一种用于机器人巡检的路线智能识别方法、系统及介质与流程

1.本发明涉及机器人巡检技术领域，尤其涉及一种用于机器人巡检的路线智能识别方法、系统及介质。

背景技术：

2.定位与导航技术同样是智能巡检机器人中的核心技术，在这一技术的辅助下，整个的巡检工作进行中，定位更为精准。现阶段随着现代智能化技术的不断发展，在智能巡检机器人的定位和导航技术中做了大量的研究，也为智能巡检机器人的定位与导航技术提供了平台支持，一些研究学者提出了磁轨迹引导理论，在这一理论下，经由与rfid 电子标签的结合，为保障其定位精度，需在巡检机器人运行路径上进行导航路带轨迹的预埋，如油漆路带的预设，并在机器人需要停靠的油漆路带位置上埋设rfid 电子标签，虽然表现出定位精度高、抗干扰性强的突出优势，对于技术的要求相对较高，再加上运行线路的灵活性不足，使得整个的智能巡检机器人导航定位时存在一定的问题。这一方式下，能够通过图像采集的方式来记录引导标志的自主识别，也就可以在此基础上进行巡检路径、停靠位置等的自主确定，但这一导航方式下，一旦地面引导标志不清晰，都会导致导航定位的精度不高。当出现在巡检环境内的光线不足而导致地面停靠标识无法被扫码识别以及rfid标签长期的使用被污物遮盖而导致定位标识不清晰，巡检机器人容易出现部分位置不停靠，从而产生了漏检现象。而且现如今这一方式之下的巡检机器人对于导航路带的识别还不够精准，导致巡检机器人沿着路带行驶还不够精确。

技术实现要素：

3.本发明克服了现有技术的不足，提供了一种用于机器人巡检的路线智能识别方法、系统及介质。
4.为达上述目的，本发明采用的技术方案为：本发明第一方面提供了一种用于机器人巡检的路线智能识别方法，包括以下步骤：通过预先在待巡检区域中设置导航路带以及在所述导航路带上设置标识信息，并将预先训练好的多源数据信息导入所述标识信息中，生成训练完成的标识信息；基于所述导航路带以及所述标识信息生成导航路带平面结构示意图，获取当前巡检机器人在预设时间内的工作信息，基于所述工作信息得到巡检机器人的异常工作区域；获取所述异常工作区域的标识信息，根据所述异常工作区域的标识信息以及导航路带平面结构示意图得到异常工作区域的标识信息所在位置点，并获取当前巡检机器人的标识信息所在位置点；基于所述异常工作区域的标识信息所在位置点以及所述当前巡检机器人的标识信息所在位置点生成修正导航路径图，并根据所述修正导航路径图对初始巡检路线图进行修正，得到最终的导航路线图。
5.进一步地，本发明的一个较佳实施例中，获取当前巡检机器人在预设时间内的工作信息，判断所述工作信息是否大于预设工作信息，包括以下步骤：将所述导航路带平面结构示意图分为多个工作区域，并获取每个工作区域中的标识信息；计算所述每个工作区域中的标识信息之间的路程值，并根据所述标识信息之间的路程值生成路程集；获取当前巡检机器人所在工作区域在预设时间内的行走路程值，将所述行走路程值导入所述路程集中进行对比匹配，生成匹配结果；判断所述匹配结果中是否存在预设匹配结果，若不存在，则将该工作区域作为异常区域。
6.进一步地，本发明的一个较佳实施例中，获取所述异常工作区域的标识信息，根据所述异常工作区域的标识信息以及导航路带平面结构示意图得到异常工作区域的标识信息所在位置点，具体包括以下步骤：获取所述异常工作区域的标识信息，根据所述异常工作区域的标识信息得到各个标识信息之间的路程值；基于当前巡检机器人所在工作区域在预设时间内的行走路程值以及各个标识信息之间的路程值得到异常工作区域段；根据所述异常工作区域段与当前工作区域的预设工作区域段得到一个或者多个异常工作区域的标识信息；将所述异常工作区域的标识信息导入所述导航路带平面结构示意图中，以得到异常工作区域的标识信息所在位置点。
7.进一步地，本发明的一个较佳实施例中，基于所述异常工作区域的标识信息所在位置点以及所述当前巡检机器人的标识信息所在位置点生成修正导航路径图，并根据所述修正导航路径图对初始巡检路线图进行修正，得到最终的导航路线图，具体包括以下步骤：基于所述异常工作区域的标识信息所在位置点以及所述当前巡检机器人的标识信息所在位置点生成修正导航路径图；获取巡检机器人的初始巡检路线图以及预设时间内巡检机器人经过的巡检路线图；根据所述巡检机器人的初始巡检路线图以及预设时间内巡检机器人经过的巡检路线图得到即将巡检路线图；基于所述即将巡检路线图以及修正导航路径图生成最终的导航路线图。
