CN118310535A - 一种机器人路径规划方法及系统 - Google Patents

Abstract

本发明公开了一种机器人路径规划方法及系统，涉及风电机组监测技术领域，所述方法包括：获取目标环境的地图信息，生成行驶环境空间模型。将目标任务映射至环境模型，提取机器人的任务点。进行全局路径规划，生成包含多个局部路径规划方案的第一全局路径规划方案。提取局部路径进行障碍物判定，根据判定结果进行动态避障，生成调整参数集。对局部路径方案进行路径优化，生成多个优化路径方案，更新全局路径方案，输出最终路径规划方案，执行路径规划。达成了提升动态规划能力，提高机器人运动效率和稳定性的技术效果。

Description

一种机器人路径规划方法及系统

技术领域

本发明涉及风电机组监测技术领域，特别涉及一种机器人路径规划方法及系统。

背景技术

在机器人技术领域，路径规划是一项关键的任务，路径规划让机器人在复杂的环境中找到一条最优或者最合适的路径以达到特定的目标点。

传统的机器人路径规划方法通常假设环境是静态的，但在实际应用中，环境往往包含动态障碍物，这可能导致规划出的路径在执行过程中变得无效，以及在需要同时满足多个目标时，轨迹规划可能会变得非常困难。现有的机器人路径规划技术存在动态规划能力差，影响机器人运动效能的技术问题。

发明内容

本发明提供一种机器人路径规划方法及系统，以解决现有技术中动态规划能力差，影响机器人运动效能的技术问题，实现提升动态规划能力，提高机器人运动效率和稳定性的技术效果。

第一方面，本发明提供了一种机器人路径规划方法，其中，所述方法包括：

获取目标环境的地图信息进行环境建模，生成行驶环境空间模型；

基于任务需求将目标任务映射至所述行驶环境空间模型，提取机器人的N个任务点，N为大于等于1的整数；

基于所述N个任务点进行全局路径规划，生成第一全局路径规划方案，所述第一全局路径规划方案包含多个局部路径规划方案；

按照所述多个局部路径规划方案提取局部路径进行障碍物判定，根据判定结果进行动态避障，生成动态调整参数集；

根据所述动态调整参数集对所述多个局部路径规划方案进行路径优化，生成多个局部优化路径规划方案更新所述第一全局路径规划方案，输出第二全局路径规划方案；

执行所述第二全局路径规划方案对机器人进行路径智能规划。

该方法中，通过获取目标环境的地图信息进行环境建模，然后将目标任务映射到环境空间模型中，实现了任务需求与环境的有效结合。基于任务需求进行全局路径规划，生成第一全局路径规划方案，包含多个局部路径规划方案。然后，根据障碍物判定和动态避障生成动态调整参数集，对多个局部路径规划方案进行路径优化，生成多个局部优化路径规划方案，最终更新第一全局路径规划方案为第二全局路径规划方案，实现了对路径的智能规划和优化。

该方法中，根据障碍物判定结果生成动态调整参数集，实现了对局部路径规划方案的实时调整和优化，增强了机器人的路径规划能力和适应性。

第二方面，本发明还提供了一种机器人路径规划系统，其中，所述系统包括：

环境空间数字化模块，所述环境空间数字化模块用于获取目标环境的地图信息进行环境建模，生成行驶环境空间模型；

任务目标映射模块，所述任务目标映射模块用于基于任务需求将目标任务映射至所述行驶环境空间模型，提取机器人的N个任务点，N为大于等于1的整数；

路径规划模块，所述路径规划模块用于基于所述N个任务点进行全局路径规划，生成第一全局路径规划方案，所述第一全局路径规划方案包含多个局部路径规划方案；

避障调整模块，所述避障调整模块用于按照所述多个局部路径规划方案提取局部路径进行障碍物判定，根据判定结果进行动态避障，生成动态调整参数集；

局部更新模块，所述局部更新模块用于根据所述动态调整参数集对所述多个局部路径规划方案进行路径优化，生成多个局部优化路径规划方案更新所述第一全局路径规划方案，输出第二全局路径规划方案；

