巡检机器人的路径决策方法、装置、设备及存储介质与流程

1.本发明涉及计算机技术领域，尤其涉及一种巡检机器人的路径决策方法、装置、设备及存储介质。


背景技术：

2.相比于人工巡检，智能机器人巡检能够实现信息化、数字化、高频次、无遗漏地24小时连续巡检，具有较强的技术优势，随着信息化的发展，巡检机器人有着越来越广泛的应用。
3.现有的巡检机器人基本都是采用按顺序反复遍历的方式来检查各个巡检点，实现了在一定时间内对所有巡检点进行巡检。
4.现有的巡检方式适用于常规的场景，常规场景的特点是场景内的客观环境条件变化不大，各巡检点发生异常情况的几率基本相同。现有的巡检方式存在对于危险情况的反应速度慢的问题，不适用于危险情况易发生或危险情况负面影响大的场景。


技术实现要素：

5.本发明提供一种巡检机器人的路径决策方法、装置、电子设备及存储介质，用以解决现有技术中巡检过程对于危险情况反应慢的缺陷，实现对危险情况的快速反应。
6.本发明提供一种巡检机器人的路径决策方法，包括：
7.对目标巡检区域进行栅格化，获得多个栅格，其中，一个栅格对应一个巡检点，从所有栅格中确定多个候选巡检点所在的栅格；
8.获取每个栅格对应的巡检点的最新巡检时间，并基于所述最新巡检时间确定巡检机器人当前所在栅格；
9.计算所述巡检机器人从当前所在栅格到达所述多个候选巡检点所在的栅格的难易度，计算所述多个候选巡检点的危险波动系数，获取所述多个候选巡检点对应的第一时间，所述第一时间根据当前时间和所述多个候选巡检点的最新巡检时间作差求得；
10.根据所述难易度、危险波动系数和第一时间，确定所述多个候选巡检点的巡检意愿度，将巡检意愿度最高的候选巡检点作为目标巡检点。
11.根据本发明提供的巡检机器人的路径决策方法，所述计算所述巡检机器人从当前所在栅格到达所述多个候选巡检点所在的栅格的难易度包括：
12.根据拥堵情况，确定所述所有栅格的通过难易程度；
13.根据a*算法和所述所有栅格的通过难易程度，确定从所述巡检机器人当前所在栅格到每个候选巡检点所在栅格的最低通过难易程度的路径作为每个候选巡检点对应的巡检路径；
14.将所述巡检路径的通过难易程度作为所述巡检机器人从当前所在栅格到达每个候选巡检点所在的栅格的难易度。
15.根据本发明提供的巡检机器人的路径决策方法，所述计算所述多个候选巡检点的
危险波动系数包括：
16.确定每个候选巡检点所在栅格的积水量和设施分布情况；
17.根据所述积水量和设施分布情况确定每个候选巡检点的危险波动系数。
18.根据本发明提供的巡检机器人的路径决策方法，所述根据所述难易度、危险波动系数和第一时间，确定所述多个候选巡检点的巡检意愿度包括：
19.根据所述难易度、危险波动系数和第一时间，利用预设公式计算所述多个候选巡检点的巡检意愿度；
20.其中，所述预设的公式为：
21.will(dif,w,t)＝-c1*dif c2*w c3*t
22.其中，dif为所述难易度，w为所述危险波动系数，t为所述第一时间，c1，c2和c3为预设的各属性的参考权重，c1，c2和c3的取值均大于0；
23.或，
[0024][0025]
其中，dif为所述难易度，w为所述危险波动系数，t为所述第一时间，c4，c5和c6为预设的各属性的参考权重，c4，c5和c6的取值均大于0；
[0026]
或，
[0027][0028]
其中，dif为所述难易度，w为所述危险波动系数，t为所述第一时间，k为预设的参考权重，k的取值大于0。
[0029]
根据本发明提供的巡检机器人的路径决策方法，还包括：
[0030]
发送巡检指令至巡检机器人，其中所述巡检指令包括巡检信号和停靠指令；
[0031]
所述发送巡检指令至巡检机器人包括：
[0032]
根据所述目标巡检点和所述目标巡检点对应的巡检路径生成巡检信号；
[0033]
将所述巡检信号发送至巡检机器人；
[0034]
若接收到所述巡检机器人发送的巡检完成信号，则根据所述巡检完成信号更新所述目标巡检点的最新巡检时间；
[0035]
生成停靠指令，并将所述停靠指令发送至所述巡检机器人。
[0036]
本发明还提供一种巡检机器人的路径决策装置，包括：
[0037]