8.进一步地，本发明的一个较佳实施例中，所述的一种用于机器人巡检的路线智能识别方法，还包括以下步骤：通过巡检机器人上设置的摄像头获取实时的导航路带图像信息；通过对所述实时的导航路带图像信息进行预处理得到预处理图像信息，并根据所述预处理图像信息得到导航路带的外轮廓信息；通过特征分解法对所述导航路带的外轮廓信息进行修正，得到修正信息；根据所述修正信息调节当前巡检机器人的移动位姿。
9.进一步地，本发明的一个较佳实施例中，通过特征分解法对所述导航路带的外轮
廓信息进行修正，得到修正信息，具体包括以下步骤：建立特征向量分解模型，将所述导航路带的外轮廓信息导入所述特征向量分解模型中进行分解，得到正交矩阵以及对角矩阵；根据所述正交矩阵以及对角矩阵中的一极限向量作为坐标零点，根据所述坐标零点建立新的坐标系；将所述正交矩阵以及对角矩阵导入所述新的坐标系中，生成新的坐标数集；获取新的坐标数集中的极限坐标点集合，并将所述新的坐标数集中的极限坐标点集合导入世界坐标系中，并将所述极限坐标点集合重新组合，得到经过处理后的导航路带图，并将所述导航路带图作为修正信息输出。
10.进一步地，本发明的一个较佳实施例中，所述的一种用于机器人巡检的路线智能识别方法，还包括以下步骤：通过巡检机器人上设置的雷达探测仪获取巡检机器人在巡检过程中的障碍物信息；判断所述障碍物是否在导航路带的预设范围之内，若在预设范围之内，则根据障碍物信息得到当前障碍物的起始位置节点以及终止位置节点；将所述起始位置节点以及终止位置节点导入导航路带平面结构示意图中，以确定当前起始障碍节点以及终止障碍节点；根据所述当前起始障碍节点以及终止障碍节点确定避障行驶路线图，并将所述避障行驶路线图传输至巡检机器人控制终端。
11.本发明第二方面提供了一种用于机器人巡检的路线智能识别系统，所述系统包括存储器以及处理器，所述存储器中包括用于机器人巡检的路线智能识别方法程序，所述用于机器人巡检的路线智能识别方法程序被所述处理器执行时，实现如下步骤：通过预先在待巡检区域中设置导航路带以及在所述导航路带上设置标识信息，并将预先训练好的多源数据信息导入所述标识信息中，生成训练完成的标识信息；基于所述导航路带以及所述标识信息生成导航路带平面结构示意图，获取当前巡检机器人在预设时间内的工作信息，基于所述工作信息得到巡检机器人的异常工作区域；获取所述异常工作区域的标识信息，根据所述异常工作区域的标识信息以及导航路带平面结构示意图得到异常工作区域的标识信息所在位置点，并获取当前巡检机器人的标识信息所在位置点；基于所述异常工作区域的标识信息所在位置点以及所述当前巡检机器人的标识信息所在位置点生成修正导航路径图，并根据所述修正导航路径图对初始巡检路线图进行修正，得到最终的导航路线图。
12.进一步地，本发明的一个较佳实施例中，所述的一种用于机器人巡检的路线智能识别系统，还包括以下步骤：通过巡检机器人上设置的摄像头获取实时的导航路带图像信息；通过对所述实时的导航路带图像信息进行预处理得到预处理图像信息，并根据所述预处理图像信息得到导航路带的外轮廓信息；通过特征分解法对所述导航路带的外轮廓信息进行修正，得到修正信息；根据所述修正信息调节当前巡检机器人的移动位姿。
13.本发明第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质包括用于机器人巡检的路线智能识别方法程序，所述用于机器人巡检的路线智能识别方法程序被处理器执行时，实现任一项所述的用于机器人巡检的路线智能识别方法的步骤。