规划路径应用模块，所述规划路径应用模块用于执行所述第二全局路径规划方案对机器人进行路径智能规划。

本发明公开了一种机器人路径规划方法及系统，包括：获取目标环境地图信息，生成行驶环境空间模型。将目标任务映射至环境模型，提取机器人的N个任务点。进行全局路径规划，生成第一全局路径规划方案，包含多个局部路径规划方案。提取局部路径进行障碍物判定，根据结果进行动态避障，生成动态调整参数集。对局部路径规划方案进行路径优化，生成多个局部优化路径规划方案，更新第一全局路径规划方案，输出第二全局路径规划方案。执行第二全局路径规划方案对机器人进行路径规划。本发明公开的一种机器人路径规划方法及系统解决了动态规划能力差，影响机器人运动效能的技术问题，实现提升动态规划能力，提高机器人运动效率和稳定性的技术效果。

附图说明

图1为本发明一种机器人路径规划方法的流程示意图。

图2为本发明一种机器人路径规划系统的结构示意图。

附图标记说明：环境空间数字化模块11、任务目标映射模块12、路径规划模块13、避障调整模块14、局部更新模块15、规划路径应用模块16。

具体实施方式

本发明的实施例中所提供的技术方案，为解决现有技术存在的动态规划能力差，影响机器人运动效能的技术问题，所采用的整体思路如下：

首先，获取目标环境的地图信息进行环境建模，生成行驶环境空间模型；

接着，基于任务需求将目标任务映射至所述行驶环境空间模型，提取机器人的N个任务点，N为大于等于1的整数；

然后，基于所述N个任务点进行全局路径规划，生成第一全局路径规划方案，所述第一全局路径规划方案包含多个局部路径规划方案；

接着，按照所述多个局部路径规划方案提取局部路径进行障碍物判定，根据判定结果进行动态避障，生成动态调整参数集；

最后，根据所述动态调整参数集对所述多个局部路径规划方案进行路径优化，生成多个局部优化路径规划方案更新所述第一全局路径规划方案，输出第二全局路径规划方案；

执行所述第二全局路径规划方案对机器人进行路径智能规划。

下面将结合说明书附图和具体的实施方式来对上述技术方案进行详细的说明，以更好的理解上述技术方案。显然，所描述的实施例仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受仅用于解释本发明的示例实施例的限制。基于本发明的实施例，本领域普通技术人员在没有作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。此外，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。

实施例一

图1为本发明一种机器人路径规划方法的流程示意图；其中，包括：

获取目标环境的地图信息进行环境建模，生成行驶环境空间模型；

在一些实施例中，获取目标环境的地图信息进行环境建模，生成行驶环境空间模型，方法包括：

利用测绘设备对目标环境进行实地测绘，获取目标环境的初始地图信息；

对目标环境的所述初始地图信息进行数据预处理，生成目标环境的所述地图信息；

提取所述地图信息的关键特征，所述关键特征包含道路边界特征、道路通行特征、障碍物位置特征、建筑物位置特征；

基于所述障碍物位置特征、所述建筑物位置特征构建障碍物点云数据、建筑物点云数据；

根据所述道路边界特征、所述道路通行特征，使用所述障碍物点云数据、所述建筑物点云数据生成所述行驶环境空间模型。

可选的，利用测绘设备对目标环境进行实地测绘，其中，测绘设备是指用于测量和记录地理空间数据的工具，如激光扫描仪、无人机等。通过测绘设备对目标环境进行实地测量，以获取环境的初始地图信息，初始地图信息包括地形、地貌、建筑物、障碍物等的空间位置数据。

可选的，对获取的地图信息进行处理，去除噪声并将其转换为可用的地图数据格式。根据需要，对测绘得到的数据进行去噪、坐标校准、数据格式统一等预处理操作，确保数据的准确性和一致性，而后，将预处理后的数据整合，生成目标环境的地图信息。

可选的，地图信息的关键特征是指对行驶决策有重要影响的地图信息元素。具体的，通过分析地图信息，识别并提取出对行驶决策至关重要的特征，如道路的边界、通行情况、障碍物和建筑物的具体位置。

进一步的，利用提取的障碍物和建筑物位置特征，构建对应的点云数据，这些数据反映了障碍物和建筑物在三维空间中的分布。而后，结合道路边界特征、道路通行特征以及障碍物和建筑物的点云数据，生成一个全面的行驶环境空间模型。其中，行驶环境空间模型是一个详细描述行驶环境的三维模型，包含了道路、障碍物和建筑物等信息。

