路径规划方法、装置、计算机设备和存储介质与流程

1.本技术涉及人工智能技术领域，特别是涉及一种路径规划方法、装置、计算机设备、存储介质和计算机程序产品。


背景技术：

2.随着智能化技术的发展，银行网点正在向智能化、无人化发展演进。智能服务机器人作为打造“智慧银行”重要的一环，承接了自主迎宾、业务咨询、身份识别、客户引导等重要功能。智能服务机器人的引入可以将工作人员从繁琐的接待性工作中释放出来，以提升工作人员的服务水平及工作效率。
3.相关技术中，智能服务机器人一般采用单点到单点的接待模式，例如将前台的客户引导至指定柜台前，因此智能服务机器人的路径规划方法仅针对该两个位置之间的路径规划。然而，在业务办理高峰时期，大量客户进入网点后不会在前台做过多停留，而是会前往网点休息区询问或排队等候，故有必要在客户经常停留的多个位置设置驻留点，使智能服务机器人在多个驻留点间轮巡，以便为各驻留点的客户提供服务。而上述单点到单点的路径规划方法不适用于多驻留点的路径规划。因此，亟需一种适用于多个驻留点的路径规划方法。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够适用于涉及多个驻留点的路径规划方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
5.第一方面，本技术提供了一种路径规划方法。所述方法包括：
6.获取目标环境的当前环境地图，所述当前环境地图包含障碍物区域、可通行区域和未知区域；
7.获取所述目标环境中多个驻留点在所述当前环境地图中的位置信息，并基于所述位置信息，计算所述多个驻留点中任意两个驻留点对应的环境影响因子，所述环境影响因子为所述任意两个驻留点构成的预设范围区域所包含的障碍物区域和未知区域、在所述预设范围区域中的占比；
8.基于所述多个驻留点构成的各驻留点序列、每个所述驻留点序列中相邻两个驻留点对应的环境影响因子、以及所述相邻两个驻留点的距离，构建目标函数；
9.根据所述多个驻留点在所述当前环境地图中的位置信息、所述多个驻留点中任意两个驻留点对应的环境影响因子、以及所述目标函数，采用灰狼算法确定使所述目标函数计算得到的适应度值最低的目标驻留点序列；
10.根据所述目标驻留点序列、以及所述当前环境地图，确定目标规划路径。
11.在其中一个实施例中，所述获取目标环境的当前环境地图，包括：
12.获取目标环境的当前拍摄图像；
13.采用目标检测算法对所述当前拍摄图像进行障碍物检测，得到所述当前拍摄图像
中各区域对应的置信度；
14.将所述置信度位于第一置信度区间的区域确定为可通行区域，将所述置信度位于第二置信度区间的区域确定为未知区域，将所述置信度位于第三置信度区间的区域确定为障碍物区域；其中，所述第一置信度区间的置信度均小于所述第二置信度区间的置信度，所述第二置信度区间的置信度均小于所述第三置信度区间的置信度；
15.基于所述可通行区域、所述未知区域和所述障碍物区域，构建所述目标环境的当前环境地图。
16.在其中一个实施例中，所述当前环境地图为栅格地图；所述基于所述位置信息，计算所述多个驻留点中任意两个驻留点对应的环境影响因子，包括：
17.根据所述多个驻留点中任意两个驻留点在所述当前环境地图中的位置信息，确定所述当前环境地图中所述任意两个驻留点构成的预设范围区域，并确定所述预设范围区域包含的障碍物区域和可通行区域；
18.根据所述预设范围区域对应的栅格总数量，以及所述预设范围区域包含的障碍物区域和可通行区域对应的栅格数量，计算所述任意两个驻留点对应的环境影响因子。
19.在其中一个实施例中，所述根据所述目标驻留点序列、以及所述当前环境地图，确定目标规划路径，包括：
20.根据所述当前环境地图，采用路径规划算法计算所述目标驻留点序列中、相邻两个驻留点间的规划路径，将各所述相邻两个驻留点间的规划路径串联，得到目标规划路径。
21.在其中一个实施例中，所述根据所述目标驻留点序列、以及所述当前环境地图，确定目标规划路径之后，所述方法还包括：
22.将所述目标规划路径发送给智能服务机器人，以使所述智能服务机器人根据所述目标规划路径行进；
23.接收所述智能服务机器人发送的局部环境地图数据，所述局部环境地图数据为所述智能服务机器人在行进过程中根据采集的所述目标环境中局部区域的环境信息确定出的地图数据；
24.根据所述局部环境地图数据和预设的地图更新策略，对所述当前环境地图进行更新；
25.根据更新后的当前环境地图，计算所述智能服务机器人的当前位置与所述目标规划路径中下一个驻留点之间的局部规划路径；
26.基于所述局部规划路径对所述目标规划路径进行更新，并将所述更新后的目标规划路径发送给所述智能服务机器人，以使所述智能服务机器人根据所述更新后的目标规划路径行进。
27.在其中一个实施例中，所述根据所述目标驻留点序列、以及所述当前环境地图，确定目标规划路径之后，所述方法还包括：
28.将所述目标规划路径发送给智能服务机器人，以使所述智能服务机器人根据所述目标规划路径行进；
29.在所述智能服务机器人根据所述目标规划路径行进至最后一个驻留点时，返回执行所述获取目标环境的当前环境地图步骤。
30.在其中一个实施例中，所述根据所述目标驻留点序列、以及所述当前环境地图，确
定目标规划路径之后，所述方法还包括：