栅格化模块，用于对目标巡检区域进行栅格化，获得多个栅格，其中，一个栅格对应一个巡检点，从所有栅格中确定多个候选巡检点所在的栅格；
[0038]
巡检机器人位置确定模块，用于获取每个栅格对应的巡检点的最新巡检时间，并基于所述最新巡检时间确定巡检机器人当前所在栅格；
[0039]
计算模块，用于计算所述巡检机器人从当前所在栅格到达所述多个候选巡检点所在的栅格的难易度，计算所述多个候选巡检点的危险波动系数，获取所述多个候选巡检点对应的第一时间，所述第一时间根据当前时间和所述多个候选巡检点的最新巡检时间作差求得；
[0040]
目标巡检点确定模块，用于根据所述难易度、危险波动系数和第一时间，确定所述多个巡检点的巡检意愿度，将巡检意愿度最高的巡检点作为目标巡检点。
[0041]
根据本发明提供的巡检机器人的路径决策装置，所述计算模块，用于：
[0042]
根据拥堵情况，确定所述所有栅格的通过难易程度；
[0043]
根据a*算法和所述所有栅格的通过的难易程度，确定从所述巡检机器人当前所在栅格到每个候选巡检点所在栅格的最低通过难易程度的路径作为该候选巡检点对应的巡检路径；
[0044]
将所述巡检路径的通过难易程度作为该候选巡检点的难易度。
[0045]
根据本发明提供的巡检机器人的路径决策装置，所述计算模块，用于
[0046]
确定所述候选巡检点所在栅格的积水量和设施分布情况；
[0047]
根据所述积水量和设施分布情况确定所述候选巡检点的危险波动系数。
[0048]
本发明还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现所述巡检机器人的路径决策方法的步骤。
[0049]
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现所述巡检机器人的路径决策方法的步骤。
[0050]
本发明提供的巡检机器人的路径决策方法、装置、电子设备及存储介质，根据难易度、危险波动系数和上次巡检距离现在的时间，确定所述多个候选巡检点的巡检意愿度，将巡检意愿度最高的巡检点作为目标巡检点，采用了宏观的巡检点确定方式，综合考虑了巡检效率、危险情况的发生可能以及巡检状态，提高了巡检过程对于危险情况的反应速度，提高系统的安全性。
附图说明
[0051]
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图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的附图。
[0052]
图1是本发明提供的巡检机器人的路径决策方法的流程示意图之一；
[0053]
图2是本发明提供的计算所述巡检机器人从当前所在栅格到达所述多个候选巡检点所在的栅格的难易度的流程示意图；
[0054]
图3是本发明提供的计算所述多个候选巡检点的危险波动系数的流程示意图；
[0055]
图4是本发明提供的发送巡检指令至巡检机器人的流程示意图；
[0056]
图5是本发明提供的巡检机器人的路径决策方法的流程示意图之二；
[0057]
图6是本发明提供的巡检机器人的路径决策装置的结构示意图；
[0058]
图7是本发明提供的电子设备的结构示意图。
具体实施方式
[0059]
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
[0060]
图1为本发明实施例提供的巡检机器人的路径决策方法的流程示意图，如图1所示，包括以下步骤：
[0061]
步骤100、对目标巡检区域进行栅格化，获得多个栅格，其中，一个栅格对应一个巡检点，从所有栅格中确定多个候选巡检点所在的栅格。
[0062]
具体地，整个环境可以划分为多个大区域，每个大区域由一个巡检机器人负责检查。在所述多个大区域内，可以确定出一个目标巡检区域。将目标巡检区域使用栅格法进行离散化，离散化的过程中将目标巡检区域划分为多个栅格，其中每个栅格对应一个巡检点。在多个巡检点中选取重要的巡检作为候选巡检点，并对候选巡检点所在的栅格进行标记。
[0063]
步骤101、获取每个栅格对应的巡检点的最新巡检时间，并基于所述最新巡检时间确定巡检机器人当前所在栅格。