优选的，通过SLAM（Simultaneous Localization and Mapping）技术构建环境地图。通过这个过程，创建了一个精确的行驶环境空间模型，为机器人在复杂环境中的导航和决策提供重要的数据支持。

基于任务需求将目标任务映射至所述行驶环境空间模型，提取机器人的N个任务点，N为大于等于1的整数；

在一些实施例中，基于任务需求将目标任务映射至所述行驶环境空间模型，提取机器人的N个任务点，方法包括：

基于所述任务需求对所述目标任务进行任务分解，获取多个子任务；

构建所述任务图层，将根据所述多个子任务的执行区域确定所述多个子任务在所述任务图层内的多个关键点信息；

将所述任务图层与所述行驶环境空间模型进行空间对齐，将所述多个关键点信息同步映射至所述行驶环境空间模型进行标注，生成机器人的所述N个任务点。

可选的，根据任务需求将目标任务分解为多个子任务，用于将复杂的总任务拆分成多个较小的、可管理的子任务，便于进行路径规划。具体的，通过分析任务需求，根据任务的多个目标点，将目标任务拆分为多个子任务，其中，每个子任务都是总任务的一部分，且具有明确的执行目标和要求。示例性的，对于配货打包任务，可以分解为多段点到点的运输任务。

可选的，构建任务图层，用于表示任务执行区域和关键点信息，多个子任务对应多个任务图层，多个任务图层上标注有多个子任务的执行区域与执行区域内的关键点信息。其中，关键点是子任务开始或结束的位置，或者是执行过程中的重要检查点。示例性的，对于点到点移动任务，关键点即为起点和终点。对于巡检任务，关键点是巡检路线上的控制点。对于搬运任务，关键点包括货物取货点、放置点以及可能的中间转运点。

可选的，空间对齐是指将任务图层上的关键点信息与实际行驶环境空间模型中的位置相对应的过程。通过对任务图层与行驶环境空间模型进行配准，确保任务图层上的关键点信息与空间模型中的实际位置相对应。

进一步的，将任务图层上的关键点信息映射至行驶环境空间模型中，对每个关键点进行标注。而后，根据映射和标注的结果，生成机器人执行任务时需要到达的N个任务点。这些任务点将作为机器人导航和执行任务的依据。

通过这个过程，将抽象的任务需求转化为机器人可以理解和执行的精确位置点，从而便于后续对机器人在实际环境中完成复杂任务进行路径规划。

基于所述N个任务点进行全局路径规划，生成第一全局路径规划方案，所述第一全局路径规划方案包含多个局部路径规划方案；

在一些实施例中，基于所述N个任务点进行全局路径规划，生成第一全局路径规划方案，方法包括：

基于所述N个任务点之间的关联系数构建所述N个任务点的执行序列表；

解析所述N个任务点的所述执行序列表，判断所述执行区域是否为多个区域；

若是，则将所述N个任务点的所述执行序列表进行区域聚类，获取多个任务点集组，将机器人的初始位置作为起始点，按照所述N个任务点的所述执行序列表遍历所述多个任务点集组进行第一任务点集组的局部路径规划，生成第一局部路径规划方案，由此迭代，直至多个任务点集组完成遍历，获取所述多个局部路径规划方案；

基于所述多个局部路径规划方案进行路径衔接，生成所述第一全局路径规划方案。

其中，关联系数是指任务点之间相互关系的量化指标，如距离、时间、效率等。根据任务点之间的关联系数，构建执行序列表，确定任务点的执行顺序。示例性的，首先，根据任务点之间的距离、时间关系等因素来确定关联关系的强度，其中，时间关系为第一量级，距离为第二量级，关联关系的强度为时间关系为高位数，距离为低位数的关联系数；接着，根据关联系数，使用拓扑排序等算法确定任务点的执行顺序，确保任务点之间的关联关系得到满足。

可选的，分析执行序列表，确定任务点是否分布在多个不同的区域。如果是，则需对N个任务点的执行序列表进行区域聚类，将任务点根据其所在的区域进行分组，获取多个任务点集组。其中，每个任务点集组包含了一个区域内所有需要执行的任务点，通过基于区域的聚类分析，将在一个区域的任务点汇总在一起进行路径规划，有助于提高路径规划的效率。