31.将所述目标规划路径发送给智能服务机器人，以使所述智能服务机器人根据所述目标规划路径行进；
32.接收所述智能服务机器人发送的目标引导任务的执行状态信息；
33.在所述目标引导任务的执行状态信息表示所述目标引导任务已结束的情况下，返回执行所述获取目标环境的当前环境地图步骤。
34.第二方面，本技术还提供了一种路径规划装置。所述装置包括：
35.第一获取模块，用于获取目标环境的当前环境地图，所述当前环境地图包含障碍物区域、可通行区域和未知区域；
36.第一计算模块，用于获取所述目标环境中多个驻留点在所述当前环境地图中的位置信息，并基于所述位置信息，计算所述多个驻留点中任意两个驻留点对应的环境影响因子，所述环境影响因子为所述任意两个驻留点构成的预设范围区域所包含的障碍物区域和未知区域、在所述预设范围区域中的占比；
37.构建模块，用于基于所述多个驻留点构成的各驻留点序列、每个所述驻留点序列中相邻两个驻留点对应的环境影响因子、以及所述相邻两个驻留点的距离，构建目标函数；
38.第一确定模块，用于根据所述多个驻留点在所述当前环境地图中的位置信息、所述多个驻留点中任意两个驻留点对应的环境影响因子、以及所述目标函数，采用灰狼算法确定使所述目标函数计算得到的适应度值最低的目标驻留点序列；
39.第二确定模块，用于根据所述目标驻留点序列、以及所述当前环境地图，确定目标规划路径。
40.在其中一个实施例中，所述第一获取模块具体用于：
41.获取目标环境的当前拍摄图像；采用目标检测算法对所述当前拍摄图像进行障碍物检测，得到所述当前拍摄图像中各区域对应的置信度；将所述置信度位于第一置信度区间的区域确定为可通行区域，将所述置信度位于第二置信度区间的区域确定为未知区域，将所述置信度位于第三置信度区间的区域确定为障碍物区域；其中，所述第一置信度区间的置信度均小于所述第二置信度区间的置信度，所述第二置信度区间的置信度均小于所述第三置信度区间的置信度；基于所述可通行区域、所述未知区域和所述障碍物区域，构建所述目标环境的当前环境地图。
42.在其中一个实施例中，所述第一计算模块具体用于：
43.根据所述多个驻留点中任意两个驻留点在所述当前环境地图中的位置信息，确定所述当前环境地图中所述任意两个驻留点构成的预设范围区域，并确定所述预设范围区域包含的障碍物区域和可通行区域；根据所述预设范围区域对应的栅格总数量，以及所述预设范围区域包含的障碍物区域和可通行区域对应的栅格数量，计算所述任意两个驻留点对应的环境影响因子。
44.在其中一个实施例中，所述第二确定模块具体用于：
45.根据所述当前环境地图，采用路径规划算法计算所述目标驻留点序列中、相邻两个驻留点间的规划路径，将各所述相邻两个驻留点间的规划路径串联，得到目标规划路径。
46.在其中一个实施例中，所述装置还包括：
47.第一发送模块，用于将所述目标规划路径发送给智能服务机器人，以使所述智能
服务机器人根据所述目标规划路径行进；
48.第一接收模块，用于接收所述智能服务机器人发送的局部环境地图数据，所述局部环境地图数据为所述智能服务机器人在行进过程中根据采集的所述目标环境中局部区域的环境信息确定出的地图数据；
49.更新模块，用于根据所述局部环境地图数据和预设的地图更新策略，对所述当前环境地图进行更新；
50.第二计算模块，根据更新后的当前环境地图，计算所述智能服务机器人的当前位置与所述目标规划路径中下一个驻留点之间的局部规划路径；
51.第二发送模块，基于所述局部规划路径对所述目标规划路径进行更新，并将所述更新后的目标规划路径发送给所述智能服务机器人，以使所述智能服务机器人根据所述更新后的目标规划路径行进。
52.在其中一个实施例中，所述装置还包括第三发送模块，用于将所述目标规划路径发送给智能服务机器人，以使所述智能服务机器人根据所述目标规划路径行进；在所述智能服务机器人根据所述目标规划路径行进至最后一个驻留点时，返回执行所述获取目标环境的当前环境地图步骤。
53.在其中一个实施例中，所述装置还包括：
54.第四发送模块，用于将所述目标规划路径发送给智能服务机器人，以使所述智能服务机器人根据所述目标规划路径行进；
55.第二接收模块，用于接收所述智能服务机器人发送的目标引导任务的执行状态信息；在所述目标引导任务的执行状态信息表示所述目标引导任务已结束的情况下，返回执行所述获取目标环境的当前环境地图步骤。
56.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面所述的方法的步骤。
57.第四方面，本技术还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，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的方法的步骤。
58.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面所述的方法的步骤。
