本發(fā)明涉及智能導(dǎo)航，特別是一種基于無線傳感器的智能箱包避障方法及系統(tǒng)。

背景技術(shù)：

1、智能箱包作為一種便捷的移動(dòng)工具，越來越多地應(yīng)用于日常生活和物流配送領(lǐng)域，在智能箱包的設(shè)計(jì)中，如何高效、安全地避開障礙物，尤其在復(fù)雜的動(dòng)態(tài)環(huán)境中進(jìn)行路徑規(guī)劃，成為了其智能化的重要挑戰(zhàn)，隨著智能設(shè)備和機(jī)器人技術(shù)的迅速發(fā)展，基于無線傳感器的避障技術(shù)在多個(gè)領(lǐng)域中得到了廣泛應(yīng)用，尤其是在智能導(dǎo)航和自主移動(dòng)設(shè)備領(lǐng)域，無線傳感器技術(shù)，如超寬帶（uwb）傳感器、超聲波傳感器以及視覺傳感器的集成，已成為實(shí)現(xiàn)精準(zhǔn)環(huán)境感知和路徑規(guī)劃的關(guān)鍵。

2、現(xiàn)有的智能箱包避障技術(shù)存在一些不足，在障礙物多、空間復(fù)雜的場景中，單一的傳感器數(shù)據(jù)可能難以提供足夠的精度和可靠性，進(jìn)而影響設(shè)備的避障效果，現(xiàn)有路徑規(guī)劃方法（如dwa或人工勢場法）在動(dòng)態(tài)環(huán)境中依賴靜態(tài)權(quán)重或固定閾值，難以適應(yīng)障礙物移動(dòng)速度和分布的變化，容易陷入局部最優(yōu)或頻繁調(diào)整路徑，影響導(dǎo)航效率。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述現(xiàn)有存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明提供了一種基于無線傳感器的智能箱包避障方法及系統(tǒng)，解決現(xiàn)有路徑規(guī)劃方法（如dwa或人工勢場法）在動(dòng)態(tài)環(huán)境中依賴靜態(tài)權(quán)重或固定閾值，難以適應(yīng)障礙物移動(dòng)速度和分布的變化，容易陷入局部最優(yōu)或頻繁調(diào)整路徑，影響導(dǎo)航效率問題。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

4、第一方面，本發(fā)明提供了一種基于無線傳感器的智能箱包避障方法，其包括，

5、收集傳感器數(shù)據(jù)，包括時(shí)差、回波時(shí)間以及圖像數(shù)據(jù)；

6、將圖像數(shù)據(jù)輸入至堆疊沙漏網(wǎng)絡(luò)，標(biāo)記障礙物區(qū)域，將障礙物區(qū)域作為引導(dǎo)線索，將超寬帶傳感器的探測范圍映射到對(duì)應(yīng)的超寬帶扇區(qū)，使用區(qū)域數(shù)據(jù)綁定將綜合時(shí)差值與障礙物區(qū)域綁定，封裝為聚焦后的時(shí)差數(shù)據(jù)，計(jì)算障礙物的三維坐標(biāo)集合和障礙物的方向；

7、構(gòu)建局部柵格地圖，使用指數(shù)衰減函數(shù)調(diào)整信息素值，結(jié)合信息素值、使用層次分析法設(shè)定權(quán)重并進(jìn)行加權(quán)評(píng)分，生成最優(yōu)路徑；

8、對(duì)最優(yōu)路徑分解為小運(yùn)動(dòng)指令并進(jìn)行執(zhí)行，對(duì)執(zhí)行結(jié)果進(jìn)行監(jiān)測與調(diào)整，存儲(chǔ)收集和分析產(chǎn)生的傳感器數(shù)據(jù)。