可选的，以机器人的初始位置作为起始点，遍历多个任务点集组进行局部路径规划，其中，局部路径规划是指在单个区域内规划从当前点到下一个任务点的最优路径。

具体的，从机器人的初始位置开始，根据任务执行的先后，利用路径规划算法（如A*算法、Dijkstra算法等），在任务点的区域内规划机器人从起始点到目标点的路径，生成局部路径规划方案，而后，更新局部路径规划方案中的终点为目标点，准备执行下一个任务点的局部路径规划。这个过程是迭代的，直到所有任务点集组都被遍历，生成多个局部路径规划方案。

可选的，将多个局部路径规划方案进行整合和优化，确保不同区域之间的路径平滑过渡，生成一个覆盖所有任务点的全局路径规划方案。具体的，包括基于多个局部路径规划方案的序列关系与起止点位，进行多个局部路径规划方案中间路径的规划，并通过规划的中间路径连接多个局部路径规划方案。

通过上述过程，为机器人提供了一个优化的全局路径规划方案，确保机器人能够高效、有序地完成所有任务点。

按照所述多个局部路径规划方案提取局部路径进行障碍物判定，根据判定结果进行动态避障，生成动态调整参数集；

在一些实施例中，按照所述多个局部路径规划方案提取局部路径进行障碍物判定，根据判定结果进行动态避障，生成动态调整参数集，方法包括：

基于所述行驶环境空间模型执行第一局部路径规划方案，确定局部路径；

判定所述局部路径内是否存在障碍物点云数据；

若存在，则基于所述障碍物点云数据，对所述局部路径进行模糊计算制定避障决策；

执行所述避障决策，结合机器人内嵌的摄像头采集实况路径信息生成动态调整指令；

基于所述动态调整指令更新所述避障决策进行重规划，生成所述动态调整参数集。

可选的，首先，基于第一局部路径规划方案，获取局部路径，具体的，局部路径根据第一局部路径对应的任务特征获取。而后，基于行驶环境空间模型与局部路径，进行障碍判断，检查局部路径上是否存在障碍物点云数据，以确定路径是否需要调整以避开障碍物。

若路径上存在障碍物，则使用模糊计算方法来制定避障决策，包括评估障碍物的大小、形状和位置，以及机器人的动力学特性，来确定最佳的避障路径。其中，模糊计算是一种处理不确定信息的计算方法，通过模仿人类的模糊逻辑处理含糊或不精确的数据。

示例性的，对所述局部路径进行模糊计算制定避障决策，包括：对障碍物点云数据进行处理和分析，识别障碍物的位置、形状和大小。根据障碍物的位置和形状，结合机器人的运动能力和安全要求，制定避障决策，包括提前避让、绕行或停止避让等策略。利用模糊逻辑方法，根据障碍物的位置和机器人的当前状态，计算出应该采取的具体行动。模糊计算考虑了不确定性和模糊性，能够更好地适应复杂环境中的避障需求。根据模糊计算的结果，生成具体的避障指令，包括调整机器人的速度、方向或停止等措施，确保机器人安全地通过障碍物。

可选的，机器人在执行避障决策的同时，使用内嵌的摄像头采集周围环境的实时图像，并与预先规划的路径信息结合，生成动态调整指令。进而根据动态调整指令，更新避障决策，重新规划局部路径，并生成动态调整参数集，该动态调整参数集用于动态调整机器人的导航和行为，以适应环境变化更新。

根据所述动态调整参数集对所述多个局部路径规划方案进行路径优化，生成多个局部优化路径规划方案更新所述第一全局路径规划方案，输出第二全局路径规划方案；

在一些实施例中，根据所述动态调整参数集对所述多个局部路径规划方案进行路径优化，生成多个局部优化路径规划方案，方法包括：

分解机器人行驶参数，获取机器人行驶速度、机器人转向角度；

根据所述动态调整参数集映射至所述多个局部路径规划方案进行路径动态调整，获取路径调整信息集，所述路径调整信息集包含路径长度信息、路径曲率信息；

基于所述路径长度信息按照所述机器人行驶速度进行避障分析，获得第一避障数据；

基于所述路径曲率信息按照所述机器人转向角度进行避障分析，获得第二避障数据；

将所述第一避障数据、所述第二避障数据添加至所述多个局部路径规划方案，生成所述多个局部优化路径规划方案。

可选的，基于机器人行驶参数对局部路径规划方案进行路径优化，用于确保局部路径规划方案生成的路径满足机器人的运动能力，进而提高机器人运动的安全性和稳定性。其中，机器人行驶参数包括机器人行驶速度、机器人转向角度。