59.上述路径规划方法、装置、计算机设备、存储介质和计算机程序产品，通过基于目标环境的当前环境地图、以及目标环境中多个驻留点在当前环境地图中的位置信息，计算任意两个驻留点对应的环境影响因子，并基于多个驻留点构成的各驻留点序列、每个驻留点序列中相邻两个驻留点对应的环境影响因子、以及相邻两个驻留点的距离，构建目标函数。其中，环境影响因子为任意两个驻留点构成的预设范围区域中障碍物区域和未知区域的占比，可以体现出两个驻留点间的环境复杂程度，因此基于环境影响因子和相邻两个驻留点的距离构建目标函数，同时考虑了距离和环境复杂度对路径成本的影响，计算结果更贴合实际情况，进而根据该目标函数计算出的目标驻留点序列，可以得到在多个驻留点间轮巡时、路径成本较低的规划路径。并且，该目标函数相对简单，可以采用灰狼算法快速求解得到目标驻留点序列，计算效率较高，能满足智能服务机器人对路径规划的实时性要求。
也即，本方法可以适用于涉及多个驻留点的路径规划，并且规划出的路径兼顾了低路径成本和高计算效率。
附图说明
60.图1为一个实施例中路径规划方法的应用环境图；
61.图2为一个实施例中路径规划方法的流程示意图；
62.图3为一个实施例中获取当前环境地图步骤的流程示意图；
63.图4为另一个实施例中路径规划方法的流程示意图；
64.图5为一个实施例中路径规划装置的结构框图；
65.图6为一个实施例中计算机设备的内部结构图。
具体实施方式
66.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
67.首先，在具体介绍本技术实施例的技术方案之前，先对本技术实施例基于的技术背景或者技术演进脉络进行介绍。智能服务机器人作为打造“智慧银行”重要的一环，可以承接自主迎宾、业务咨询、身份识别、客户引导等重要功能。相关技术中，智能服务机器人一般采用单点驻留、以及单点到单点的接待模式，例如机器人驻留在前台，为前台的客户提供业务咨询等服务，并根据客户需要，将客户从前台引导至指定柜台前，然后再返回前台，因而智能服务机器人的路径规划方法仅针对该两个位置之间的路径规划。
68.然而，在业务办理高峰时期，大量客户进入网点后一般不会在前台过多停留，而是会前往网点休息区询问或排队等候，故有必要在客户经常停留的多个位置设置驻留点，使智能服务机器人在多个驻留点间轮巡，以便为各驻留点的客户提供服务。而上述单点到单点的路径规划方法不适用于多驻留点的路径规划。因此，亟需一种适用于多个驻留点的路径规划方法。基于该背景，申请人通过长期的研发以及实验验证，考虑了银行网点的环境情况(小型室内场景，整体空间较小，但人群流动频繁，障碍物占空间比重较大)，提出本技术的路径规划方法，可以适用于涉及多个驻留点的路径规划，并且规划出的路径兼顾了低路径成本和高计算效率。另外，需要说明的是，本技术技术问题的发现以及下述实施例介绍的技术方案，申请人均付出了大量的创造性劳动。
69.本技术实施例提供的路径规划方法，可以应用于如图1所示的应用环境中。其中，智能服务机器人102通过网络与服务器104进行通信。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
70.在一个实施例中，如图2所示，提供了一种路径规划方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
71.步骤201，获取目标环境的当前环境地图。
72.其中，当前环境地图包含障碍物区域、可通行区域和未知区域。目标环境可以是银行网点或其他情况相似的环境，可以是室内环境，也可以是室外环境，本技术不做限定。
73.在实施中，服务器可以获取目标环境的当前环境地图。当前环境地图可以是根据
目标环境的当前环境信息构建的环境地图，其包含障碍物区域、可通行区域和未知区域。其中，障碍物区域表示目标环境中当前具有阻碍智能服务机器人通行的障碍物(人、设备、设施等)的区域，即智能服务机器人无法在该区域通行；可通行区域为当前不具有障碍物的区域，智能服务机器人可以在该区域通行；未知区域指根据当前环境信息无法知晓该区域是否具有障碍物，即无法确定智能服务机器人能否在该区域通行。
74.步骤202，获取目标环境中多个驻留点在当前环境地图中的位置信息，并基于位置信息，计算多个驻留点中任意两个驻留点对应的环境影响因子。
75.在实施中，服务器可以获取目标环境中多个驻留点在当前环境地图中的位置信息，例如，驻留点的数量和位置信息可以由用户根据经验进行设置，也可以由服务器根据目标环境的历史环境信息或历史环境地图数据，采用相关算法确定出客户常驻点，进而将客户常驻点设置为驻留点。然后，服务器可以基于各驻留点的位置信息，计算出任意两个驻留点对应的环境影响因子。其中，环境影响因子为任意两个驻留点构成的预设范围区域所包含的障碍物区域和未知区域、在预设范围区域中的占比。预设范围区域为两个驻留点之间涉及的区域，例如，预设范围区域可以两个驻留点之间的矩形区域，其中两个驻留点分别作为矩形区域对角的两个顶点；也可以是两个驻留点之间的圆形区域，其中两个驻留点的连线作为圆形区域的直径，连线的中间点作为圆心；也可以是其他形状的区域，本技术对此不做限定。
76.步骤203，基于多个驻留点构成的各驻留点序列、每个驻留点序列中相邻两个驻留点对应的环境影响因子、以及相邻两个驻留点的距离，构建目标函数。
