型，得到多个障碍物坐标，然后，当存在障碍物坐标位于初始巡检路线上时，对初始巡检路线进行路线调整，以使得目标无人车辆对障碍物坐标对应的障碍物进行规避，以得到上述优化后巡检路线。

在一些实施例的一些可选的实现方式中，上述执行主体根据三维点云数据，对初始巡检路线进行路线实时优化，以生成优化后巡检路线，可以包括以下步骤：

第一步，对上述三维点云数据进行体素网格化处理，以生成处理后点云数据。

其中，处理后点云数据包括：至少一个立体网格单元，立体网格单元包括：至少一个子点云数据。实践中，上述执行主体可以通过八叉树，对上述三维点云数据进行体素网格化处理，以生成处理后点云数据。

第二步，对于上述处理后点云数据包括的至少一个立体网格单元中的每个立体网格单元，对上述立体网格单元包括的至少一个子点云数据进行关键点云数据提取，得到提取后子点云数据组。

实践中，上述执行主体可以同过SIFT（Scale Invariant Feature Transform，尺度特征不变转换）算法，对上述立体网格单元包括的至少一个子点云数据进行关键点云数据提取，得到提取后子点云数据组。

第三步，对得到的提取后子点云数据组集合进行点云投影，以得到二维平面下的、投影后子点云数据集合。

实践中，上述执行主体可以将提取后子点云数据组集合中的提取后子点云数据投影至XoY平面，得到投影后子点云数据集合。其中，XoY平面可以是指由X轴和Y轴构成的平面。具体的，上述XoY面也可以是地面所在的平面。

第四步，将上述投影后子点云数据集合输入预先训练的障碍物识别模型，得到障碍物位置信息集合。

其中，障碍物识别模型可以是YOLOv5（You Only Look Once Version 5）模型。

第五步，根据上述障碍物信息集合和上述初始巡检路线，生成避让路线。

实践中，当障碍物信息集合中存在障碍物信息对应的坐标位于上述初始巡检路线上时，自上述目标无人车辆的当前位置开始，对上述初始巡检路线进行路线调整，以使得上述目标无人车辆对障碍物信息对应的障碍物进行规避，得到上述避让路线。具体的，上述执行主体可以通过五次多项式，自上述目标无人车辆的当前位置开始，对上述初始巡检路线进行路线调整。

第六步，通过上述避让路线，对上述初始巡检路线进行路线更新，得到上述优化后巡检路线。

实践中，上述执行主体可以通过上述避让路线，对上述初始巡检路线对应区间内的子初始巡检路线进行路线替换，得到上述优化后巡检路线。

步骤106，通过沿优化后巡检路线行驶的、目标无人车辆上设置的近端通信装置与待巡检物品进行近端通信，以获取待巡检物品对应的当前状态信息。

在一些实施例中，上述执行主体可以通过沿优化后巡检路线行驶的、目标无人车辆上设置的近端通信装置与待巡检物品进行近端通信，以获取待巡检物品对应的当前状态信息。其中，近端通信装置可以是微波通信装置。上述当前状态信息可以是待巡检物品所处环境的环境状态信息。

在一些实施例的一些可选的实现方式中，上述执行主体通过沿优化后巡检路线行驶的、目标无人车辆上设置的近端通信装置与待巡检物品进行近端通信，以获取待巡检物品对应的当前状态信息，可以包括以下步骤：

第一步，响应于上述近端通信装置检测到通信信号，创建与发送上述通信信号的通信装置之间的通信链路。

第二步，确定上述通信链路的通信强度。

实践中，例如，上述执行主体可以将通信信号的信号强度作为通信强度。又如，上述执行主体可以将通过通信链路传输数据的丢包率作为通信强度。

第三步，响应于确定上述通信强度小于预设通信强度阈值，对上述通信链路进行链路加固。

实践中，上述执行主体可以增大近端通信装置的通讯功率，以实现链路加固的目的。

第四步，响应于链路加固成功，将上述通信装置对应的物品作为上述待巡检物品，以及通过加固后的通信链路获取上述待巡检物品对应的当前状态信息。

实践中，当上述通信链路的通信强度大于等于上述预设通信强度阈值时，可以认定链路加固成功。

可选地，上述当前状态信息包括：物品标识信息和物品实时状态信息。上述物品标识信息可以表征待巡检物品对应的物品标识。上述物品实时状态信息可以表征上述待巡检物品所处环境的实时环境状态。物品实时状态信息包括：环境湿度信息、环境温度信息、环境光强度信息和环境压力信息。环境湿度信息可以表征待巡检物品对应的湿度传感器采集得到的湿度值。环境温度信息可以表征待巡检物品对应的温度传感器采集得到的温度值。环境光强度信息可以表待巡检物品对应的光照传感器采集得到的光强度值。环境压力信息可以表征待巡检物品对应的大气压力传感器采集得到的大气压力值。