14.本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：本发明通过预先在待巡检区域中设置导航路带以及在所述导航路带上设置标识信息，并将预先训练好的多源数据信息导入所述标识信息中，生成训练完成的标识信息；基于所述导航路带以及所述标识信息生成导航路带平面结构示意图，获取当前巡检机器人在预设时间内的工作信息，基于所述工作信息得到巡检机器人的异常工作区域；获取所述异常工作区域的标识信息，根据所述异常工作区域的标识信息以及导航路带平面结构示意图得到异常工作区域的标识信息所在位置点，并获取当前巡检机器人的标识信息所在位置点；基于所述异常工作区域的标识信息所在位置点以及所述当前巡检机器人的标识信息所在位置点生成修正导航路径图，并根据所述修正导航路径图对初始巡检路线图进行修正，得到最终的导航路线图。避免了当出现在巡检环境内的光线不足而导致地面停靠标识无法被扫码识别以及rfid标签长期的使用被污物遮盖而导致定位标识不清晰的情况时而产生了漏检现象。
附图说明
15.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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实施例的附图。
16.图1示出了一种用于机器人巡检的路线智能识别方法的第一方法流程图；图2示出了一种用于机器人巡检的路线智能识别方法的第二方法流程图；图3示出了一种用于机器人巡检的路线智能识别方法的第三方法流程图；图4示出了一种用于机器人巡检的路线智能识别系统的系统框图。
具体实施方式
17.为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本技术的实施例及实施例中的特征可以相互组合。
18.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
19.本发明第一方面提供了一种用于机器人巡检的路线智能识别方法，包括以下步骤：s102:通过预先在待巡检区域中设置导航路带以及在所述导航路带上设置标识信息，并将预先训练好的多源数据信息导入所述标识信息中，生成训练完成的标识信息；s104:基于所述导航路带以及所述标识信息生成导航路带平面结构示意图，获取当前巡检机器人在预设时间内的工作信息，基于所述工作信息得到巡检机器人的异常工作
区域；s106:获取所述异常工作区域的标识信息，根据所述异常工作区域的标识信息以及导航路带平面结构示意图得到异常工作区域的标识信息所在位置点，并获取当前巡检机器人的标识信息所在位置点；s108:基于所述异常工作区域的标识信息所在位置点以及所述当前巡检机器人的标识信息所在位置点生成修正导航路径图，并根据所述修正导航路径图对初始巡检路线图进行修正，得到最终的导航路线图。
20.需要说明的是，所述标识信息可以为rfid电子标签、条形码标签等，其中所述多源数据信息包括各个巡检区域的定位信息、巡检机器人行驶的路程信息、巡检区域的目标物信息、充电信息等信息，所述目标物信息可以为巡检区域的虚拟场景，如待巡检区域的器械模型图。通过三维建模软件（如skecthup软件、rhino软件、maya软件、3ds max软件、revit等）建立导航路带平面结构示意图，所述导航路带平面结构示意图中包括所述导航路带的规划路带以及所述标识信息在待巡检区域中的位置节点。巡检机器人控制终端中存储有各个工作区域的标识信息。
21.需要说明的是，当出现在巡检环境内的光线不足而导致地面停靠标识无法被扫码识别以及rfid标签长期的使用被污物遮盖而导致定位标识不清晰的情况时,巡检机器人上设置的扫码不能够获取标识信息，此时巡检机器人对不能够识别的标识信息所在的巡检区域就会发生漏检现象，通过本方法能够快速地寻到巡检机器人未检测的节点，进而通过本方法能够实现避免了当出现在巡检环境内的光线不足而导致地面停靠标识无法被扫码识别以及rfid标签长期的使用被污物遮盖而导致定位标识不清晰的情况时而产生了漏检现象。
22.进一步地，本发明的一个较佳实施例中，获取当前巡检机器人在预设时间内的工作信息，判断所述工作信息是否大于预设工作信息，包括以下步骤：将所述导航路带平面结构示意图分为多个工作区域，并获取每个工作区域中的标识信息；计算所述每个工作区域中的标识信息之间的路程值，并根据所述标识信息之间的路程值生成路程集；获取当前巡检机器人所在工作区域在预设时间内的行走路程值，将所述行走路程值导入所述路程集中进行对比匹配，生成匹配结果；判断所述匹配结果中是否存在预设匹配结果，若不存在，则将该工作区域作为异常区域。