77.在实施中，服务器可以基于多个驻留点构成的各驻留点序列、每个驻留点序列中相邻两个驻留点对应的环境影响因子、以及相邻两个驻留点的距离，构建目标函数。其中，驻留点序列表示智能服务机器人在多个驻留点间轮巡时各驻留点的行进顺序。例如，若驻留点数量为5个，驻留点的编号为1至5，则可以对该5个驻留点的编号按照不同顺序进行排序，每种排序方式即对应一个驻留点序列，例如排序可以是(1，2，3，4，5)、(1，3，2，5，4)、(1，3，4，5，2)等。若排序为(1，3，2，5，4)，则表示智能服务机器人的行进顺序为从1号驻留点行进至3号驻留点、然后从3号到2号、2号到5号、5号到4号，还可以进一步从4号到1号，如此形成轮巡。
78.在一个具体示例中，目标函数(可记为f
dis
(d)
′
)的公式可以如下所示：
[0079][0080]
其中，d为驻留点个数，i(i＝1,2,3,
…
,n)表示各驻留点在一个驻留点序列中的排序序号或排序位数号，其中n的数值与d相等。排序第i位的驻留点与排序第i 1位的驻留点为相邻两个驻留点，可以理解的，为了实现轮巡，可以认为排序第n位的驻留点(即序列中最后一位)与排序第1位的驻留点为相邻两个驻留点。d(i,i 1)表示一个驻留点序列中，排序第i位的驻留点与排序第i 1位的驻留点间的距离，表示该驻留点序列中，排序第i位的驻留点与第i 1位的驻留点对应的环境影响因子。如前述示例中，驻留点个数d为5，i＝1,2,3,4,5(n＝5)，当驻留点序列为(1，3，2，5，4)时，1号驻留点在该序列中排在第1位，4号驻留点排在第5位，其中，1号和3号、3号和2号、2号和5号、5号和4号、4号和1号分别为相邻
驻留点。对该目标函数的求解，即为求解一个目标驻留点序列，使得该目标驻留点序列中相邻两个驻留点的距离与环境影响因子的乘积之和最小。
[0081]
步骤204，根据多个驻留点在当前环境地图中的位置信息、多个驻留点中任意两个驻留点对应的环境影响因子、以及目标函数，采用灰狼算法确定使目标函数计算得到的适应度值最低的目标驻留点序列。
[0082]
在实施中，服务器可以采用灰狼算法对步骤203中构建的目标函数进行求解，确定出目标驻留点序列。具体的，可以定义灰狼的种群规模大小为m，目标点(即驻留点)的数量为d，则搜索空间为d维空间。在d维搜索空间中，第j(j＝1,2
…
,m)只灰狼的位置(可记为xj)被定义成一组互不相同的正整数序列(可称为位置序列)，每个位置序列即对应一个驻留点序列。第j只灰狼的位置序列xj如下所示：
[0083][0084]
其中，n的数值与d相等，表示第j只狼的位置序列中，排序在第n位的驻留点的值。例如可以预先对每个驻留点赋予一个不同的编号值(如前述示例中的编号1至5)，一般为正整数，该值可用于标识不同的驻留点，还可用于在灰狼算法中对灰狼位置进行表示和计算。
[0085]
根据m只灰狼在d维搜索空间中的位置序列，可以构建目标矩阵p，公式如下所示：
[0086][0087]
其中，目标矩阵p的每一行表示一只灰狼的位置序列，首行表示第一只灰狼在搜索空间中的位置序列，尾行表示第m只灰狼在搜索空间中的位置序列。
[0088]
每只灰狼的适应度值可以基于步骤203构建的目标函数进行计算，第j只灰狼的适应度值(可记为f
dis
(xj)
′
)的计算公式如下所示：
[0089][0090]
其中，d(i,i 1)为该灰狼的位置序列(对应驻留点序列)中相邻两个驻留点的距离，可以根据各驻留点的位置信息计算得到；为该灰狼的位置序列(对应驻留点序列)中相邻两个驻留点对应的环境影响因子。由于步骤202中已计算出任意两个驻留点对应的环境影响因子，因此计算灰狼的适应度值时可以直接获取相应的环境影响因子。
[0091]
采用灰狼算法搜索最优位置序列时，可以先对目标矩阵p进行初始化(即对狼群中每一只灰狼的位置序列进行初始化)，然后根据狼群中每只灰狼的位置序列以及前述计算适应度值的函数(与目标函数对应)计算出狼群中每只灰狼的适应度值，并将适应度值由低到高排序，排序前三的三只灰狼分别设定为α、β、δ狼(适应度值最低的灰狼为α狼)，其余狼设定为ω狼。适应度值越低说明路径成本越低，则该灰狼的位置序列对应的驻留点序列越优。进而根据α、β、δ狼的位置序列，对狼群中各灰狼的位置序列进行迭代更新，即对目标矩阵p进行更新，当达到迭代结束条件时(如达到预设迭代次数)，则根据更新后的目标矩阵p，计算每只灰狼的适应度值，并将适应度值最低的灰狼(α狼)的位置序列，作为目标驻留点序
列。灰狼的位置序列的具体更新方法可参考灰狼算法的原理，可以理解的，若更新计算得到的位置序列中某个位数上的值为非整数(如计算值为1.6)，则可以将与该值最接近的驻留点的值(如2号驻留点的值)作为更新后的位置序列中相应位数上的值(即为2)。若该值与其他位数上更新后的值相同，则可以将次接近的驻留点的值作为更新后的位置序列中相应位数上的值。
[0092]
步骤205，根据目标驻留点序列、以及当前环境地图，确定目标规划路径。
[0093]
在实施中，服务器可以根据目标驻留点序列，确定出各驻留点的行进顺序，进而可以根据当前环境地图，计算出相邻驻留点间的规划路径，由此得到目标规划路径。目标规划路径用于智能服务机器人根据该目标规划路径行进。其中，相邻驻留点之间的规划路径可以采用现有的路径规划算法计算，如人工势场法等。
[0094]