可选地，上述方法还包括：

第一步，根据上述物品标识信息，确定上述待巡检物品对应的物品标准状态信息。

实践中，物品标准状态信息可以包括待巡检物品对应的最适宜的保存状态。具体的，物品标准状态信息可以包括：标准环境湿度信息、标准环境温度信息、标准环境光强度信息和标准环境压力信息。例如，标准环境湿度信息、标准环境温度信息、标准环境光强度信息和标准环境压力信息可以分别用等级来表征。

第二步，分别对上述环境湿度信息、上述环境温度信息、上述环境光强度信息和上述环境压力信息进行向量化处理，以生成环境湿度向量、环境温度向量、环境光强度向量和环境压力向量。

实践中，上述执行主体可以分别通过向量编码网络，对上述环境湿度信息、上述环境温度信息、上述环境光强度信息和上述环境压力信息进行向量化处理，以生成环境湿度向量、环境温度向量、环境光强度向量和环境压力向量。具体的，上述向量编码网络可以是包括至少一层、且串行连接的卷积层的网络。

第三步，将上述环境湿度向量、上述环境温度向量、上述环境光强度向量和上述环境压力向量输入预先训练的物品状态指标预测模型，以生成上述待巡检物品对应的物品状态指标信息。

实践中，物品状态指标预测模型可以包括：湿度指标预测模型、温度指标预测模型、光强度指标预测模型和压力预测模型。具体的，湿度指标预测模型、温度指标预测模型、光强度指标预测模型和压力预测模型的模型结构一致。湿度指标预测模型和温度指标预测模型的模型参数共享。湿度指标预测模型可以是残差神经网络模型。

第四步，将上述物品状态指标信息与上述物品标准状态信息进行比对，以生成物品状态评价信息。

其中，物品状态评价信息可以是用于评价待巡检物品在湿度、温度、光强度和压力各个指标下的状态的评价信息。

上述第一步至第四步中的内容，作为本公开的一个发明点，解决了背景技术提及的技术问题二，即“针对特殊的文物和藏品，需要特殊的存储方式进行存储，通过人工巡检的方式，难以对存储状态进行有效甄别”。实践中，博物馆内中的文物和藏品受限于材质本身，在展出和保存的过程中，对于环境的要求极为苛刻。例如，湿度和温度对于纸质的文物或藏品都会产生影响，甚至产生不可能的损伤。基于此，本公开的一些实施例通过获取待巡检物品对应当前状态信息，以及根据当前状态信息包括的环境湿度信息、环境温度信息、环境光强度信息、环境压力信息以及物品状态预测模型，实现了对待巡检物品当前状态的有效识别。同时，考虑到温度和湿度相互之间会产生关联，例如，当温度较高时，湿度可能较低。由此，针对环境温度信息和环境湿度信息，对应的湿度指标预测模型和温度指标预测模型的模型参数共享。从而实现了温度和湿度在预测过程中的关联。通过此种方式，实现了对需要特殊存储的文物或藏品的存储状态的有效甄别。

可选地，上述方法还包括：

第一步，响应于确定上述目标无人车辆的实时车辆电量小于预设电量阈值，确定上述高精度区域地图中处于空闲状态的无人车充电站的位置坐标，作为候选坐标，得到候选坐标序列。

其中，上述执行主体可以检索上述高精度区域地图中处于空闲状态的无人车充电站的位置坐标，得到上述候选坐标序列。

第二步，对于上述候选坐标序列中的每个候选坐标，确定上述目标无人车辆在当前位置，移动至上述候选坐标的移动代价信息。

实践中，首先，上述执行主体可以规划上述目标无人车辆从当前位置移动至上述候选坐标的移动轨迹。然后，确定在预设行驶速度下，沿移动轨迹行驶至上述候选坐标处的时间，作为移动代价信息。