23.进一步地，本发明的一个较佳实施例中，获取所述异常工作区域的标识信息，根据所述异常工作区域的标识信息以及导航路带平面结构示意图得到异常工作区域的标识信息所在位置点，具体包括以下步骤：获取所述异常工作区域的标识信息，根据所述异常工作区域的标识信息得到各个标识信息之间的路程值；基于当前巡检机器人所在工作区域在预设时间内的行走路程值以及各个标识信息之间的路程值得到异常工作区域段；根据所述异常工作区域段与当前工作区域的预设工作区域段得到一个或者多个
异常工作区域的标识信息；将所述异常工作区域的标识信息导入所述导航路带平面结构示意图中，以得到异常工作区域的标识信息所在位置点。
24.需要说明的是，在实际的应用场景中，每个标识信息之间的路程信息可能是相等的或者可能是不相等的，而每个标识信息为一个巡检机器人的停靠点，即相邻的停靠点之间存在一定的路程值，当某一个路程值与在该工作区域之中的路程集中的路程值不符合之时，即有一个或者多个rfid标签位置未停靠而导致巡航机器人漏检，通过本方法能够快速地检测出异常工作区域的标识信息所在位置点。
25.进一步地，本发明的一个较佳实施例中，基于所述异常工作区域的标识信息所在位置点以及所述当前巡检机器人的标识信息所在位置点生成修正导航路径图，并根据所述修正导航路径图对初始巡检路线图进行修正，得到最终的导航路线图，具体包括以下步骤：基于所述异常工作区域的标识信息所在位置点以及所述当前巡检机器人的标识信息所在位置点生成修正导航路径图；获取巡检机器人的初始巡检路线图以及预设时间内巡检机器人经过的巡检路线图；根据所述巡检机器人的初始巡检路线图以及预设时间内巡检机器人经过的巡检路线图得到即将巡检路线图；基于所述即将巡检路线图以及修正导航路径图生成最终的导航路线图。
26.需要说明的是，当出现漏检现象时，通过本方法能够重新制定最终的导航路线图，使得巡航机器人对漏检的位置节点重新检查，保证巡检的完整性。
27.进一步地，本发明的一个较佳实施例中，所述的一种用于机器人巡检的路线智能识别方法，还包括以下步骤：s202:通过巡检机器人上设置的摄像头获取实时的导航路带图像信息；s204:通过对所述实时的导航路带图像信息进行预处理得到预处理图像信息，并根据所述预处理图像信息得到导航路带的外轮廓信息；s206:通过特征分解法对所述导航路带的外轮廓信息进行修正，得到修正信息；s208:根据所述修正信息调节当前巡检机器人的移动位姿。
28.进一步地，本发明的一个较佳实施例中，通过特征分解法对所述导航路带的外轮廓信息进行修正，得到修正信息，具体包括以下步骤：建立特征向量分解模型，将所述导航路带的外轮廓信息导入所述特征向量分解模型中进行分解，得到正交矩阵以及对角矩阵；根据所述正交矩阵以及对角矩阵中的一极限向量作为坐标零点，根据所述坐标零点建立新的坐标系；将所述正交矩阵以及对角矩阵导入所述新的坐标系中，生成新的坐标数集；获取新的坐标数集中的极限坐标点集合，并将所述新的坐标数集中的极限坐标点集合导入世界坐标系中，并将所述极限坐标点集合重新组合，得到经过处理后的导航路带图，并将所述导航路带图作为修正信息输出。
29.需要说明的是，可以利用非线性滤波器、中值滤波器、形态学滤波器等方法对图像进行去噪、滤波等方式处理，其中预处理后的图像信息包括有特征向量矩阵，该矩阵表示了
导航路带的区域范围矩阵图。进一步地，奇异值特征分解方式来对导航路带的区域范围矩阵图进行分解得到正交矩阵以及对角矩阵，选取正交矩阵以及对角矩阵中的一极限位置的特征向量作为构建基准点，以该基准点作为坐标原点，建立新的坐标系，并将分解之后的正交矩阵以及对角矩阵中的一极限位置的特征向量导入该新的坐标系中，形成新的坐标矩阵。利用该方式能够有效地将导航路带因巡检机器人上的摄像系统拍摄角度问题而导致的冗余度问题进行消除，通过该方式能够有效地将原始的图像进行处理得到更符合实际范围的导航路带，从而使得巡航机器人更加精确地沿着导航路带进行移动，完成巡检目的。