[0064]
具体地，建立时间数组，存储每个巡检点的最新巡检时间，由于巡检机器人巡检完成后，会停靠在巡检点对应的指定位置，因此，根据每个巡检点的最新巡检时间，可以确定出距离当前时间最近的一次巡检操作的巡检点，根据该巡检点的位置，确定出巡检机器人当前所在的栅格。
[0065]
步骤102、计算所述巡检机器人从当前所在栅格到达所述多个候选巡检点所在的栅格的难易度，计算所述多个候选巡检点的危险波动系数，获取所述多个候选巡检点对应的第一时间，所述第一时间根据当前时间和所述多个候选巡检点的最新巡检时间作差求得。
[0066]
具体地，从步骤101中确定出的巡检机器人当前所在栅格到步骤100中确定出的每个候选巡检点所在的栅格，均存在多条路径，在多条路径中确定出一条难易度最低的路径，该难易度最低的路径对应的难易度就作为该候选巡检点的难易度，表示机器人到达该候选巡检点的难易度，难易度越高，巡检意愿越低。
[0067]
根据每个候选巡检点所在栅格的积水量和设施分布情况，可以确定出该栅格的危险波动系数。在巡检点确定的过程中将危险波动系数作为参考值，可以提高巡检过程中对于危险情况的反应速度。危险波动系数越大，说明巡检意愿越大。
[0068]
确定每个候选巡检点的最新巡检时间，跟当前的时间作差，可以得到每个候选巡检点上次巡检距离上次的时间，作为第一时间。第一时间越大，说明距离上次巡检的时间越久，巡检意愿也越大。
[0069]
步骤103、根据所述难易度、危险波动系数和第一时间，确定所述多个候选巡检点的巡检意愿度，将巡检意愿度最高的候选巡检点作为目标巡检点。
[0070]
根据步骤102中确定出的所述难易度、危险波动系数和第一时间，可以确定每个候选巡检点的巡检意愿度。其中，巡检意愿度与难易度成负相关，与危险波动系数和第一时间成正相关，巡检意愿度的计算方式在此不做具体限定。选取巡检意愿度最高的巡检点作为目标巡检点。
[0071]
本发明实施例，根据难易度、危险波动系数和上次巡检距离现在的时间，确定所述多个候选巡检点的巡检意愿度，将巡检意愿度最高的巡检点作为目标巡检点，采用了宏观的巡检点确定方式，综合考虑了巡检效率、危险情况的发生可能以及巡检状态，提高了巡检
过程对于危险情况的反应速度，提高系统的安全性。
[0072]
图2为本技术实施例提供的计算所述巡检机器人从当前所在栅格到达所述多个候选巡检点所在的栅格的难易度的流程示意图，如图2所示，在一个实施例中，计算所述巡检机器人从当前所在栅格到达所述多个候选巡检点所在的栅格的难易度包括以下子步骤：
[0073]
步骤200、根据拥堵情况，确定所述所有栅格的通过难易程度。
[0074]
具体地，所有栅格可分为可通过栅格和不可通过栅格，可通过栅格再根据拥堵情况计算出一个栅格通过难易度，对栅格通过的难易度进行标记，用于后续对路径权重的计算。其中拥堵状况通过对地形的测量、道路感应线圈的测量和摄像头图像处理的方法确定。
[0075]
步骤201、根据a*算法和所述所有栅格的通过难易程度，确定从所述巡检机器人当前所在栅格到每个候选巡检点所在栅格的最低通过难易程度的路径作为每个候选巡检点对应的巡检路径。
[0076]
其中，a*算法是对dijkstra算法的改进，被广泛地使用到求解最短路径的问题中。在搜索过程中加入状态空间本身已知的启发信息，通过定义合适的代价函数评估代价大小，以此动态调整搜索策路计算最佳解。a*算法的代价函数为：
[0077]f*
(j)＝g(j) h
*
(j)
[0078]
其中，j表示待求解的目标节点；g(j)是从起点沿着已生成的路径到目标节点j的实际开销，其值根据路网选定的度量来决定，本文基于最短行驶路径/时间和停车难度两个指标标定；h
*
(j)是从当前节点j到终点的开销的估算值。
[0079]
具体地，根据a*算法和步骤200中确定的所有栅格的通过的难易程度，确定从所述巡检机器人当前所在栅格到每个候选巡检点所在栅格的最低通过难易程度的路径作为该候选巡检点对应的巡检路径，该巡检路径是从巡检机器人所在栅格到每个候选巡检点的最优路径，并对每个候选点对应的巡检路径进行存储，存储方式在此不做具体限定。
[0080]