具体的，使用路径长度信息和机器人的行驶速度，分析在当前路径上机器人遇到障碍物时所需的避障策略，生成第一避障数据，第一避障数据包括安全距离、制动距离等信息。

进一步的，转向角度对于机器人绕过障碍物至关重要，它决定了机器人能否在空间受限的环境中安全转向。根据路径曲率信息和机器人的转向角度，分析机器人绕过障碍物所需的转向策略，若路径曲率信息不满足对应速度下的机器人最小转向半径，则调整路径曲率，生成第二避障数据，包括调整后的路径曲率、转向速度等。

可选的，局部优化路径规划方案是指在考虑了避障数据后，对原有路径规划进行优化和调整的方案。通过将第一避障数据和第二避障数据整合到原有的多个局部路径规划方案中，生成新的、优化后的路径规划方案，存储为局部优化路径规划方案。该局部优化路径规划方案能够更好地适应环境中的障碍物，并确保机器人的安全行驶。

在一些实现方式中，多个局部优化路径规划方案更新所述第一全局路径规划方案，输出第二全局路径规划方案，方法包括：

评估所述多个局部优化路径方案的行驶效率，获取多个效率评估结果；

基于所述多个效率评估结果进行所述多个局部优化路径方案的权重训练，获取权重分配信息；

将第一局部优化路径方案作为顶点，根据所述多个局部优化路径方案内局部路径之间的可达性与距离关系构建边，构建局部优化路径图；

遍历所述第一全局路径规划方案与所述多个局部优化路径方案进行优化对齐，按照所述权重分配信息在所述局部优化路径图内提取M个局部优化路径对应的局部优化路径方案对所述第一全局路径规划方案进行更新替换，生成所述第二全局路径规划方案，其中M为大于等于1的整数。

可选的，对多个局部优化路径方案进行行驶效率评估，包括分析局部优化路径方案，计算每个方案的行驶时间、能量消耗、资源利用率等指标，并基于目标任务偏好，进行多个指标的加权总和，获取多个效率评估结果。其中，效率评估结果是对每个局部优化路径方案效率的量化表现。

可选的，基于多个效率评估结果进行多个局部优化路径方案的权重训练，获取权重分配信息，是指根据效率评估结果，对各个局部优化路径方案进行优先级排序的过程。其中，效率评估结果较好的局部优化路径方案具有较高的权重。

可选的，以第一局部优化路径方案作为顶点，根据多个局部优化路径方案内局部路径之间的可达性与距离关系构建边，如果两个局部路径之间可以直接到达且距离较近，就在它们之间构建一条边，而后，将顶点边组合在一起，构建局部优化路径图。图中的每个顶点代表一个局部路径的端点，边表示两个局部路径之间的可达关系和距离关系。

遍历第一全局路径规划方案与多个局部优化路径方案进行优化对齐，是指将全局路径规划方案与局部优化路径方案进行匹配和调整，以提高整体路径规划的效率和效果。

具体的，首先，按照权重分配信息在局部优化路径图内提取满足预设权重约束的M个局部优化路径对应的M个局部优化路径方案，上述的M个局部优化路径方案具有较好的效率评估结果。而后，基于M个局部优化路径方案，对第一全局路径规划方案进行更新替换，生成第二全局路径规划方案，其中，第二全局路径规划方案是基于第一全局路径规划方案和M个局部优化路径方案的优化结果。这个方案综合了全局路径规划和局部路径规划的优势，提高了路径规划的效率和效果。