上述路径规划方法中，通过基于目标环境的当前环境地图、以及目标环境中多个驻留点在当前环境地图中的位置信息，计算任意两个驻留点对应的环境影响因子，并基于多个驻留点构成的各驻留点序列、每个驻留点序列中相邻两个驻留点对应的环境影响因子、以及相邻两个驻留点的距离，构建目标函数。其中，环境影响因子为任意两个驻留点构成的预设范围区域中障碍物区域和未知区域的占比，可以体现出两个驻留点间的环境复杂程度，因此基于环境影响因子和相邻两个驻留点的距离构建目标函数，同时考虑了距离和环境复杂度对路径成本的影响，计算结果更贴合实际情况，进而根据该目标函数计算出的目标驻留点序列，可以得到在多个驻留点间轮巡时、路径成本较低的规划路径。并且，该目标函数相对简单，可以采用灰狼算法快速求解得到目标驻留点序列，计算效率较高，能满足智能服务机器人对路径规划的实时性要求。也即，本方法可以适用于涉及多个驻留点的路径规划，并且规划出的路径兼顾了低路径成本和高计算效率。
[0095]
在一个实施例中，如图3所示，步骤201中获取当前环境地图的过程具体包括如下步骤：
[0096]
步骤301，获取目标环境的当前拍摄图像。
[0097]
在实施中，可以预先在目标环境安装拍摄装置，服务器可以通过拍摄装置对目标环境进行图像拍摄，得到目标环境的当前拍摄图像。为了便于构建地图，当前拍摄图像可以是直接对目标环境进行俯拍得到的俯视图，也可以对其他角度的拍摄图像进行处理得到俯视图，例如采用透视图校正算法将拍摄图像转化为俯视图，得到当前拍摄图像。
[0098]
步骤302，采用目标检测算法对当前拍摄图像进行障碍物检测，得到当前拍摄图像中各区域对应的置信度。
[0099]
在实施中，服务器可以采用目标检测算法(如yolo-v5算法)对当前拍摄图像进行障碍物检测，障碍物包括人、硬件设备、休息设施等，可以根据目标环境的实际情况设置检测目标，由此可以得到当前拍摄图像中各区域分别对应的置信度。
[0100]
步骤303，将置信度位于第一置信度区间的区域确定为可通行区域，将置信度位于第二置信度区间的区域确定为未知区域，将置信度位于第三置信度区间的区域确定为障碍物区域。
[0101]
在实施中，服务器得到各区域对应的置信度之后，可以根据置信度的值、以及预设的三个置信度区间，判断各区域的区域类型。具体的，将置信度位于第一置信度区间(可表示为[0,α-c])的区域确定为可通行区域，将置信度位于第二置信度区间(可表示为[α-c,
α])的区域确定为未知区域，将置信度位于第三置信度区间(可表示为[α,1])的区域确定为障碍物区域。其中，各置信度区间可以根据经验或实验设置，第一置信度区间的置信度均小于第二置信度区间的置信度，第二置信度区间的置信度均小于第三置信度区间的置信度。
[0102]
步骤304，基于可通行区域、未知区域和障碍物区域，构建目标环境的当前环境地图。
[0103]
在实施中，服务器可以基于步骤303确定出的可通行区域、未知区域和障碍物区域，构建目标环境的当前环境地图。例如，服务器可以根据目标环境的当前拍摄图像或目标环境的建筑结构图，确定出目标环境的轮廓图，然后将轮廓图中的各区域按不同区域类型进行标记，如按照不同颜色分别标记出可通行区域、未知区域和障碍物区域，由此构建出目标环境的当前环境地图。
[0104]
本实施例中，通过采用目标检测算法对目标环境的当前拍摄图像进行障碍物检测，得到当前拍摄图像中各区域对应的置信度，然后根据各区域的置信度的值、以及预设的三个置信度区间，判断各区域的区域类型(包括可通行区域、未知区域和障碍物区域)，进而根据各区域的区域类型，构建当前环境地图。经实验结果对比发现，在第二置信度区间[α-c,α]内存在一定量的目标检测结果与实际情况不符的情况，即目标检测算法可能将障碍物区域判定为可通行区域，或将可通行区域判断为障碍物区域，因此可以将置信度位于该置信度区间的区域设置为未知区域。由此，可以准确地构建出目标环境的当前环境地图，便于后续根据当前环境地图计算环境影响因子以及路径规划。
[0105]
在一个实施例中，当前环境地图为栅格地图，步骤202中计算环境影响因子的过程包括如下步骤：根据多个驻留点中任意两个驻留点在当前环境地图中的位置信息，确定当前环境地图中任意两个驻留点构成的预设范围区域，并确定预设范围区域包含的障碍物区域和可通行区域；根据预设范围区域对应的栅格总数量，以及预设范围区域包含的障碍物区域和可通行区域对应的栅格数量，计算任意两个驻留点对应的环境影响因子。
[0106]
在实施中，当前环境地图可以为栅格地图。在一个示例中，可以用不同颜色标记栅格地图中各区域的类型，如可通行区域用白色栅格表示，未知区域用灰色栅格表示，障碍物区域用黑色栅格表示。服务器可以根据多个驻留点中任意两个驻留点(i和j)在当前环境地图中的位置信息，确定当前环境地图中任意两个驻留点构成的预设范围区域，并确定预设范围区域包含的障碍物区域和可通行区域。各驻留点在栅格地图的位置信息可以用二维坐标表示，如驻留点i的位置信息可以表示为(xi,yi)，驻留点j的位置信息可以表示为(xj,yj)。若预设范围区域为两个驻留点分别作为矩形对角顶点的矩形区域，则服务器可以根据驻留点i的位置坐标(xi,yi)和驻留点j的位置坐标(xj,yj)，确定出该预设范围区域在栅格地图中的位置坐标范围，进而可以计算出该预设范围区域内的栅格总数量(可记为n(i,j))，计算公式如下所示：
[0107]
n(i,j)＝|x
i-xj|
·yi-yj|
[0108]