步骤202、将所述巡检路径的通过难易程度作为所述巡检机器人从当前所在栅格到达每个候选巡检点所在的栅格的难易度。
[0081]
具体地，根据步骤201中确定出的候选检点对应的巡检路径的通过难易程度，作为巡检机器人从当前所在栅格到达每个候选巡检点所在的栅格的难易度，该难易度是从巡检机器人所在栅格到每个候选巡检点的最低难易度。
[0082]
本发明实施例，根据拥堵状况确定栅格通过的难易度，并采用a*算法，确定出每个目标巡检点的难易度，根据难易度、危险波动系数和上次巡检距离现在的时间，确定所述多个候选巡检点的巡检意愿度，将巡检意愿度最高的巡检点作为目标巡检点，采用了宏观的巡检点确定方式，提高了巡检过程对于危险情况的反应速度，提高系统的安全性。
[0083]
图3为本技术实施例提供的计算所述多个候选巡检点的危险波动系数的流程示意图，如图3所示，在一个实施例中，计算所述多个候选巡检点的危险波动系数包括以下子步骤：
[0084]
步骤300、确定每个候选巡检点所在栅格的积水量和设施分布情况。
[0085]
具体地，可以利用5g技术的低时延的特性，保证确定出的所述候选巡检点所在栅格的积水量和设施分布情况的实时性。候选巡检点所在栅格的积水量和设施分布情况与危险情况的发生可能性相关。
[0086]
步骤301、根据所述积水量和设施分布情况确定每个候选巡检点的危险波动系数。
[0087]
具体地，根据所述积水量和设施分布情况确定每个候选巡检点的危险波动系数，所述危险波动系数由代表了每个候选巡检点危险情况的发生可能性。
[0088]
本发明实施例，根据所述积水量和设施分布情况确定所述候选巡检点的危险波动系数，根据难易度、危险波动系数和上次巡检距离现在的时间，确定所述多个候选巡检点的巡检意愿度，将巡检意愿度最高的巡检点作为目标巡检点，采用了宏观的巡检点确定方式，提高了巡检过程对于危险情况的反应速度，提高系统的安全性。
[0089]
在一个实施例中，根据所述难易度、危险波动系数和第一时间，确定所述多个候选巡检点的巡检意愿度包括：
[0090]
根据所述难易度、危险波动系数和第一时间，利用预设公式计算所述多个候选巡检点的巡检意愿度。
[0091]
其中，所述预设的公式为：
[0092]
will(dif,w,t)＝-c1*dif c2*w c3*t
[0093]
其中，dif为所述难易度，w为所述危险波动系数，t为所述第一时间，c1，c2和c3为预设的各属性的参考权重，c1，c2和c3的取值均大于0；
[0094]
或，
[0095][0096]
其中，dif为所述难易度，w为所述危险波动系数，t为所述第一时间，c4，c5和c6为预设的各属性的参考权重，c4，c5和c6的取值均大于0；
[0097]
或，
[0098][0099]
其中，dif为所述难易度，w为所述危险波动系数，t为所述第一时间，k为预设的参考权重，k的取值大于0。
[0100]
本发明实施例，根据难易度、危险波动系数和上次巡检距离现在的时间，利用预设公式计算多个候选巡检点的巡检意愿度，提高了巡检意愿计算的准确度，将巡检意愿度最高的巡检点作为目标巡检点，采用了宏观的巡检点确定方式，综合考虑了巡检效率、危险情况的发生可能以及巡检状态，提高了巡检过程对于危险情况的反应速度，提高系统的安全性。
[0101]
在一个实施例中，还包括发送巡检指令至巡检机器人，其中所述巡检指令包括巡检信号和停靠指令，图4为本技术实施例提供的计算所述多个候选巡检点的危险波动系数的流程示意图，如图4所示，发送巡检指令至巡检机器人包括以下子步骤：
[0102]
步骤400、根据所述目标巡检点和所述目标巡检点对应的巡检路径生成巡检信号。
[0103]
具体地，在步骤201中确定了从所述巡检机器人当前所在栅格到每个候选巡检点所在栅格的最低通过难易程度的路径作为每个候选巡检点对应的巡检路径，由于目标巡检点是候选巡检点中的一个，因此步骤201中存储的候选巡检点对应的巡检路径中包括目标巡检点对应的巡检路径。根据目标巡检点和目标巡检点对应的巡检，可以生成巡检指令。
[0104]
步骤401、将所述巡检信号发送至巡检机器人。
[0105]