执行所述第二全局路径规划方案对机器人进行路径智能规划。

可选的，使用第二全局路径规划方案，为机器人制定一个从起点到终点的行驶路径。这个路径是经过全局优化和局部调整后的，能够确保机器人在执行任务时高效、安全地完成。

综上所述，本发明所提供的一种机器人路径规划方法具有如下技术效果：

通过获取目标环境的地图信息进行环境建模，生成行驶环境空间模型；

基于任务需求将目标任务映射至行驶环境空间模型，提取机器人的N个任务点，N为大于等于1的整数；基于N个任务点进行全局路径规划，生成第一全局路径规划方案，第一全局路径规划方案包含多个局部路径规划方案；按照多个局部路径规划方案提取局部路径进行障碍物判定，根据判定结果进行动态避障，生成动态调整参数集；根据动态调整参数集对多个局部路径规划方案进行路径优化，生成多个局部优化路径规划方案更新第一全局路径规划方案，输出第二全局路径规划方案；执行第二全局路径规划方案对机器人进行路径智能规划。从而实现提升动态规划能力，提高机器人运动效率和稳定性的技术效果。

实施例二

图2是本发明一种机器人路径规划系统的结构示意图。例如，图1中本发明一种机器人路径规划方法的流程示意图可以通过如图2所示的结构实现。

基于与所述实施例中一种机器人路径规划方法同样的构思，本发明还提供的一种机器人路径规划系统包括：

环境空间数字化模块11，用于获取目标环境的地图信息进行环境建模，生成行驶环境空间模型；

任务目标映射模块12，用于基于任务需求将目标任务映射至所述行驶环境空间模型，提取机器人的N个任务点，N为大于等于1的整数；

路径规划模块13，用于基于所述N个任务点进行全局路径规划，生成第一全局路径规划方案，所述第一全局路径规划方案包含多个局部路径规划方案；

避障调整模块14，用于按照所述多个局部路径规划方案提取局部路径进行障碍物判定，根据判定结果进行动态避障，生成动态调整参数集；

局部更新模块15，用于根据所述动态调整参数集对所述多个局部路径规划方案进行路径优化，生成多个局部优化路径规划方案更新所述第一全局路径规划方案，输出第二全局路径规划方案；

规划路径应用模块16，用于执行所述第二全局路径规划方案对机器人进行路径智能规划。

其中，环境空间数字化模块11包括：

测绘采集单元，用于利用测绘设备对目标环境进行实地测绘，获取目标环境的初始地图信息；

预处理单元，用于对目标环境的所述初始地图信息进行数据预处理，生成目标环境的所述地图信息；

关键提取单元，用于提取所述地图信息的关键特征，所述关键特征包含道路边界特征、道路通行特征、障碍物位置特征、建筑物位置特征；

障碍成型单元，用于基于所述障碍物位置特征、所述建筑物位置特征构建障碍物点云数据、建筑物点云数据；

空间融合单元，用于根据所述道路边界特征、所述道路通行特征，使用所述障碍物点云数据、所述建筑物点云数据生成所述行驶环境空间模型。

进一步的，任务目标映射模块12包括：

任务分解单元，用于基于所述任务需求对所述目标任务进行任务分解，获取多个子任务；

任务图层构建单元，用于构建所述任务图层，将根据所述多个子任务的执行区域确定所述多个子任务在所述任务图层内的多个关键点信息；

映射标注单元，用于将所述任务图层与所述行驶环境空间模型进行空间对齐，将所述多个关键点信息同步映射至所述行驶环境空间模型进行标注，生成机器人的所述N个任务点。

进一步的，路径规划模块13包括：

列表排序单元，用于基于所述N个任务点之间的关联系数构建所述N个任务点的执行序列表；

区域判别单元，用于解析所述N个任务点的所述执行序列表，判断所述执行区域是否为多个区域；

聚类规划单元，用于若是，则将所述N个任务点的所述执行序列表进行区域聚类，获取多个任务点集组，将机器人的初始位置作为起始点，按照所述N个任务点的所述执行序列表遍历所述多个任务点集组进行第一任务点集组的局部路径规划，生成第一局部路径规划方案，由此迭代，直至多个任务点集组完成遍历，获取所述多个局部路径规划方案；