30.进一步地，本发明的一个较佳实施例中，所述的一种用于机器人巡检的路线智能识别方法，还包括以下步骤：s302:通过巡检机器人上设置的雷达探测仪获取巡检机器人在巡检过程中的障碍物信息；s304:判断所述障碍物是否在导航路带的预设范围之内，若在预设范围之内，则根据障碍物信息得到当前障碍物的起始位置节点以及终止位置节点；s306:将所述起始位置节点以及终止位置节点导入导航路带平面结构示意图中，以确定当前起始障碍节点以及终止障碍节点；s308: 将所述起始位置节点以及终止位置节点导入导航路带平面结构示意图中，以确定当前起始障碍节点以及终止障碍节。
31.需要说明的是，通过本方法能够使得巡检机器人在导航路带上有障碍物时进行有效地避障，提供了巡检过程中的智能性。所述障碍物信息包括障碍物的体积信息、所在巡检区域中的位置信息等信息。
32.此外，本方法还可有包括以下步骤：获取当前巡检机器人工作环境的温度值，并基于神经网络建立巡检机器人运行消耗模型；获取历史巡检机器人在各个温度值之下的能量消耗特性，并将所述能量消耗特性输入所述巡检机器人运行消耗模型中，调整所述运行消耗模型的参数，保存最优模型参数；根据所述当前巡检机器人工作环境的温度值以及巡检机器人电池运行消耗模型生成在当前温度之下的巡检机器人的能耗值变化，并根据所述能耗值变化生成巡检机器人消耗功率；获取当前巡检机器人的剩余能耗值，根据所述巡检机器人消耗功率以及巡检机器人的剩余能耗值计算得到能够继续巡检的时间，并计算所述时间是否小于预设时间，若小于，则从所述工作区域中检索充电节点，并将所述充电节点传输至巡检机器人控制终端。
33.需要说明的是，根据实际的情况，不同温度之下的电池消耗是不一致的，如高温天气中巡检机器人的能耗是增加的状态，通过本方法能够根据实际的工作环境温度对巡检机器人的能耗变化进行模拟，使得在巡检中的机器人根据环境的变化来调整充电的时间节点，使得巡检机器人在实际的温度应用场景中提取得到能量消耗，进而提前得到补充时间节点，从而进行能量的补充。
34.根据本实施例，本发明还可以包括以下步骤：获取当前正在补充能量的巡检机器人的预估补充时间，根据当前的时间点以及巡检机器人的预估补充时间计算出完成补充的时间节点；
判断所述完成补充的时间节点是否在预设工作时间节点之内，若不在，则获取距离当前巡检机器人最近的巡检机器人以及正在补充能量的巡检机器人的剩余工作任务时间；获取距离当前巡检机器人最近的巡检机器人的剩余目标任务，并根据所述剩余目标任务得到距离当前巡检机器人最近的巡检机器人的完成工作时间；判断剩余工作任务时间以及所述距离当前巡检机器人最近的巡检机器人的完成工作时间之和是否不大于预设工作时间节点，若不大于，则将当前正在补充能量的巡检机器人的剩余工作任务传输至距离当前巡检机器人最近的巡检机器人，通过所述距离当前巡检机器人最近的巡检机器人完成当前工作任务。
35.需要说明的是，按照实际的使用场景中，一个巡检机器人需要对当前工作区域一个或者多个工作周期的巡检，可以理解为一个巡检机器人在预设工作时间内完成预设次数的巡检，通过本方法可以协调巡检机器人以及巡检机器人之间的协同，从而使得巡检过程更加合理。所述预设工作时间节点为工作周期结束节点。
36.此外，本方法还可以包括以下步骤：若剩余工作任务时间以及所述距离当前巡检机器人最近的巡检机器人的完成工作时间之和大于预设工作时间节点，则获取预设范围之内的空闲状态巡检机器人的位置节点；建立距离排序表，并获取正在补充能量的巡检机器人剩余工作任务的位置开始节点以及终止位置节点；根据所述正在补充能量的巡检机器人剩余工作任务的位置节点、终止位置节点以及所述空闲状态巡检机器人的位置节点计算出距离值，并将所述距离值导入所述距离排序表中进行排序；从所述距离排序表中提取出最小值的距离值，并获取最小值的距离值对应的位置节点，根据最小值的距离值对应的位置节点重新生成巡检路径。
37.需要说明的是，通过本方法能够检索出空闲状态的巡检机器人，从而能够快速完成巡检任务，从而提高巡检机器人之间的协同能力，使得巡检过程更加合理。
