CN116755451B - 一种智能巡逻机器人路径规划方法及系统 - Google Patents

Abstract

本发明公开了一种智能巡逻机器人路径规划方法及系统，涉及巡逻机器人技术领域，该系统包括数据监测模块、路径生成模块以及执行模块；路径生成模块用于在三维地图上规划并执行最短路径，根据路径中遇到不同障碍物的情况；执行模块用于根据实际巡逻机器人的运行情况，获取并执行对应的应对策略；其技术要点为：通过结合自身因素和环境因素，完成对各个方向上红外传感器的检测精度进行分析和评估，能够获取实际运行中红外传感器的检测精度，结合后续仿真训练单元和执行模块进行处理，能够同时规避实际障碍物和动态障碍物，并根据情况进行自主报修，大大提高了巡逻机器人在应对突发故障时的工作效率，具有极高的调节性。

Description

一种智能巡逻机器人路径规划方法及系统

技术领域

本发明涉及巡逻机器人技术领域，具体为一种智能巡逻机器人路径规划方法及系统。

背景技术

巡逻机器人是一种能自主执行巡逻任务的智能设备，它通常由多种技术组合而成，包括机器视觉、传感器、导航系统以及通信模块，巡逻机器人的主要功能包括如下几个方面：

安全监控：巡逻机器人可以在特定区域内进行全天候的监控和巡视，检测异常情况，例如入侵者、火灾以及泄漏，并发送报警信息给相关人员；巡逻巡检：巡逻机器人可以按照设定的路径或区域巡查，检查设施设备是否正常运行，维护环境安全和设备的正常使用；数据采集与分析：巡逻机器人可以搭载各种传感器，收集环境数据，如温度、湿度、气体浓度等，并将数据传输给后台进行分析，为决策提供支持。

在申请公布号为CN115585809A的中国发明申请中，公开了一种仓库巡逻机器人的巡逻方法、系统和可读存储介质，巡逻机器人通过已保存的地图信息实现最优路径规划、自主导航、自主定位的功能，最终完成仓库巡逻机器人的巡逻监控；在申请公布号为CN109579848A的中国发明申请中，公开了一种保持全局路径下机器人的中间规划方法，能够规划出一条工作路径满足既不偏离全局路径又能尽可能多逼近多个目标的巡逻要求。

在以上申请中，均是为了进行路径规划和自主导航而设计的，对于实际巡逻机器人的设计方面，需要在机器人的机身表面安装较多的红外传感器，用于测距使用，然而该部分的传感器在运行过程中可能会由于机器人所处环境的原因或是其他原因导致测量准确度降低，甚至发生损坏故障，导致整个巡逻机器人无法进行测距调整或是无法应对突发障碍物，通常需要进行紧急报修，在应对测量准确度降低的情况也需要进行报修处理，但是准确度降低的情况无法及时获取，从而影响到整个巡逻机器人正常进行巡逻工作时的工作效率。

发明内容

（一）解决的技术问题

针对现有技术的不足，本发明提供了一种智能巡逻机器人路径规划方法及系统，通过结合自身因素和环境因素，完成对各个方向上红外传感器的检测精度进行分析和评估，能够获取实际运行中红外传感器的检测精度，结合后续仿真训练单元和执行模块进行处理，能够同时规避实际障碍物和动态障碍物，并根据情况进行自主报修，解决了背景技术中提出的问题。

（二）技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种智能巡逻机器人路径规划系统，包括数据监测模块、路径生成模块以及执行模块；

其中，所述数据监测模块包括第一数据采集单元和第二数据采集单元；

所述第一数据采集单元用于采集巡逻机器人周边方向上配设红外传感器的状态数据，并实时获取各个方向上红外传感器的状态评估值Pgz，根据状态评估值Pgz判断对应红外传感器的监测结果；所述第二数据采集单元用于采集并建立巡检区域的三维地图；