第三步，从上述候选坐标序列中筛选出对应的移动代价信息满足筛选条件的候选坐标作为目标坐标。

实践中，上述筛选条件可以是：移动代价信息对应的移动时间最短。

第四步，标记上述当前位置和上述优化后巡检路线中未行驶的路线、

第五步，响应于标记完成，控制上述目标无人车辆移动至上述目标坐标，以进行车辆充电。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的物品巡检方法，提高了文物和藏品的巡检效率。具体来说，造成文物和藏品的巡检效率低下的原因在于：博物馆内文物和藏品的数量较多，通过人工巡检的方式，巡检效率较为低下，导致难以及时有效地发现受到损坏的文物和藏品。基于此，本公开的一些实施例的物品巡检方法，首先，获取目标区域对应的高精度区域地图和目标无人车辆的车辆状态信息，其中，上述车辆状态信息包括：车辆电量信息。实际情况中，高精度区域地图包含了目标区域内较为精细的地理信息。通过获取高精度区域地图信息和车辆状态信息，可以为后续的目标无人车辆的路径规划提供数据准备。接着，对上述目标无人车辆进行车辆自检，以生成车辆自检信息。为保障目标无人车辆能够顺利完成物品巡检，需要在巡检前对车辆进行自检。其次，响应于确定上述车辆自检信息表征上述目标无人车辆的车辆状态正常，根据上述车辆电量信息和上述高精度区域地图，规划上述目标无人车辆对应的初始巡检路线。当车辆状态正常时，开始规划目标无人车辆的初始巡检路线。进一步，控制上述目标无人车辆沿上述初始巡检路线进行移动，以及通过目标激光雷达实时扫描上述目标无人车辆的行驶方向对应区域的三维点云数据，其中，上述目标激光雷达为上述目标无人车辆上设置的激光雷达。实际情况中，在目标无人车辆的巡检过程中，巡检路线上可能会出现如行人等的障碍物，因此，需要在移动过程中，实时扫描目标无人车辆前方的三位点云数据。除此之外，根据上述三维点云数据，对上述初始巡检路线进行路线实时优化，以生成优化后巡检路线。以此实现障碍物的避障。最后，通过沿上述优化后巡检路线行驶的、上述目标无人车辆上设置的近端通信装置与待巡检物品进行近端通信，以获取待巡检物品对应的当前状态信息。通过近端通讯装置主动的与待巡检物品进行近端通信，以实时的获取相待巡检物品响应的当前状态信息。通过引入目标无人车实现了巡检自动化，在巡检效率、巡检频次上均实现了提高。同时，通过目标无人车辆上的近端通信装置与待巡检物品进行主动式的近端通信，可以更为有效且及时地得到物品的当前状态信息。

进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种应用于目标无人车辆的物品巡检装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该应用于目标无人车辆的物品巡检装置具体可以应用于各种电子设备中。

如图2所示，一些实施例的应用于目标无人车辆的物品巡检装置200包括：获取单元201、车辆自检单元202、规划单元203、控制单元204、线路实时优化单元205和通信单元206。其中，获取单元201，被配置成获取目标区域对应的高精度区域地图和目标无人车辆的车辆状态信息，其中，上述车辆状态信息包括：车辆电量信息；车辆自检单元202，被配置成对上述目标无人车辆进行车辆自检，以生成车辆自检信息；规划单元203，被配置成响应于确定上述车辆自检信息表征上述目标无人车辆的车辆状态正常，根据上述车辆电量信息和上述高精度区域地图，规划上述目标无人车辆对应的初始巡检路线；控制单元204，被配置成控制上述目标无人车辆沿上述初始巡检路线进行移动，以及通过目标激光雷达实时扫描上述目标无人车辆的行驶方向对应区域的三维点云数据，其中，上述目标激光雷达为上述目标无人车辆上设置的激光雷达；线路实时优化单元205，被配置成根据上述三维点云数据，对上述初始巡检路线进行路线实时优化，以生成优化后巡检路线；通信单元206，被配置成通过沿上述优化后巡检路线行驶的、上述目标无人车辆上设置的近端通信装置与待巡检物品进行近端通信，以获取待巡检物品对应的当前状态信息。