路径衔接单元，用于基于所述多个局部路径规划方案进行路径衔接，生成所述第一全局路径规划方案。

进一步的，避障调整模块14包括：

路径提取单元，用于基于所述行驶环境空间模型执行第一局部路径规划方案，确定局部路径；

障碍判别单元，用于判定所述局部路径内是否存在障碍物点云数据；

模糊避障单元，用于若存在，则基于所述障碍物点云数据，对所述局部路径进行模糊计算制定避障决策；

动态调整单元，用于执行所述避障决策，结合机器人内嵌的摄像头采集实况路径信息生成动态调整指令；

重规划单元，用于基于所述动态调整指令更新所述避障决策进行重规划，生成所述动态调整参数集。

进一步的，局部更新模块15包括：

行驶能力获取单元，用于分解机器人行驶参数，获取机器人行驶速度、机器人转向角度；

路径调整单元，用于根据所述动态调整参数集映射至所述多个局部路径规划方案进行路径动态调整，获取路径调整信息集，所述路径调整信息集包含路径长度信息、路径曲率信息；

速度分析单元，用于基于所述路径长度信息按照所述机器人行驶速度进行避障分析，获得第一避障数据；

曲率分析单元，用于基于所述路径曲率信息按照所述机器人转向角度进行避障分析，获得第二避障数据；

局部优化单元，用于将所述第一避障数据、所述第二避障数据添加至所述多个局部路径规划方案，生成所述多个局部优化路径规划方案。

在一些实现方式中，局部更新模块15中还包括

效率评估单元，用于评估所述多个局部优化路径方案的行驶效率，获取多个效率评估结果；

权重分配单元，用于基于所述多个效率评估结果进行所述多个局部优化路径方案的权重训练，获取权重分配信息；

路径图单元，用于将第一局部优化路径方案作为顶点，根据所述多个局部优化路径方案内局部路径之间的可达性与距离关系构建边，构建局部优化路径图；

更新替换单元，用于遍历所述第一全局路径规划方案与所述多个局部优化路径方案进行优化对齐，按照所述权重分配信息在所述局部优化路径图内提取M个局部优化路径对应的局部优化路径方案对所述第一全局路径规划方案进行更新替换，生成所述第二全局路径规划方案，其中M为大于等于1的整数。

应当理解的是，本说明书中所提及的实施例重点在其与其他实施例的不同，前述实施例一中的具体实施例，同样适用于实施例二所述的一种机器人路径规划系统，为了说明书的简洁，在此不做进一步的展开。

应当理解的是，本发明所公开的实施例及上述说明，可以使得本领域的技术人员运用本发明实现本发明。同时本发明不被限制于上述所提到的这部分实施例，应当理解：本领域的普通技术人员依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (8)