所述路径生成模块用于在三维地图上规划并执行最短路径，根据路径中遇到不同障碍物的情况，生成对应的应对策略，在条件允许的情况下，保证巡逻机器人始终完成巡逻任务，在无法完成巡逻任务时，则尽快进行返修处理；

所述执行模块用于根据实际巡逻机器人的运行情况，获取并执行对应的应对策略。

进一步的，采集到的状态数据至少包括对应红外传感器的灵敏度TPR、温度T、湿度C以及信噪比SNR，其中的灵敏度TPR可直接获取，温度T和湿度C通过设置的温度计和湿度计实时获取，其中的灵敏度TPR和信噪比SNR作为设备自身因素，温度T和湿度C为环境因素，可从多个角度确保获取到状态评估值Pgz的全面性和准确性。

需要说明的是：传感器的灵敏度是一个具体的数值，用于衡量传感器对输入信号变化的响应程度，灵敏度的值表示单位输入变化引起的传感器输出的变化量；

要获取传感器的灵敏度值，可以采用以下方法：

第一种为标准测试：通常，传感器制造商会在产品规格中提供灵敏度的数值，可以查阅传感器的技术规格手册或相关文档，即可找到灵敏度的具体数值；

第二种为实验测量：可以通过实验测量的方式来获取传感器的灵敏度数值，这通常需要一个已知的输入信号和相应的传感器输出，通过在输入信号上施加不同幅度的变化，并记录传感器输出的变化量，可以计算出灵敏度，具体的计算公式如下：

TPR=Δ输出/Δ输入

其中，Δ输出表示传感器输出的变化量，Δ输入表示对应的输入信号的变化量，通过标准测试或实验测量，可以获得传感器的灵敏度数值，并用于评估和衡量传感器对输入信号变化的敏感程度，这个数值可以帮助我们理解和使用传感器，并在实际应用中进行适当的调整和校准。

信噪比SNR的获取方式如下：

S101、采集数据：采集并记录红外传感器的输出数据；

S102、分析信号和噪音：根据采集到的数据，分析并计算信号和噪声的强度，信号强度表示为红外辐射的平均值，噪声强度通过测量红外传感器在无红外辐射情况下的输出值来测定；

S103、计算信噪比：计算信噪比使用到的公式如下：

SNR = 20 * log10(信号强度/噪声强度)

式中，信号强度和噪声强度通常使用功率或电压的单位。

进一步的，对单个红外传感器的灵敏度TPR、温度T、湿度C以及信噪比SNR进行无量纲处理后，关联获取对应方向上红外传感器的状态评估值Pgz；

方式如下：

式中，以及/>分别为灵敏度TPR、温度T、湿度C以及信噪比SNR的预设比例系数，且/>以及/>均大于0。

进一步的，所述第一数据采集单元内置诊断子单元，若是状态评估值Pgz＜0.1，则表示对应红外传感器的监测结果准确，若是状态评估值Pgz≥0.1，则表示对应红外传感器的监测结果不准确，并标记对应红外传感器所检测的区域为动态故障物，评估值的大小与红外传感器监测结果的准确程度成反比，即评估值越大，则对应红外传感器监测结果的准确程度越低，其中，当Pgz＞0.5时，则表示对应红外传感器发生破损或故障。

进一步的，所述第二数据采集单元采集并建立巡检区域的三维地图的方式如下：

S201，获取巡逻机器人巡检区域的三维图像信息；

S202，将三维图像信息输入由SLAM算法建立的地图构建模型中；

其中，SLAM是一种同时进行定位和建图的技术算法，SLAM算法的核心思想是将移动机器人在未知环境中进行建图和自主定位的过程进行融合，它通过利用传感器信息、运动模型和环境场景的特征，以实现对机器人位置的估计和对环境地图的构建；