可以理解的是，该应用于目标无人车辆的物品巡检装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于应用于目标无人车辆的物品巡检装置200及其中包含的单元，在此不再赘述。

下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备（例如，计算设备）300的结构示意图。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图3所示，电子设备300可以包括处理装置（例如中央处理器、图形处理器等）301，其可以根据存储在只读存储器302中的程序或者从存储装置308加载到随机访问存储器303中的程序而执行各种适当的动作和处理。在随机访问存储器303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、只读存储器302以及随机访问存储器303通过总线304彼此相连。输入/输出接口305也连接至总线304。

通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从只读存储器302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例中记载的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或者是上述两者的任意组合。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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（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。在本公开的一些实施例中，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。而在本公开的一些实施例中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP（Hyper Text TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取目标区域对应的高精度区域地图和目标无人车辆的车辆状态信息，其中，上述车辆状态信息包括：车辆电量信息；对上述目标无人车辆进行车辆自检，以生成车辆自检信息；响应于确定上述车辆自检信息表征上述目标无人车辆的车辆状态正常，根据上述车辆电量信息和上述高精度区域地图，规划上述目标无人车辆对应的初始巡检路线；控制上述目标无人车辆沿上述初始巡检路线进行移动，以及通过目标激光雷达实时扫描上述目标无人车辆的行驶方向对应区域的三维点云数据，其中，上述目标激光雷达为上述目标无人车辆上设置的激光雷达；根据上述三维点云数据，对上述初始巡检路线进行路线实时优化，以生成优化后巡检路线；通过沿上述优化后巡检路线行驶的、上述目标无人车辆上设置的近端通信装置与待巡检物品进行近端通信，以获取待巡检物品对应的当前状态信息。

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公开的一些实施例的操作的计算机程序代码，上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）。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、车辆自检单元、规划单元、控制单元、线路实时优化单元和通信单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，规划单元还可以被描述为“响应于确定上述车辆自检信息表征上述目标无人车辆的车辆状态正常，根据上述车辆电量信息和上述高精度区域地图，规划上述目标无人车辆对应的初始巡检路线的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (6)

1.一种物品巡检方法，包括：

获取目标区域对应的高精度区域地图和目标无人车辆的车辆状态信息，其中，所述车辆状态信息包括：车辆电量信息；

对所述目标无人车辆进行车辆自检，以生成车辆自检信息；

响应于确定所述车辆自检信息表征所述目标无人车辆的车辆状态正常，根据所述车辆电量信息和所述高精度区域地图，规划所述目标无人车辆对应的初始巡检路线，其中，所述高精度区域地图包括：可行驶区域和非可行驶区域；

控制所述目标无人车辆沿所述初始巡检路线进行移动，以及通过目标激光雷达实时扫描所述目标无人车辆的行驶方向对应区域的三维点云数据，其中，所述目标激光雷达为所述目标无人车辆上设置的激光雷达；

根据所述三维点云数据，对所述初始巡检路线进行路线实时优化，以生成优化后巡检路线；

通过沿所述优化后巡检路线行驶的、所述目标无人车辆上设置的近端通信装置与待巡检物品进行近端通信，以获取待巡检物品对应的当前状态信息，其中，所述当前状态信息包括：物品标识信息和物品实时状态信息，物品实时状态信息包括：环境湿度信息、环境温度信息、环境光强度信息和环境压力信息；

根据所述物品标识信息，确定所述待巡检物品对应的物品标准状态信息；

分别对所述环境湿度信息、所述环境温度信息、所述环境光强度信息和所述环境压力信息进行向量化处理，以生成环境湿度向量、环境温度向量、环境光强度向量和环境压力向量；

将所述环境湿度向量、所述环境温度向量、所述环境光强度向量和所述环境压力向量输入预先训练的物品状态指标预测模型，以生成所述待巡检物品对应的物品状态指标信息，其中，物品状态指标预测模型包括：湿度指标预测模型、温度指标预测模型、光强度指标预测模型和压力预测模型，所述湿度指标预测模型、所述温度指标预测模型、所述光强度指标预测模型和所述压力预测模型的模型结构一致，湿度指标预测模型和温度指标预测模型的模型参数共享，湿度指标预测模型是残差神经网络模型；