具体地，将步骤400中生成的巡检指令发送至巡检机器人，巡检机器人在接收到该巡检指令后，可以根据指令通过目标巡检点对应的巡检路径，到达目标巡检点进行巡检工作。
[0106]
步骤402、若接收到所述巡检机器人发送的巡检完成信号，则根据所述巡检完成信号更新所述目标巡检点的最新巡检时间。
[0107]
具体地，巡检机器人在目标巡检点完成巡检工作后，会生成巡检完成信号，在接收到巡检完成信号后，根据接收到巡检完成信号的时间，或者将接收到巡检完成信号的时间减去预设的信号传输时间差，确定出目标巡检点的最新巡检时间，并对目标巡检点的最新巡检时间做更新。
[0108]
步骤403、生成停靠指令，并将所述停靠指令发送至所述巡检机器人。
[0109]
具体地，生成停靠指令，将所述停靠指令发送至巡检机器人，巡检机器人在接收到停靠指令后，停靠至与目标巡检点对应的指定位置。
[0110]
本发明实施例，根据难易度、危险波动系数和上次巡检距离现在的时间，确定多个候选巡检点的巡检意愿度，采用了宏观的巡检点确定方式，综合考虑了巡检效率、危险情况的发生可能以及巡检状态，提高了巡检过程对于危险情况的反应速度，提高系统的安全性。发送巡检指令至巡检机器人，并根据接收到的巡检机器人发送的巡检完成信号，根据目标巡检点的最新巡检时间，保证下一个目标巡检点的确定的准确性。
[0111]
图5为本发明实施例提供的巡检机器人的路径决策方法的流程示意图之二，如图5所示，包括以下步骤：
[0112]
步骤500、对目标巡检区域进行栅格化，获得多个栅格，其中，一个栅格对应一个巡检点，从所有栅格中确定多个候选巡检点所在的栅格。
[0113]
具体地，将目标巡检区域使用栅格法进行离散化，离散化的过程中将目标巡检区域划分为多个栅格，其中每个栅格对应一个巡检点。在多个巡检点中选取n个重要的巡检作为候选巡检点，并对n个候选巡检点所在的n个栅格进行标记。
[0114]
步骤501、获取每个栅格对应的巡检点的最新巡检时间，并基于所述最新巡检时间确定巡检机器人当前所在栅格。
[0115]
具体地，建立时间数组，存储每个巡检点的最新巡检时间，由于巡检机器人巡检完成后，会停靠在巡检点对应的指定位置，因此，根据每个巡检点的最新巡检时间，可以确定出距离当前时间最近的一次巡检操作的巡检点，根据该巡检点的位置，确定出巡检机器人当前所在的栅格。
[0116]
步骤502、标记所有栅格的通过难易度，初始化最大巡检意愿度willmax为0，初始化目标巡检点target为0，初始化路径patht，初始化i的值为1。
[0117]
具体地，每个栅格对应着一个通过的难易度，标记所有栅格的通过难易度，为路径的确定做准备。最大巡检意愿度willmax、目标巡检点target、路径patht和i均为变量，在确定目标巡检点之前，先对变量进行初始化，为循环的过程做准备。
[0118]
步骤503、计算第i个目标巡检点的难易度dif(i)，并存储到达第i个巡检点的难易度最低的路径path(i)，计算第i个目标巡检点的危险波动系数w(i)，确定第i个巡检点距离上次巡检的时间t，计算第i个巡检点的巡检意愿度will(i)。
[0119]
其中，巡检意愿度与难易度成负相关，与危险波动系数和第一时间成正相关，巡检
意愿度的计算方式在此不做具体限定。
[0120]
步骤504、判断will(i)是否大于willmax，若大于则将willmax的值设置为will(i)，将target设置为i，将patht设置为path(i)。
[0121]
具体地，若will(i)大于willmax，则will(i)为目前已遍历的候选巡检点中选件意愿最高的巡检点，因此，记录下该巡检点对应的i、will(i)和path(i)，记录的方式为将willmax的值设置为will(i)，将target设置为i，将patht设置为path(i)。
[0122]
步骤505、判断i的值是否大于等于n，若i的值小于n，则将变量i的值加1后，重复进行步骤503和步骤504。
[0123]
具体地，若判断i的值小于n则遍历未完成，需要将变量i的值加一，重复进行步骤503和步骤504计算下一个候选巡检点的巡检意愿度。
[0124]