S203，输出巡检区域的三维地图。

进一步的，所述路径生成模块包括依次运行的识别单元、路径规划单元以及仿真训练单元；

其中，所述识别单元，识别动态障碍物和三维地图内的实际障碍物；

所述路径规划单元，使用路径规划算法构建路径规划模型，在规避实际障碍物后，通过路径规划模型规划出若干条指向目标位置的移动路径，并在三维地图上显示，该处提及的路径规划算法包括RRT算法和PRM算法；

其中，RRT算法适用于对环境和路径要求不高的情况，其随机化特性使其能够快速地在未知空间中搜索可行路径，而PRM算法则适用于对路径质量有较高要求的情况，通过图结构的建立和离线规划，能够提供较优的路径规划解决方案，具体选择哪种算法取决于具体问题的要求和应用场景，提供多种算法供系统进行选择，可保证系统的正常运作。

所述仿真训练单元，模拟执行各个移动路径，并提取耗时最短的路径为执行路径，在仿真模型中的机器人按照执行路径进行移动，在仿真模型中的机器人按照执行路径进行移动后，若移动过程中机器人能够始终规避实际障碍物，则生成第一策略；若机器人移动过程中检测到动态障碍物，则通过仿真训练单元内置的分析子单元执行旋转巡逻机器人机身的指令，若是能够规避动态障碍物，则生成第二策略，若是执行旋转巡逻机器人机身的指令依旧无法规避障碍物，则生成第三策略。

进一步的，在所述执行模块中，若是获取到第一策略，则实际巡逻机器人按照最短路径进行运行，若是获取到第二策略，则实际巡逻机器人继续按照最短路径进行运动，并在一次巡检工作完成后进行报修，若是获取到第三策略，则实际巡逻机器人按照原路径返回，并进行报修。

（三）有益效果

本发明提供了一种智能巡逻机器人路径规划方法及系统，具备以下有益效果：

由于现有巡逻机器人上均配置红外传感器，通过结合自身因素和环境因素，完成对各个方向上红外传感器的检测精度进行分析和评估，能够获取实际运行中红外传感器的检测精度，在运行时，若是某个红外传感器由于故障而导致精度降低，甚至损坏，通过将其监测区域标记为动态故障物，结合后续仿真训练单元和执行模块进行处理，能够同时规避实际障碍物和动态障碍物，在条件允许的情况下，保证巡逻机器人在规划的路径上运行稳定，应对故障时也能够进行自主报修，大大提高了巡逻机器人在应对突发故障时的工作效率，具有极高的调节性。

附图说明

图1为本发明智能巡逻机器人路径规划系统的整体结构框图之一；

图2为本发明智能巡逻机器人路径规划系统的整体结构框图之二；

图3为本发明智能巡逻机器人路径规划方法的整体流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1：请参阅图1及图2，本发明提供一种智能巡逻机器人路径规划系统，包括数据监测模块、路径生成模块以及执行模块；

其中，数据监测模块包括第一数据采集单元和第二数据采集单元；

第一数据采集单元用于采集巡逻机器人前、后、左、右方向上配设红外传感器的状态数据，并实时获取各个方向上红外传感器的状态评估值Pgz，该状态评估值Pgz用于反应对应红外传感器的检测精度；其中，状态数据至少包括：对应红外传感器的灵敏度TPR、温度T、湿度C以及信噪比SNR，其中的灵敏度TPR和信噪比SNR作为设备自身因素，温度T和湿度C为环境因素；

需要说明的是：灵敏度TPR：用于衡量传感器对输入信号变化的响应程度，灵敏度TPR的值表示单位输入变化引起的传感器输出的变化量；

要获取传感器的灵敏度值，可以采用以下方法：

第一种为标准测试：通常，传感器制造商会在产品规格中提供灵敏度的数值，可以查阅传感器的技术规格手册或相关文档，即可找到灵敏度的具体数值；

第二种为实验测量：可以通过实验测量的方式来获取传感器的灵敏度数值，这通常需要一个已知的输入信号和相应的传感器输出，通过在输入信号上施加不同幅度的变化，并记录传感器输出的变化量，可以计算出灵敏度，具体的计算公式如下：