38.本发明第二方面提供了一种用于机器人巡检的路线智能识别系统，所述系统包括存储器41以及处理器62，所述存储器41中包括用于机器人巡检的路线智能识别方法程序，所述用于机器人巡检的路线智能识别方法程序被所述处理器62执行时，实现如下步骤：通过预先在待巡检区域中设置导航路带以及在所述导航路带上设置标识信息，并将预先训练好的多源数据信息导入所述标识信息中，生成训练完成的标识信息；基于所述导航路带以及所述标识信息生成导航路带平面结构示意图，获取当前巡检机器人在预设时间内的工作信息，基于所述工作信息得到巡检机器人的异常工作区域；获取所述异常工作区域的标识信息，根据所述异常工作区域的标识信息以及导航路带平面结构示意图得到异常工作区域的标识信息所在位置点，并获取当前巡检机器人的标识信息所在位置点；基于所述异常工作区域的标识信息所在位置点以及所述当前巡检机器人的标识信息所在位置点生成修正导航路径图，并根据所述修正导航路径图对初始巡检路线图进行修正，得到最终的导航路线图。
39.需要说明的是，所述标识信息可以为rfid电子标签、条形码标签等，其中所述多源数据信息包括各个巡检区域的定位信息、巡检机器人行驶的路程信息、巡检区域的目标物信息、充电信息等信息，所述目标物信息可以为巡检区域的虚拟场景，如待巡检区域的器械模型图。通过三维建模软件（如skecthup软件、rhino软件、maya软件、3ds max软件、revit等）建立导航路带平面结构示意图，所述导航路带平面结构示意图中包括所述导航路带的规划路带以及所述标识信息在待巡检区域中的位置节点。巡检机器人控制终端中存储有各个工作区域的标识信息。
40.需要说明的是，当出现在巡检环境内的光线不足而导致地面停靠标识无法被扫码识别以及rfid标签长期的使用被污物遮盖而导致定位标识不清晰的情况时,巡检机器人上设置的扫码不能够获取标识信息，此时巡检机器人对不能够识别的标识信息所在的巡检区域就会发生漏检现象，通过本方法能够快速地寻到巡检机器人未检测的节点，进而通过本方法能够实现避免了当出现在巡检环境内的光线不足而导致地面停靠标识无法被扫码识别以及rfid标签长期的使用被污物遮盖而导致定位标识不清晰的情况时而产生了漏检现象。
41.进一步地，本发明的一个较佳实施例中，所述的一种用于机器人巡检的路线智能识别系统，还包括以下步骤：通过巡检机器人上设置的摄像头获取实时的导航路带图像信息；通过对所述实时的导航路带图像信息进行预处理得到预处理图像信息，并根据所述预处理图像信息得到导航路带的外轮廓信息；通过特征分解法对所述导航路带的外轮廓信息进行修正，得到修正信息；根据所述修正信息调节当前巡检机器人的移动位姿。
42.进一步地，本发明的一个较佳实施例中，通过特征分解法对所述导航路带的外轮廓信息进行修正，得到修正信息，具体包括以下步骤：建立特征向量分解模型，将所述导航路带的外轮廓信息导入所述特征向量分解模型中进行分解，得到正交矩阵以及对角矩阵；根据所述正交矩阵以及对角矩阵中的一极限向量作为坐标零点，根据所述坐标零点建立新的坐标系；将所述正交矩阵以及对角矩阵导入所述新的坐标系中，生成新的坐标数集；获取新的坐标数集中的极限坐标点集合，并将所述新的坐标数集中的极限坐标点集合导入世界坐标系中，并将所述极限坐标点集合重新组合，得到经过处理后的导航路带图，并将所述导航路带图作为修正信息输出。
43.需要说明的是，可以利用非线性滤波器、中值滤波器、形态学滤波器等方法对图像进行去噪、滤波等方式处理，其中预处理后的图像信息包括有特征向量矩阵，该矩阵表示了导航路带的区域范围矩阵图。进一步地，奇异值特征分解方式来对导航路带的区域范围矩阵图进行分解得到正交矩阵以及对角矩阵，选取正交矩阵以及对角矩阵中的一极限位置的特征向量作为构建基准点，以该基准点作为坐标原点，建立新的坐标系，并将分解之后的正交矩阵以及对角矩阵中的一极限位置的特征向量导入该新的坐标系中，形成新的坐标矩阵。利用该方式能够有效地将导航路带因巡检机器人上的摄像系统拍摄角度问题而导致的冗余度问题进行消除，通过该方式能够有效地将原始的图像进行处理得到更符合实际范围
的导航路带，从而使得巡航机器人更加精确地沿着导航路带进行移动，完成巡检目的。