步骤506、若i的值大于等于n，则根据patht和target生成巡检信号，发送至巡检机器人，更新目标巡检点的最新巡检时间，并发送停止巡检信号至巡检机器人。
[0125]
具体地，i的值大于等于n，证明已经将候选巡检点遍历结束，此时，循环结束，目标巡检点存储在变量target中，目标巡检点对应的巡检路径存储在变量patht中，根据patht和target生成巡检信号，发送至巡检机器人。巡检机器人根据接收到的巡检信号进行巡检操作。
[0126]
本发明实施例，根据难易度、危险波动系数和上次巡检距离现在的时间，确定所述多个候选巡检点的巡检意愿度，将巡检意愿度最高的巡检点作为目标巡检点，采用了宏观的巡检点确定方式，综合考虑了巡检效率、危险情况的发生可能以及巡检状态，提高了巡检过程对于危险情况的反应速度，提高系统的安全性。
[0127]
下面对本发明提供的巡检机器人的路径决策装置进行描述，下文描述的巡检机器人的路径决策装置与上文描述的巡检机器人的路径决策方法可相互对应参照。
[0128]
本发明另一实施例，提供一种巡检机器人的路径决策装置，如图6所示，包括：栅格化模块610、巡检机器人位置确定模块620、计算模块630和目标巡检点确定模块640，其中，
[0129]
栅格化模块610，用于对目标巡检区域进行栅格化，获得多个栅格，其中，一个栅格对应一个巡检点，从所有栅格中确定多个候选巡检点所在的栅格；
[0130]
巡检机器人位置确定模块620，用于获取每个栅格对应的巡检点的最新巡检时间，并基于所述最新巡检时间确定巡检机器人当前所在栅格；
[0131]
计算模块630，用于计算所述巡检机器人从当前所在栅格到达所述多个候选巡检点所在的栅格的难易度，计算所述多个候选巡检点的危险波动系数，获取所述多个候选巡检点对应的第一时间，所述第一时间根据当前时间和所述多个候选巡检点的最新巡检时间作差求得；
[0132]
目标巡检点确定模块640，用于根据所述难易度、危险波动系数和第一时间，确定所述多个巡检点的巡检意愿度，将巡检意愿度最高的巡检点作为目标巡检点。
[0133]
可选地，所述计算模块包括难易度计算子模块、危险波动系数计算子模块和第一时间计算子模块，所述难易度确定子模块具体用于：
[0134]
根据拥堵情况，确定所述所有栅格的通过难易程度；
[0135]
根据a*算法和所述所有栅格的通过的难易程度，确定从所述巡检机器人当前所在栅格到每个候选巡检点所在栅格的最低通过难易程度的路径作为该候选巡检点对应的巡
检路径；
[0136]
将所述巡检路径的通过难易程度作为该候选巡检点的难易度。
[0137]
可选地，所述危险波动系数计算子模块720具体用于：
[0138]
确定每个候选巡检点所在栅格的积水量和设施分布情况；
[0139]
根据所述积水量和设施分布情况确定每个候选巡检点的危险波动系数。
[0140]
可选地，所述目标巡检点确定模块640，用于：
[0141]
根据所述难易度、危险波动系数和第一时间，利用预设公式计算所述多个候选巡检点的巡检意愿度；
[0142]
其中，所述预设的公式为：
[0143]
will(dif,w,t)＝-c1*dif c2*w c3*t
[0144]
其中，dif为所述难易度，w为所述危险波动系数，t为所述第一时间，c1，c2和c3为预设的各属性的参考权重，c1，c2和c3的取值均大于0；
[0145]
或，
[0146][0147]
其中，dif为所述难易度，w为所述危险波动系数，t为所述第一时间，c4，c5和c6为预设的各属性的参考权重，c4，c5和c6的取值均大于0；
[0148]
或，
[0149][0150]
其中，dif为所述难易度，w为所述危险波动系数，t为所述第一时间，k为预设的参考权重，k的取值大于0。
[0151]
可选地，所述巡检机器人的路径决策装置还包括指令发送模块650，所述指令发送模块650用于：
[0152]
发送巡检指令至巡检机器人，其中所述巡检指令包括巡检信号和停靠指令；
[0153]
所述发送巡检指令至巡检机器人包括：
[0154]
根据所述目标巡检点和所述目标巡检点对应的巡检路径生成巡检信号；
[0155]
将所述巡检信号发送至巡检机器人；
[0156]