TPR=Δ输出/Δ输入

其中，Δ输出表示传感器输出的变化量，Δ输入表示对应的输入信号的变化量，通过标准测试或实验测量，可以获得传感器的灵敏度数值，并用于评估和衡量传感器对输入信号变化的敏感程度，这个数值可以帮助我们理解和使用传感器，并在实际应用中进行适当的调整和校准。

信噪比SNR：其是指信号强度与噪声强度之间的比值，在红外传感器中，信号是所感知的红外辐射，而噪声是任何干扰信号的外部干扰源或传感器本身的噪声；

信噪比SNR的获取方式如下：

S101、采集数据：采集并记录红外传感器的输出数据；

S102、分析信号和噪音：根据采集到的数据，分析并计算信号和噪声的强度，信号强度可以表示为红外辐射的平均值，而噪声强度可以通过测量红外传感器在无红外辐射情况下的输出值来测定；

S103、计算信噪比：计算信噪比使用到的公式如下：

SNR = 20 * log10(信号强度/噪声强度)

式中，信号强度和噪声强度通常使用功率或电压的单位。

温度T：反映当前红外传感器所处环境的温度，通过设置温度传感器获取；

湿度C：反映当前红外传感器所处环境的湿度，通过设置湿度计获取；

对单个红外传感器的灵敏度TPR、温度T、湿度C以及信噪比SNR进行无量纲处理后，关联获取对应方向上红外传感器的状态评估值Pgz；

方式如下：

式中，以及/>分别为灵敏度TPR、温度T、湿度C以及信噪比SNR的预设比例系数，且/>以及/>均大于0。

第一数据采集单元内置诊断子单元，若是状态评估值Pgz＜0.1，则表示对应红外传感器的监测结果准确，若是状态评估值Pgz≥0.1，则表示对应红外传感器的监测结果不准确，并标记对应红外传感器所检测的区域为动态故障物；

需要说明的是：评估值的大小与红外传感器监测结果的准确程度成反比，即评估值越大，则对应红外传感器监测结果的准确程度越低，其中，当Pgz＞0.5时，则表示对应红外传感器发生破损或故障；

第二数据采集单元用于采集并建立巡检区域的三维地图；

S201、获取巡逻机器人巡检区域的三维图像信息；

S202、将三维图像信息输入由SLAM算法建立的地图构建模型中；

S203、输出巡检区域的三维地图。

需要说明的是：SLAM是一种同时进行定位和建图的技术算法，SLAM算法的核心思想是将移动机器人在未知环境中进行建图和自主定位的过程进行融合，它通过利用传感器信息、运动模型和环境场景的特征，以实现对机器人位置的估计和对环境地图的构建；SLAM算法主要分为前端和后端两个阶段，前端负责处理传感器数据，主要包括数据预处理、特征提取、数据关联和运动估计；后端则基于前端提供的数据，通过非线性优化方法对机器人的轨迹和地图进行更新和优化，常见的SLAM算法包括基于滤波器的扩展卡尔曼滤波（EKF-SLAM）、基于图优化的后端非线性优化（Graph-SLAM）和基于粒子滤波器的RBPF-SLAM。

路径生成模块包括识别单元、路径规划单元以及仿真训练单元；

其中，识别单元用于识别动态障碍物和三维地图内的实际障碍物；

路径规划单元，使用路径规划算法构建路径规划模型，在规避实际障碍物后，通过路径规划模型规划出若干条指向目标位置的移动路径，并在三维地图上显示，

具体的，在路径规划单元中使用的路径规划算法包括RRT算法和PRM算法。

需要说明的是，RRT算法和PRM算法都是路径规划算法，但具有不同的思想和特点；

RRT算法是一种基于树结构的单机器人路径规划算法，它通过随机采样的方式在配置空间中逐渐生成一棵生长的随机树，RRT算法的核心思想是通过不断扩展树的枝干，尽量覆盖整个配置空间，并试图找到连接起始点和目标点的路径，在生成树的过程中，RRT算法使用随机样本来引导搜索，从而快速探索未知空间，并且在搜索过程中具有较好的随机性和可扩展性；