44.本发明第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质包括用于机器人巡检的路线智能识别方法程序，所述用于机器人巡检的路线智能识别方法程序被处理器执行时，实现任一项所述的用于机器人巡检的路线智能识别方法的步骤。
45.在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
46.上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。
47.另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
48.本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。
49.或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
50.以上，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

技术特征：

1.一种用于机器人巡检的路线智能识别方法，其特征在于，包括以下步骤：通过预先在待巡检区域中设置导航路带以及在所述导航路带上设置标识信息，并将预先训练好的多源数据信息导入所述标识信息中，生成训练完成的标识信息；基于所述导航路带以及所述标识信息生成导航路带平面结构示意图，获取当前巡检机器人在预设时间内的工作信息，基于所述工作信息得到巡检机器人的异常工作区域；获取所述异常工作区域的标识信息，根据所述异常工作区域的标识信息以及导航路带平面结构示意图得到异常工作区域的标识信息所在位置点，并获取当前巡检机器人的标识信息所在位置点；基于所述异常工作区域的标识信息所在位置点以及所述当前巡检机器人的标识信息所在位置点生成修正导航路径图，并根据所述修正导航路径图对初始巡检路线图进行修正，得到最终的导航路线图。2.根据权利要求1所述的一种用于机器人巡检的路线智能识别方法，其特征在于，获取当前巡检机器人在预设时间内的工作信息，判断所述工作信息是否大于预设工作信息，包括以下步骤：将所述导航路带平面结构示意图分为多个工作区域，并获取每个工作区域中的标识信息；计算所述每个工作区域中的标识信息之间的路程值，并根据所述标识信息之间的路程值生成路程集；获取当前巡检机器人所在工作区域在预设时间内的行走路程值，将所述行走路程值导入所述路程集中进行对比匹配，生成匹配结果；判断所述匹配结果中是否存在预设匹配结果，若不存在，则将该工作区域作为异常区域。3.根据权利要求1所述的一种用于机器人巡检的路线智能识别方法，其特征在于，获取所述异常工作区域的标识信息，根据所述异常工作区域的标识信息以及导航路带平面结构示意图得到异常工作区域的标识信息所在位置点，具体包括以下步骤：获取所述异常工作区域的标识信息，根据所述异常工作区域的标识信息得到各个标识信息之间的路程值；基于当前巡检机器人所在工作区域在预设时间内的行走路程值以及各个标识信息之间的路程值得到异常工作区域段；根据所述异常工作区域段与当前工作区域的预设工作区域段得到一个或者多个异常工作区域的标识信息；将所述异常工作区域的标识信息导入所述导航路带平面结构示意图中，以得到异常工作区域的标识信息所在位置点。4.根据权利要求1所述的一种用于机器人巡检的路线智能识别方法，其特征在于，基于所述异常工作区域的标识信息所在位置点以及所述当前巡检机器人的标识信息所在位置点生成修正导航路径图，并根据所述修正导航路径图对初始巡检路线图进行修正，得到最终的导航路线图，具体包括以下步骤：基于所述异常工作区域的标识信息所在位置点以及所述当前巡检机器人的标识信息所在位置点生成修正导航路径图；