1.一种机器人路径规划方法，其特征在于，所述方法包括：

获取目标环境的地图信息进行环境建模，生成行驶环境空间模型；

基于任务需求将目标任务映射至所述行驶环境空间模型，提取机器人的N个任务点，N为大于等于1的整数；

基于所述N个任务点进行全局路径规划，生成第一全局路径规划方案，所述第一全局路径规划方案包含多个局部路径规划方案；

按照所述多个局部路径规划方案提取局部路径进行障碍物判定，根据判定结果进行动态避障，生成动态调整参数集；

根据所述动态调整参数集对所述多个局部路径规划方案进行路径优化，生成多个局部优化路径规划方案更新所述第一全局路径规划方案，输出第二全局路径规划方案；

执行所述第二全局路径规划方案对机器人进行路径智能规划。

2.如权利要求1所述的方法，其特征在于，获取目标环境的地图信息进行环境建模，生成行驶环境空间模型，方法包括：

利用测绘设备对目标环境进行实地测绘，获取目标环境的初始地图信息；

对目标环境的所述初始地图信息进行数据预处理，生成目标环境的所述地图信息；

提取所述地图信息的关键特征，所述关键特征包含道路边界特征、道路通行特征、障碍物位置特征、建筑物位置特征；

基于所述障碍物位置特征、所述建筑物位置特征构建障碍物点云数据、建筑物点云数据；

根据所述道路边界特征、所述道路通行特征，使用所述障碍物点云数据、所述建筑物点云数据生成所述行驶环境空间模型。

3.如权利要求1所述的方法，其特征在于，基于任务需求将目标任务映射至所述行驶环境空间模型，提取机器人的N个任务点，方法包括：

基于所述任务需求对所述目标任务进行任务分解，获取多个子任务；

构建任务图层，将根据所述多个子任务的执行区域确定所述多个子任务在所述任务图层内的多个关键点信息；

将所述任务图层与所述行驶环境空间模型进行空间对齐，将所述多个关键点信息同步映射至所述行驶环境空间模型进行标注，生成机器人的所述N个任务点。

4.如权利要求3所述的方法，其特征在于，基于所述N个任务点进行全局路径规划，生成第一全局路径规划方案，方法包括：

基于所述N个任务点之间的关联系数构建所述N个任务点的执行序列表；

解析所述N个任务点的所述执行序列表，判断所述执行区域是否为多个区域；

若是，则将所述N个任务点的所述执行序列表进行区域聚类，获取多个任务点集组，将机器人的初始位置作为起始点，按照所述N个任务点的所述执行序列表遍历所述多个任务点集组进行第一任务点集组的局部路径规划，生成第一局部路径规划方案，由此迭代，直至多个任务点集组完成遍历，获取所述多个局部路径规划方案；

基于所述多个局部路径规划方案进行路径衔接，生成所述第一全局路径规划方案。

5.如权利要求2所述的方法，其特征在于，按照所述多个局部路径规划方案提取局部路径进行障碍物判定，根据判定结果进行动态避障，生成动态调整参数集，方法包括：

基于所述行驶环境空间模型执行第一局部路径规划方案，确定局部路径；

判定所述局部路径内是否存在障碍物点云数据；

若存在，则基于所述障碍物点云数据，对所述局部路径进行模糊计算制定避障决策；

执行所述避障决策，结合机器人内嵌的摄像头采集实况路径信息生成动态调整指令；

基于所述动态调整指令更新所述避障决策进行重规划，生成所述动态调整参数集。

6.如权利要求1所述的方法，其特征在于，根据所述动态调整参数集对所述多个局部路径规划方案进行路径优化，生成多个局部优化路径规划方案，方法包括：

分解机器人行驶参数，获取机器人行驶速度、机器人转向角度；

根据所述动态调整参数集映射至所述多个局部路径规划方案进行路径动态调整，获取路径调整信息集，所述路径调整信息集包含路径长度信息、路径曲率信息；

基于所述路径长度信息按照所述机器人行驶速度进行避障分析，获得第一避障数据；

基于所述路径曲率信息按照所述机器人转向角度进行避障分析，获得第二避障数据；

将所述第一避障数据、所述第二避障数据添加至所述多个局部路径规划方案，生成所述多个局部优化路径规划方案。

7.如权利要求1所述的方法，其特征在于，多个局部优化路径规划方案更新所述第一全局路径规划方案，输出第二全局路径规划方案，方法包括：

评估所述多个局部优化路径方案的行驶效率，获取多个效率评估结果；

基于所述多个效率评估结果进行所述多个局部优化路径方案的权重训练，获取权重分配信息；

将第一局部优化路径方案作为顶点，根据所述多个局部优化路径方案内局部路径之间的可达性与距离关系构建边，构建局部优化路径图；

遍历所述第一全局路径规划方案与所述多个局部优化路径方案进行优化对齐，按照所述权重分配信息在所述局部优化路径图内提取M个局部优化路径对应的局部优化路径方案对所述第一全局路径规划方案进行更新替换，生成所述第二全局路径规划方案，其中M为大于等于1的整数。

8.一种机器人路径规划系统，其特征在于，所述系统包括：

环境空间数字化模块，所述环境空间数字化模块用于获取目标环境的地图信息进行环境建模，生成行驶环境空间模型；

任务目标映射模块，所述任务目标映射模块用于基于任务需求将目标任务映射至所述行驶环境空间模型，提取机器人的N个任务点，N为大于等于1的整数；

路径规划模块，所述路径规划模块用于基于所述N个任务点进行全局路径规划，生成第一全局路径规划方案，所述第一全局路径规划方案包含多个局部路径规划方案；

避障调整模块，所述避障调整模块用于按照所述多个局部路径规划方案提取局部路径进行障碍物判定，根据判定结果进行动态避障，生成动态调整参数集；

局部更新模块，所述局部更新模块用于根据所述动态调整参数集对所述多个局部路径规划方案进行路径优化，生成多个局部优化路径规划方案更新所述第一全局路径规划方案，输出第二全局路径规划方案；

规划路径应用模块，所述规划路径应用模块用于执行所述第二全局路径规划方案对机器人进行路径智能规划。