PRM算法是一种基于图结构的多机器人路径规划算法，也可以应用于单机器人情景，PRM算法先通过随机采样的方式在配置空间中生成一组节点，然后根据节点之间的可连接关系建立一张图，接下来，通过搜索和优化算法来寻找起始点和目标点之间的最优路径，相比于RRT算法，PRM算法更加注重建立全局可达性检测，通过离线阶段对全局路径进行规划和优化，能够提供更高质量的路径；

总的来说，RRT算法适用于对环境和路径要求不高的情况，其随机化特性使其能够快速地在未知空间中搜索可行路径，而PRM算法则适用于对路径质量有较高要求的情况，通过图结构的建立和离线规划，能够提供较优的路径规划解决方案，具体选择哪种算法取决于具体问题的要求和应用场景。

仿真训练单元，模拟执行各个移动路径，并提取耗时最短的路径为执行路径，在仿真模型中的机器人按照执行路径进行移动，若移动过程中机器人能够始终规避实际障碍物，则生成第一策略，若机器人移动过程中检测到动态障碍物，则通过仿真训练单元内置的分析子单元执行旋转巡逻机器人机身的指令，使得出现故障的红外传感器转移后与巡逻机器人行进相反的方向上即可，若是能够规避动态障碍物，则生成第二策略，若是执行旋转巡逻机器人机身的指令依旧无法规避障碍物，则生成第三策略；

执行模块，根据获取到的策略进行实际执行；

若是获取到第一策略，则实际巡逻机器人按照最短路径进行运行；

若是获取到第二策略，则实际巡逻机器人继续按照最短路径进行运动，并在一次巡检工作完成后进行报修；

若是获取到第三策略，则实际巡逻机器人按照原路径返回，并进行报修。

具体的，进行报修的具体流程为：

S301、数据记录和分析：巡逻机器人会自动记录故障发生的时间、地点和详细信息，同时还会采集相关的传感器数据，这些数据可以用于后续的故障分析和处理；

S302、报修申请：机器人根据故障信息，自动生成报修申请或工单，并将其传输给相关维修人员或维修系统，报修申请通常包括故障描述、位置信息以及机器人的识别码；

S303、维修任务分配：报修申请会被维修部门或相关人员接收并进行任务分配，他们会根据设备的故障性质、优先级、维修人员的工作负荷等因素，决定将该任务分配给哪个维修人员；

S304、维修和处理：维修人员会根据报修申请的内容和设备的问题，进行相应的维修和处理工作，可能包括现场维修、部件更换以及软件调试；

S305、测试和确认：维修完成后，维修人员会对设备进行测试和确认，确保故障已经被排除，并设备已经恢复正常工作；

S306、记录和反馈：维修人员会记录维修过程的详细信息和相关数据，并将维修结果反馈给申请报修的人员或系统，这个过程可以用于后续的数据分析和问题追踪。

实施例2：请参阅图3，本发明提供一种智能巡逻机器人路径规划方法，包括如下步骤：

步骤一、采集巡逻机器人周边方向上配设红外传感器的状态数据，并实时获取各个方向上红外传感器的状态评估值Pgz，根据状态评估值Pgz判断对应红外传感器的监测结果，同步采集并建立巡检区域的三维地图；

步骤二、在三维地图上规划并执行最短路径，在仿真模型中的机器人按照执行路径进行移动后，若移动过程中机器人能够始终规避实际障碍物，则生成第一策略；若机器人移动过程中检测到动态障碍物，则执行旋转巡逻机器人机身的指令，若是能够规避动态障碍物，则生成第二策略，若是执行旋转巡逻机器人机身的指令依旧无法规避障碍物，则生成第三策略；