然后，服务器可以根据该预设范围区域内的区域颜色标识，确定出该区域内包含的障碍物区域和可通行区域，并计算出障碍物区域的栅格数量(可记为on(i,j))和可通行区域对应的栅格数量(可记为un(i,j))。然后，服务器可以根据预设范围区域内障碍物区域的栅格数量on(i,j)、预设范围区域内可通行区域对应的栅格数量un(i,j)、以及预设范围区域内的栅格总数量n(i,j)，计算驻留点i和j对应的环境影响因子由此得到任意两
个驻留点对应的环境影响因子。在一个示例中，环境影响因子的计算公式如下所示：
[0109][0110]
本实施例中，通过构建目标环境的栅格地图，并根据各驻留点的位置信息(即二维坐标)，计算出任意两个驻留点间预设区域范围内的栅格总数量、以及预设区域范围内障碍物区域的栅格数量、可通行区域的栅格数量，进而计算出环境影响因子，由此可以兼顾计算精度和计算效率。
[0111]
在一个实施例中，步骤205中确定目标规划路径的过程具体包括如下步骤：根据当前环境地图，采用路径规划算法计算目标驻留点序列中、相邻两个驻留点间的规划路径，将各相邻两个驻留点间的规划路径串联，得到目标规划路径。
[0112]
在实施中，服务器可以根据目标驻留点序列，确定出各驻留点的行进顺序。可以理解的，各驻留点的行进顺序还可以结合智能服务机器人的初始位置确定，例如前述示例中，若目标驻留点序列为(1，3，5，4，2)，则进一步可以根据智能服务机器人的当前位置确定起始驻留点，比如智能服务机器人当前位于3号驻留点或离3号驻留点最近，则可以将3号驻留点作为起始驻留点，各驻留点的行进顺序即为3-5-4-2-1-3，如此轮巡。然后，服务器可以根据当前环境地图，采用路径规划算法计算目标驻留点序列中、相邻两个驻留点间的规划路径，进而将各相邻两个驻留点间的规划路径串联，即可得到目标规划路径。如前述示例中，相邻驻留点间的规划路径包括3号和5号间、5号和4号间、4号和2号间、2号和1号间的规划路径、1号和3号间的规划路径。其中，相邻驻留点之间的规划路径可以采用现有的路径规划算法计算，如人工势场法等，在计算相邻驻留点之间的路径时，可以将当前环境地图中的未知区域作为可通行区域进行路径规划。
[0113]
本实施例中，先计算出各驻留点的最优目标驻留点序列，然后再计算目标驻留点序列中相邻驻留点间的规划路径，进而串联得到目标规划路径，可以提高多驻留点间轮巡的路径规划效率，并且目标驻留点序列的计算过程中，考虑了路径距离和环境复杂程度，因而规划出的目标路径可以兼顾路径成本和计算效率。
[0114]
在一个实施例中，如图4所示，在步骤205确定出目标规划路径之后，还可以具有路径更新的步骤，具体包括：
[0115]
步骤401，将目标规划路径发送给智能服务机器人，以使智能服务机器人根据目标规划路径行进。
[0116]
在实施中，服务器可以将步骤205中确定出的目标规划路径发送给智能服务机器人。智能服务机器人可以根据目标规划路径行进。
[0117]
步骤402，接收智能服务机器人发送的局部环境地图数据。
[0118]
在实施中，智能服务机器人可以在行进过程中，采集目标环境中局部区域的环境信息，并基于局部区域的环境信息生成局部环境地图数据。例如，智能服务机器人可以设置有红外测距仪，通过红外测距仪采集行进路径前方预设范围内的测距数据，该预设范围即构成目标环境中的局部区域，具体预设范围与红外测距仪的设置位置和性能参数有关，也可以根据经验进行设置。智能服务机器人可以根据测距数据确定出局部区域的环境信息，如局部区域内是否包含障碍物，以及障碍物的位置信息等，进而智能服务机器人可以根据
局部区域的环境信息生成局部环境地图数据，并发送给服务器。服务器可以接收该局部环境地图数据。在其他实现方式中，智能服务机器人也可以设置有拍摄装置，通过拍摄装置在行进过程中拍摄局部区域的图像，并对图像进行识别等处理，以生成局部环境地图数据。
[0119]
步骤403，根据局部环境地图数据和预设的地图更新策略，对当前环境地图进行更新。
[0120]
在实施中，服务器可以根据步骤402中接收到的局部环境地图数据、以及预设的地图更新策略，对当前环境地图进行更新。地图更新策略可以根据实际情况进行设置，例如，地图更新策略可以为：
[0121]
若局部环境地图数据对应的局部区域为当前环境地图中的已知区域(包括可通行区域和障碍物区域)，则服务器可以进一步判断该局部环境地图数据与当前环境地图中该局部区域对应的地图数据是否一致，若不一致，则服务器可以基于该局部环境地图数据对当前环境地图进行更新；若一致，则不需要对当前环境地图进行更新，服务器可以发送指令，使智能服务机器人按原目标规划路径继续行进。
[0122]
若该局部区域为当前环境地图中的未知区域，则服务器可以基于局部环境地图数据对当前环境地图进行更新，例如直接将当前环境地图中局部区域对应的地图数据替换为局部环境地图数据。
[0123]
步骤404，根据更新后的当前环境地图，计算智能服务机器人的当前位置与目标规划路径中下一个驻留点之间的局部规划路径。
[0124]
在实施中，服务器可以根据更新后的当前环境地图，采用路径规划算法(如人工势场法)计算智能服务机器人的当前位置与目标规划路径中下一个驻留点之间的局部规划路径。
[0125]
步骤405，基于局部规划路径对目标规划路径进行更新，并将更新后的目标规划路径发送给智能服务机器人，以使智能服务机器人根据更新后的目标规划路径行进。
[0126]
