[发明专利]一种巡检机器人行驶轨迹生成方法、设备及介质

说明书

本申请公开了一种巡检机器人行驶轨迹生成方法、设备及介质，其中方法包括：服务器通过预先设置在巡检机器人上的传感器设备，获取巡检机器人在预设区域内的历史障碍物检测信息；历史障碍物检测信息是指在预设过去时间段内的障碍物检测信息；将历史障碍物检测信息转化为巡检机器人的历史环境交通序列；历史环境交通序列是指在预设过去时间段内的环境交通序列；通过预设的图卷积神经网络，根据历史环境交通序列，预测巡检机器人在预设区域内的预设未来时长的环境交通序列；根据巡检机器人的当前位置及目标位置，确定巡检机器人的行驶轨迹的奖励函数；根据预设未来时长内的环境交通序列及奖励函数，生成巡检机器人在预设未来时长内的行驶轨迹。

技术领域

本申请涉及智能驾驶领域，具体涉及一种巡检机器人行驶轨迹生成方法、设备及介质。

背景技术

为提升巡检机器人机器人执行巡检任务时的安全性能，室外安防机器人的研究离不开智能驾驶技术的支持其中，在巡检机器人的周围环境中，预测其他障碍物的行驶轨迹，并进一步的生成自身的行驶轨迹，是实现巡检机器人智能驾驶的重要过程，其目的是通过园区内现有的或是过去的交通交通状况，使得机器人预测周围车辆轨迹,以便做出合理的决策规划,提高行驶的安全性。它在园区机器人的交通调度和管理中起着至关重要的作用。

但是传统的行驶轨迹生成方法准确率不高，且反应较慢，因此，亟需一种巡检机器人行驶轨迹生成方法，以保证巡检机器人生成巡检轨迹的可靠性。

发明内容

为了解决上述问题，本申请提出了一种巡检机器人行驶轨迹生成方法、设备及介质，其中，方法包括：

服务器通过预先设置在巡检机器人上的传感器设备，获取所述巡检机器人在预设区域内的历史障碍物检测信息；所述历史障碍物检测信息是指在预设过去时间段内的障碍物检测信息；将所述历史障碍物检测信息转化为所述巡检机器人的历史环境交通序列；所述历史环境交通序列是指在所述预设过去时间段内的环境交通序列；通过预设的图卷积神经网络，根据所述历史环境交通序列，预测所述巡检机器人在所述预设区域内的预设未来时长的环境交通序列；根据所述巡检机器人的当前位置及目标位置，确定所述巡检机器人的行驶轨迹的奖励函数；根据所述预设未来时长内的环境交通序列及所述奖励函数，生成所述巡检机器人在所述预设未来时长内的行驶轨迹。

在一个示例中，服务器通过预先设置在巡检机器人上的传感器设备，获取所述巡检机器人在预设区域内的历史障碍物检测信息，具体包括：在预设区域内及所述预设过去时间段内，接收来自于图像采集装置的图像信息，所述图像采集装置预先设置在所述巡检机器人上；对所述图像信息进行预处理，并进行视觉目标检测，确定所述障碍物的类别信息及数量信息；通过激光雷达获取所述障碍物的激光点信息；所述激光雷达预先设置在所述巡检机器人上；将所述激光点信息输入至预设的点云聚类算法，确定所述障碍物的运动信息及位置信息；将所述障碍物的类别信息、所述数量信息、所述运动信息及所述位置信息融合，生成所述历史障碍物检测信息。

在一个示例中，将所述历史障碍物检测信息转化为所述巡检机器人的历史环境交通序列，具体包括：根据所述历史障碍物检测信息，确定所述障碍物在所述预设过去时间段内各个时间点的位置参数，所述位置参数与所述障碍物的体积、所述障碍物的位置信息有关；根据所述障碍物在所述预设过去时间段内各个时间点的位置参数，生成所述历史环境交通序列；其中，所述历史环境通序列的表达式为M＝{N_T-x，N_T-x+1，N_T-x+2…N_T-1，N_T}；M为所述历史环境交通序列，N_t表示t时刻所述巡检机器人的预设范围内的所述障碍物的位置参数，即N_t＝{x_1t，x_2t，x_3t…x_nt}；其中x_it表示t时刻，第i个障碍物的所述位置参数。