步骤三、根据实际巡逻机器人的运行情况，获取并执行对应的应对策略，若是获取到第一策略，则实际巡逻机器人按照最短路径进行运行，若是获取到第二策略，则实际巡逻机器人继续按照最短路径进行运动，并在一次巡检工作完成后进行报修，若是获取到第三策略，则实际巡逻机器人按照原路径返回，并进行报修。

结合实施例1和实施例2的内容可以得知：

由于现有巡逻机器人上均配置红外传感器，通过结合自身因素和环境因素，完成对各个方向上红外传感器的检测精度进行分析和评估，能够获取实际运行中红外传感器的检测精度，在运行时，若是某个红外传感器由于故障而导致精度降低，甚至损坏，通过将其监测区域标记为动态故障物，结合后续仿真训练单元和执行模块进行处理，能够同时规避实际障碍物和动态障碍物，在条件允许的情况下，保证巡逻机器人在规划的路径上运行稳定，应对故障时也能够进行自主报修，大大提高了巡逻机器人在应对突发故障时的工作效率，具有极高的调节性。

上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。

Claims (7)

1.一种智能巡逻机器人路径规划系统，其特征在于：包括数据监测模块、路径生成模块以及执行模块；

其中，所述数据监测模块包括第一数据采集单元和第二数据采集单元；

所述第一数据采集单元用于采集巡逻机器人周边方向上配设红外传感器的状态数据，并实时获取各个方向上红外传感器的状态评估值Pgz，根据状态评估值Pgz判断对应红外传感器的监测结果；所述第二数据采集单元用于采集并建立巡检区域的三维地图；

其中，采集到的状态数据至少包括对应红外传感器的灵敏度TPR、温度T、湿度C以及信噪比SNR，其中的灵敏度TPR可直接获取，温度T和湿度C通过设置的温度计和湿度计实时获取，信噪比SNR的获取方式如下：

S101、采集数据：采集并记录红外传感器的输出数据；

S102、分析信号和噪音：根据采集到的数据，分析并计算信号和噪声的强度，信号强度表示为红外辐射的平均值，噪声强度通过测量红外传感器在无红外辐射情况下的输出值来测定；

S103、计算信噪比：计算信噪比使用到的公式如下：

SNR = 20 * log10(信号强度/噪声强度)；

式中，信号强度和噪声强度使用功率或电压的单位；

对单个红外传感器的灵敏度TPR、温度T、湿度C以及信噪比SNR进行无量纲处理后，关联获取对应方向上红外传感器的状态评估值Pgz；

方式如下：

；

式中，、/>、/>以及/>分别为灵敏度TPR、温度T、湿度C以及信噪比SNR的预设比例系数，且/>、/>、/>以及/>均大于0；

所述第一数据采集单元内置诊断子单元，若是状态评估值Pgz＜0.1，则表示对应红外传感器的监测结果准确，若是状态评估值Pgz≥0.1，则表示对应红外传感器的监测结果不准确，并标记对应红外传感器所检测的区域为动态故障物；