在实施中，服务器可以基于步骤404中计算出的局部规划路径，对目标规划路径进行更新，例如，将原目标规划路径中、智能服务机器人的当前位置至下一个驻留点之间的路径，替换为局部规划路径，然后将更新后的目标规划路径发送给智能服务机器人，以使智能服务机器人根据更新后的目标规划路径行进。
[0127]
本实施例中，通过在智能服务机器人行进过程中采集局部区域的环境信息生成局部环境地图数据，进而根据局部环境地图数据对当前环境地图进行更新，以实时更新目标规划路径，使规划路径更贴合实际情况，提高规划路径的准确性和智能服务机器人的适应能力。并且，由于已经先计算出整体的目标规划路径，仅需要实时更新局部路径，整体计算效率较高，可以满足智能服务机器人的实时性要求，一定程度上提升了机器人的避障能力，避免碰撞事件发生。
[0128]
在一个实施例中，在步骤205确定出目标规划路径之后，还可以具有重新计算目标规划路径的步骤，具体包括：将目标规划路径发送给智能服务机器人，以使智能服务机器人根据目标规划路径行进；在智能服务机器人根据目标规划路径行进至最后一个驻留点时，返回执行获取目标环境的当前环境地图步骤。
[0129]
在实施中，服务器可以将确定出的目标规划路径发送给智能服务机器人。智能服务机器人可以根据目标规划路径行进，直到智能服务机器人根据目标规划路径，从起始位
置的驻留点行进至路径中的最后一个驻留点时，则返回执行步骤201的获取目标环境的当前环境地图步骤，重新计算目标规划路径。可以理解的，对于根据目标驻留点序列(1，2，3，4，5)计算出的目标规划路径，若智能服务机器人从1号驻留点开始行进，则最后一个驻留点为5号驻留点；若智能服务机器人从3号驻留点开始行进，则最后一个驻留点为2号驻留点。
[0130]
本实施例中，在智能服务机器人根据目标规划路径行进至最后一个驻留点时，重新获取目标环境的当前环境地图，以根据当前环境地图重新计算新的目标规划路径。由于目标环境中的客户可能不断流动，即环境信息不断发生变化，因此，在智能服务机器人根据当前环境地图计算出的目标规划路径轮巡一周(每个驻留点均经停一次)，则重新计算目标规划路径，以便根据新的环境情况重新规划合理的路径。
[0131]
在一个实施例中，在步骤205确定出目标规划路径之后，还可以根据智能服务机器人执行引导任务完成后，重新计算目标规划路径，具体包括：将目标规划路径发送给智能服务机器人，以使智能服务机器人根据目标规划路径行进；接收智能服务机器人发送的目标引导任务的执行状态信息；在目标引导任务的执行状态信息表示目标引导任务已结束的情况下，返回执行获取目标环境的当前环境地图步骤。
[0132]
在实施中，服务器可以将确定出的目标规划路径发送给智能服务机器人。智能服务机器人可以根据目标规划路径行进。在智能服务机器人行进过程中，比如到达某个驻留点时，可能与驻留点的客户产生交互。比如，智能服务机器人可以依据自身人脸识别功能、语音提示功能或面板触碰情况，判断当前是否有客户正在与智能服务机器人进行交互。若原地即可完成交互，如为客户提供咨询类服务，则可以交互结束后根据目标规划路径继续行进；若交互类型为引导类交互，即智能服务机器人需要执行目标引导任务，将该驻留点的客户引导至其他地方，则智能服务机器人可以向服务器发送目标引导任务的执行状态信息。若服务器接收到的执行状态信息表示目标引导任务已结束，则返回执行步骤201获取目标环境的当前环境地图步骤。可以理解的，智能服务机器人执行目标引导任务的引导路径，包括从驻留点行进至引导目的地，以及从引导目的地返回驻留点(或行进至与引导目的地最接近的驻留点)的引导路径，可以采用现有的路径规划算法(如人工势场法)计算得到。
[0133]
本实施例中，服务器可以接收智能服务机器人发送的目标引导任务执行状态信息，若目标任务执行结束，则服务器可以获取当前环境地图，重新计算目标规划路径。由于机器人执行目标引导任务一般需要花费较长时间，目标环境的环境信息可能发生较大变化，因此在结束引导任务后重新计算目标规划路径，以便根据新的环境情况重新规划合理的路径。
[0134]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0135]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的路径规划方法的路径规划装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现
方案相似，故下面所提供的一个或多个路径规划装置实施例中的具体限定可以参见上文中对于路径规划方法的限定，在此不再赘述。
[0136]
在一个实施例中，如图5所示，提供了一种路径规划装置500，包括：第一获取模块501、第一计算模块502、构建模块503、第一确定模块504和第二确定模块505，其中：
[0137]
第一获取模块501，用于获取目标环境的当前环境地图，当前环境地图包含障碍物区域、可通行区域和未知区域。
[0138]
第一计算模块502，获取目标环境中多个驻留点在当前环境地图中的位置信息，并基于位置信息，计算多个驻留点中任意两个驻留点对应的环境影响因子，环境影响因子为任意两个驻留点构成的预设范围区域所包含的障碍物区域和未知区域、在预设范围区域中的占比。
[0139]