将所述物品状态指标信息与所述物品标准状态信息进行比对，以生成物品状态评价信息，其中，

所述对所述目标无人车辆进行车辆自检，以生成车辆自检信息，包括：

确定所述目标无人车辆对应的车辆构件信息，得到车辆构件信息集合，其中，所述车辆构件信息集合中的车辆构件信息包括：车辆构件标识、车辆构件联动表；

对于所述车辆构件信息集合中的每个车辆构件信息，根据所述车辆构件信息包括的车辆构件标识和车辆构件联动表，生成构件子联动树；

对得到的构件子联动树集合进行树融合，得到构件联动树；

确定所述构件联动树对应的最小遍历路径，作为所述目标无人车辆对应的构件自检路径；

沿所述构件自检路径，依次执行针对所述车辆构件信息集合中的每个车辆构件信息对应的车辆构件的自检程序，得到所述车辆自检信息，其中，

所述根据所述车辆电量信息和所述高精度区域地图，规划所述目标无人车辆对应的初始巡检路线，包括：

将所述车辆电量信息对应的车辆电量与预设冗余电量比例的乘积值，确定为可用车辆电量；

根据所述目标无人车辆对应的预设行驶速度和所述可用车辆电量，确定所述目标无人车辆的最大预测行驶距离；

确定所述非可行驶区域中置放的物品对应的物品信息，得到物品信息集合，其中，所述物品信息集合中的物品信息包括：物品位置信息和物品巡检标识；

从所述物品信息集合中筛选出包括的物品巡检标识为第一标识的物品信息，作为候选物品信息，得到候选物品信息集合；

根据所述候选物品信息集合中的候选物品信息包括的物品位置信息，生成物品位置关联图；

根据所述物品位置关联图，生成所述目标无人车辆在所述可行驶区域内的行驶路线，作为所述初始巡检路线。

2.根据权利要求1所述的方法，其中，所述通过沿所述优化后巡检路线行驶的、所述目标无人车辆上设置的近端通信装置与待巡检物品进行近端通信，以获取待巡检物品对应的当前状态信息，包括：

响应于所述近端通信装置检测到通信信号，创建与发送所述通信信号的通信装置之间的通信链路；

确定所述通信链路的通信强度；

响应于确定所述通信强度小于预设通信强度阈值，对所述通信链路进行链路加固；

响应于链路加固成功，将所述通信装置对应的物品作为所述待巡检物品，以及通过加固后的通信链路获取所述待巡检物品对应的当前状态信息。

3.根据权利要求2所述的方法，其中，所述根据所述三维点云数据，对所述初始巡检路线进行路线实时优化，以生成优化后巡检路线，包括：

对所述三维点云数据进行体素网格化处理，以生成处理后点云数据，其中，所述处理后点云数据包括：至少一个立体网格单元，立体网格单元包括：至少一个子点云数据；

对于所述处理后点云数据包括的至少一个立体网格单元中的每个立体网格单元，对所述立体网格单元包括的至少一个子点云数据进行关键点云数据提取，得到提取后子点云数据组；

对得到的提取后子点云数据组集合进行点云投影，以得到二维平面下的、投影后子点云数据集合；

将所述投影后子点云数据集合输入预先训练的障碍物识别模型，得到障碍物位置信息集合；

根据所述障碍物信息集合和所述初始巡检路线，生成避让路线；

通过所述避让路线，对所述初始巡检路线进行路线更新，得到所述优化后巡检路线。

4.根据权利要求3所述的方法，其中，所述方法还包括：

响应于确定所述目标无人车辆的实时车辆电量小于预设电量阈值，确定所述高精度区域地图中处于空闲状态的无人车充电站的位置坐标，作为候选坐标，得到候选坐标序列；

对于所述候选坐标序列中的每个候选坐标，确定所述目标无人车辆在当前位置，移动至所述候选坐标的移动代价信息；

从所述候选坐标序列中筛选出对应的移动代价信息满足筛选条件的候选坐标作为目标坐标；

标记所述当前位置和所述优化后巡检路线中未行驶的路线；

响应于标记完成，控制所述目标无人车辆移动至所述目标坐标，以进行车辆充电。

5.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至4中任一所述的方法。

6.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至4中任一所述的方法。

Images