所述路径生成模块用于在三维地图上规划并执行最短路径，根据路径中遇到不同障碍物的情况，生成对应的应对策略；

所述执行模块用于根据实际巡逻机器人的运行情况，获取并执行对应的应对策略。

2.根据权利要求1所述的一种智能巡逻机器人路径规划系统，其特征在于：所述第二数据采集单元采集并建立巡检区域的三维地图的方式如下：

S201，获取巡逻机器人巡检区域的三维图像信息；

S202，将三维图像信息输入由SLAM算法建立的地图构建模型中；

S203，输出巡检区域的三维地图。

3.根据权利要求1所述的一种智能巡逻机器人路径规划系统，其特征在于：所述路径生成模块包括依次运行的识别单元、路径规划单元以及仿真训练单元；

其中，所述识别单元，识别动态障碍物和三维地图内的实际障碍物；

所述路径规划单元，使用路径规划算法构建路径规划模型，在规避实际障碍物后，通过路径规划模型规划出若干条指向目标位置的移动路径，并在三维地图上显示；

所述仿真训练单元，模拟执行各个移动路径，并提取耗时最短的路径为执行路径，在仿真模型中的机器人按照执行路径进行移动。

4.根据权利要求3所述的一种智能巡逻机器人路径规划系统，其特征在于：所述路径规划算法包括RRT算法和PRM算法。

5.根据权利要求3所述的一种智能巡逻机器人路径规划系统，其特征在于：在仿真模型中的机器人按照执行路径进行移动后，若移动过程中机器人能够始终规避实际障碍物，则生成第一策略；

若机器人移动过程中检测到动态障碍物，则通过仿真训练单元内置的分析子单元执行旋转巡逻机器人机身的指令，若是能够规避动态障碍物，则生成第二策略，若是执行旋转巡逻机器人机身的指令依旧无法规避障碍物，则生成第三策略。

6.根据权利要求5所述的一种智能巡逻机器人路径规划系统，其特征在于：在所述执行模块中，若是获取到第一策略，则实际巡逻机器人按照最短路径进行运行，若是获取到第二策略，则实际巡逻机器人继续按照最短路径进行运动，并在一次巡检工作完成后进行报修，若是获取到第三策略，则实际巡逻机器人按照原路径返回，并进行报修。

7.一种智能巡逻机器人路径规划方法，使用所述权利要求1至6中的任一种所述系统，其特征在于：包括如下步骤：

步骤一、采集巡逻机器人周边方向上配设红外传感器的状态数据，并实时获取各个方向上红外传感器的状态评估值Pgz，根据状态评估值Pgz判断对应红外传感器的监测结果，同步采集并建立巡检区域的三维地图；

其中，采集到的状态数据至少包括对应红外传感器的灵敏度TPR、温度T、湿度C以及信噪比SNR，其中的灵敏度TPR可直接获取，温度T和湿度C通过设置的温度计和湿度计实时获取，信噪比SNR的获取方式如下：

S101、采集数据：采集并记录红外传感器的输出数据；

S102、分析信号和噪音：根据采集到的数据，分析并计算信号和噪声的强度，信号强度表示为红外辐射的平均值，噪声强度通过测量红外传感器在无红外辐射情况下的输出值来测定；

S103、计算信噪比：计算信噪比使用到的公式如下：

SNR = 20 * log10(信号强度/噪声强度)；

式中，信号强度和噪声强度使用功率或电压的单位；

对单个红外传感器的灵敏度TPR、温度T、湿度C以及信噪比SNR进行无量纲处理后，关联获取对应方向上红外传感器的状态评估值Pgz；

方式如下：

；

式中，、/>、/>以及/>分别为灵敏度TPR、温度T、湿度C以及信噪比SNR的预设比例系数，且/>、/>、/>以及/>均大于0；

若是状态评估值Pgz＜0.1，则表示对应红外传感器的监测结果准确，若是状态评估值Pgz≥0.1，则表示对应红外传感器的监测结果不准确，并标记对应红外传感器所检测的区域为动态故障物；

步骤二、在三维地图上规划并执行最短路径，在仿真模型中的机器人按照执行路径进行移动后，若移动过程中机器人能够始终规避实际障碍物，则生成第一策略；若机器人移动过程中检测到动态障碍物，则执行旋转巡逻机器人机身的指令，若是能够规避动态障碍物，则生成第二策略，若是执行旋转巡逻机器人机身的指令依旧无法规避障碍物，则生成第三策略；

步骤三、根据实际巡逻机器人的运行情况，获取并执行对应的应对策略，若是获取到第一策略，则实际巡逻机器人按照最短路径进行运行，若是获取到第二策略，则实际巡逻机器人继续按照最短路径进行运动，并在一次巡检工作完成后进行报修，若是获取到第三策略，则实际巡逻机器人按照原路径返回，并进行报修。