构建模块503，基于多个驻留点构成的各驻留点序列、每个驻留点序列中相邻两个驻留点对应的环境影响因子、以及相邻两个驻留点的距离，构建目标函数。
[0140]
第一确定模块504，根据多个驻留点在当前环境地图中的位置信息、多个驻留点中任意两个驻留点对应的环境影响因子、以及目标函数，采用灰狼算法确定使目标函数计算得到的适应度值最低的目标驻留点序列。
[0141]
第二确定模块505，根据目标驻留点序列、以及当前环境地图，确定目标规划路径。
[0142]
在一个实施例中，第一获取模块501具体用于：
[0143]
获取目标环境的当前拍摄图像；采用目标检测算法对当前拍摄图像进行障碍物检测，得到当前拍摄图像中各区域对应的置信度；将置信度位于第一置信度区间的区域确定为可通行区域，将置信度位于第二置信度区间的区域确定为未知区域，将置信度位于第三置信度区间的区域确定为障碍物区域；其中，第一置信度区间的置信度均小于第二置信度区间的置信度，第二置信度区间的置信度均小于第三置信度区间的置信度；基于可通行区域、未知区域和障碍物区域，构建目标环境的当前环境地图。
[0144]
在一个实施例中，当前环境地图为栅格地图；第一计算模块502具体用于：
[0145]
根据多个驻留点中任意两个驻留点在当前环境地图中的位置信息，确定当前环境地图中任意两个驻留点构成的预设范围区域，并确定预设范围区域包含的障碍物区域和可通行区域；根据预设范围区域对应的栅格总数量，以及预设范围区域包含的障碍物区域和可通行区域对应的栅格数量，计算任意两个驻留点对应的环境影响因子。
[0146]
在一个实施例中，第二确定模块505具体用于：
[0147]
根据当前环境地图，采用路径规划算法计算目标驻留点序列中、相邻两个驻留点间的规划路径，将各相邻两个驻留点间的规划路径串联，得到目标规划路径。
[0148]
在一个实施例中，该装置还包括第一发送模块、第一接收模块、更新模块、第二计算模块和第二发送模块，其中：
[0149]
第一发送模块，用于将目标规划路径发送给智能服务机器人，以使智能服务机器人根据目标规划路径行进。
[0150]
第一接收模块，用于接收智能服务机器人发送的局部环境地图数据，局部环境地图数据为智能服务机器人在行进过程中根据采集的目标环境中局部区域的环境信息确定出的地图数据。
[0151]
更新模块，用于根据局部环境地图数据和预设的地图更新策略，对当前环境地图
进行更新。
[0152]
第二计算模块，用于根据更新后的当前环境地图，计算智能服务机器人的当前位置与目标规划路径中下一个驻留点之间的局部规划路径。
[0153]
第二发送模块，用于基于局部规划路径对目标规划路径进行更新，并将更新后的目标规划路径发送给智能服务机器人，以使智能服务机器人根据更新后的目标规划路径行进。
[0154]
在一个实施例中，该装置还包括第三发送模块，用于将目标规划路径发送给智能服务机器人，以使智能服务机器人根据目标规划路径行进；在智能服务机器人根据目标规划路径行进至最后一个驻留点时，返回执行获取目标环境的当前环境地图步骤。
[0155]
在一个实施例中，该装置还包括第四发送模块和第二接收模块，其中：
[0156]
第四发送模块，用于将目标规划路径发送给智能服务机器人，以使智能服务机器人根据目标规划路径行进。
[0157]
第二接收模块，用于接收智能服务机器人发送的目标引导任务的执行状态信息；在目标引导任务的执行状态信息表示目标引导任务已结束的情况下，返回执行获取目标环境的当前环境地图步骤。
[0158]
上述路径规划装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0159]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储执行上述路径规划方法所需的或产生的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种路径规划方法。
[0160]
本领域技术人员可以理解，图6中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0161]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
[0162]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0163]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0164]
本技术提供的路径规划方法、装置、计算机设备、存储介质和计算机程序产品涉及人工智能技术领域，可用于金融科技领域或其他相关领域，本技术对应用领域不做限定。
[0165]
需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户
授权或者经过各方充分授权的信息和数据。
[0166]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0167]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0168]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。