若接收到所述巡检机器人发送的巡检完成信号，则根据所述巡检完成信号更新所述目标巡检点的最新巡检时间；
[0157]
生成停靠指令，并将所述停靠指令发送至所述巡检机器人。
[0158]
本发明提供的巡检机器人的路径决策装置能够实现图1至图5的方法实施例实现的各个过程，并达到相同的技术效果，为避免重复，这里不再赘述。
[0159]
图7示例了一种电子设备的实体结构示意图，如图7所示，该电子设备可以包括：处理器(processor)710、通信接口(communications interface)720、存储器(memory)730和通信总线740，其中，处理器710，通信接口720，存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令，以执行巡检机器人的路径决策方法，该方法包括：对目标巡检区域进行栅格化，获得多个栅格，其中，一个栅格对应一个巡检点，从所
有栅格中确定多个候选巡检点所在的栅格；
[0160]
获取每个栅格对应的巡检点的最新巡检时间，并基于所述最新巡检时间确定巡检机器人当前所在栅格；
[0161]
计算所述巡检机器人从当前所在栅格到达所述多个候选巡检点所在的栅格的难易度，计算所述多个候选巡检点的危险波动系数，获取所述多个候选巡检点对应的第一时间，所述第一时间根据当前时间和所述多个候选巡检点的最新巡检时间作差求得；
[0162]
根据所述难易度、危险波动系数和第一时间，确定所述多个候选巡检点的巡检意愿度，将巡检意愿度最高的候选巡检点作为目标巡检点。
[0163]
此外，上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、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。
[0164]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的巡检机器人的路径决策方法，该方法包括：对目标巡检区域进行栅格化，获得多个栅格，其中，一个栅格对应一个巡检点，从所有栅格中确定多个候选巡检点所在的栅格；
[0165]
获取每个栅格对应的巡检点的最新巡检时间，并基于所述最新巡检时间确定巡检机器人当前所在栅格；
[0166]
计算所述巡检机器人从当前所在栅格到达所述多个候选巡检点所在的栅格的难易度，计算所述多个候选巡检点的危险波动系数，获取所述多个候选巡检点对应的第一时间，所述第一时间根据当前时间和所述多个候选巡检点的最新巡检时间作差求得；
[0167]
根据所述难易度、危险波动系数和第一时间，确定所述多个候选巡检点的巡检意愿度，将巡检意愿度最高的候选巡检点作为目标巡检点。
[0168]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的巡检机器人的路径决策方法，该方法包括：对目标巡检区域进行栅格化，获得多个栅格，其中，一个栅格对应一个巡检点，从所有栅格中确定多个候选巡检点所在的栅格；
[0169]
获取每个栅格对应的巡检点的最新巡检时间，并基于所述最新巡检时间确定巡检机器人当前所在栅格；
[0170]
计算所述巡检机器人从当前所在栅格到达所述多个候选巡检点所在的栅格的难易度，计算所述多个候选巡检点的危险波动系数，获取所述多个候选巡检点对应的第一时间，所述第一时间根据当前时间和所述多个候选巡检点的最新巡检时间作差求得；
[0171]
根据所述难易度、危险波动系数和第一时间，确定所述多个候选巡检点的巡检意愿度，将巡检意愿度最高的候选巡检点作为目标巡检点。
[0172]
以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0173]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
[0174]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其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。