获取巡检机器人的初始巡检路线图以及预设时间内巡检机器人经过的巡检路线图；根据所述巡检机器人的初始巡检路线图以及预设时间内巡检机器人经过的巡检路线图得到即将巡检路线图；基于所述即将巡检路线图以及修正导航路径图生成最终的导航路线图。5.根据权利要求1所述的一种用于机器人巡检的路线智能识别方法，其特征在于，还包括以下步骤：通过巡检机器人上设置的摄像头获取实时的导航路带图像信息；通过对所述实时的导航路带图像信息进行预处理得到预处理图像信息，并根据所述预处理图像信息得到导航路带的外轮廓信息；通过特征分解法对所述导航路带的外轮廓信息进行修正，得到修正信息；根据所述修正信息调节当前巡检机器人的移动位姿。6.根据权利要求5所述的一种用于机器人巡检的路线智能识别方法，其特征在于，通过特征分解法对所述导航路带的外轮廓信息进行修正，得到修正信息，具体包括以下步骤：建立特征向量分解模型，将所述导航路带的外轮廓信息导入所述特征向量分解模型中进行分解，得到正交矩阵以及对角矩阵；根据所述正交矩阵以及对角矩阵中的一极限向量作为坐标零点，根据所述坐标零点建立新的坐标系；将所述正交矩阵以及对角矩阵导入所述新的坐标系中，生成新的坐标数集；获取新的坐标数集中的极限坐标点集合，并将所述新的坐标数集中的极限坐标点集合导入世界坐标系中，并将所述极限坐标点集合重新组合，得到经过处理后的导航路带图，并将所述导航路带图作为修正信息输出。7.根据权利要求1所述的一种用于机器人巡检的路线智能识别方法，其特征在于，还包括以下步骤：通过巡检机器人上设置的雷达探测仪获取巡检机器人在巡检过程中的障碍物信息；判断所述障碍物是否在导航路带的预设范围之内，若在预设范围之内，则根据障碍物信息得到当前障碍物的起始位置节点以及终止位置节点；将所述起始位置节点以及终止位置节点导入导航路带平面结构示意图中，以确定当前起始障碍节点以及终止障碍节点；根据所述当前起始障碍节点以及终止障碍节点确定避障行驶路线图，并将所述避障行驶路线图传输至巡检机器人控制终端。8.一种用于机器人巡检的路线智能识别系统，其特征在于，所述系统包括存储器以及处理器，所述存储器中包括用于机器人巡检的路线智能识别方法程序，所述用于机器人巡检的路线智能识别方法程序被所述处理器执行时，实现如下步骤：通过预先在待巡检区域中设置导航路带以及在所述导航路带上设置标识信息，并将预先训练好的多源数据信息导入所述标识信息中，生成训练完成的标识信息；基于所述导航路带以及所述标识信息生成导航路带平面结构示意图，获取当前巡检机器人在预设时间内的工作信息，基于所述工作信息得到巡检机器人的异常工作区域；获取所述异常工作区域的标识信息，根据所述异常工作区域的标识信息以及导航路带平面结构示意图得到异常工作区域的标识信息所在位置点，并获取当前巡检机器人的标识
信息所在位置点；基于所述异常工作区域的标识信息所在位置点以及所述当前巡检机器人的标识信息所在位置点生成修正导航路径图，并根据所述修正导航路径图对初始巡检路线图进行修正，得到最终的导航路线图。9.根据权利要求8所述的一种用于机器人巡检的路线智能识别系统，其特征在于，还包括以下步骤：通过巡检机器人上设置的摄像头获取实时的导航路带图像信息；通过对所述实时的导航路带图像信息进行预处理得到预处理图像信息，并根据所述预处理图像信息得到导航路带的外轮廓信息；通过特征分解法对所述导航路带的外轮廓信息进行修正，得到修正信息；根据所述修正信息调节当前巡检机器人的移动位姿。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括用于机器人巡检的路线智能识别方法程序，所述用于机器人巡检的路线智能识别方法程序被处理器执行时，实现如权利要求1-7任一项所述的用于机器人巡检的路线智能识别方法的步骤。

技术总结

本发明涉及一种用于机器人巡检的路线智能识别方法、系统及介质，属于机器人巡检技术领域，通过获取所述异常工作区域的标识信息，根据所述异常工作区域的标识信息以及导航路带平面结构示意图得到异常工作区域的标识信息所在位置点，并获取当前巡检机器人的标识信息所在位置点；基于所述异常工作区域的标识信息所在位置点以及所述当前巡检机器人的标识信息所在位置点生成修正导航路径图，并根据所述修正导航路径图对初始巡检路线图进行修正，得到最终的导航路线图。通过本方法能够快速地寻到巡检机器人未检测的节点，避免了RFID标签长期的使用被污物遮盖而导致定位标识不清晰的情况时而产生了漏检现象。晰的情况时而产生了漏检现象。晰的情况时而产生了漏检现象。