9、作為本發(fā)明所述基于無線傳感器的智能箱包避障方法的一種優(yōu)選方案，其中：所述計(jì)算障礙物的三維坐標(biāo)集合和障礙物的方向，包括：

10、所述無線傳感器，包括超寬帶傳感器、超聲波傳感器以及攝像頭；

11、使用聲波距離公式計(jì)算障礙物與超聲傳感器之間的距離，定義為超聲波距離；

12、將圖像數(shù)據(jù)輸入至堆疊沙漏網(wǎng)絡(luò)，通過卷積和上采樣處理，檢測圖像中障礙物的特征區(qū)域，使用語義分割方法對(duì)特征區(qū)域進(jìn)行分割，并標(biāo)記障礙物區(qū)域；

13、將障礙物區(qū)域作為引導(dǎo)線索，使用邊緣檢測法將超寬帶傳感器的探測范圍進(jìn)行扇區(qū)劃分，映射到對(duì)應(yīng)的超寬帶扇區(qū)；

14、使用加權(quán)平均法計(jì)算所有的時(shí)差數(shù)據(jù)進(jìn)行加權(quán)處理的綜合時(shí)差值，使用區(qū)域數(shù)據(jù)綁定將綜合時(shí)差值與障礙物區(qū)域綁定，封裝為聚焦后的時(shí)差數(shù)據(jù)；

15、使用雙向測距法計(jì)算障礙物的距離，定義為時(shí)差距離；

16、使用最大熵閾值法設(shè)定誤差閾值，使用絕對(duì)誤差法計(jì)算超聲波距離與時(shí)差距離之間的誤差，若誤差小于等于誤差閾值，計(jì)算超聲波距離與時(shí)差距離作為最終距離，若誤差大于誤差閾值，使用超聲波距離作為最終距離；

17、將智能箱包作為原點(diǎn)，計(jì)算超寬帶扇區(qū)的均值作為障礙物的相對(duì)角度，使用三角定位法計(jì)算障礙物的二維坐標(biāo)；

18、使用canny邊緣檢測方法提取障礙物的輪廓，轉(zhuǎn)換為輪廓的二維圖坐標(biāo)，將障礙物的二維坐標(biāo)作為參考，使用視差法將輪廓的二維圖坐標(biāo)與障礙物的二維坐標(biāo)轉(zhuǎn)換為三維坐標(biāo)，生成障礙物的三維坐標(biāo)集合；

19、使用邊界框法計(jì)算障礙物的外接邊界框，使用主成分分析法提取主軸方向，作為障礙物的方向。

20、作為本發(fā)明所述基于無線傳感器的智能箱包避障方法的一種優(yōu)選方案，其中：所述傳感器數(shù)據(jù)后，先進(jìn)行預(yù)處理操作。

21、作為本發(fā)明所述基于無線傳感器的智能箱包避障方法的一種優(yōu)選方案，其中：所述構(gòu)建局部柵格地圖，使用指數(shù)衰減函數(shù)調(diào)整信息素值，結(jié)合信息素值、使用層次分析法設(shè)定權(quán)重并進(jìn)行加權(quán)評(píng)分，生成最優(yōu)路徑，包括：

22、使用柵格地圖法將智能箱包在地圖中心，作為起始點(diǎn)，構(gòu)建局部柵格地圖，

23、每個(gè)格子賦予一個(gè)初始信息素值，所有格子的初始值設(shè)置為“空閑”，將障礙物的三維坐標(biāo)集合對(duì)應(yīng)格子的值從“空閑”改為“占用”；

24、使用坐標(biāo)平均法計(jì)算障礙物中心作為參考點(diǎn)，使用區(qū)域擴(kuò)展方法標(biāo)記扇區(qū)內(nèi)的格子為影響區(qū)域，使用指數(shù)衰減函數(shù)對(duì)信息素進(jìn)行調(diào)整，得到更新后的局部柵格地圖；

25、使用定位算法計(jì)算當(dāng)前速度；

26、使用運(yùn)動(dòng)學(xué)方程預(yù)測路徑的終點(diǎn)位置；

27、使用人工勢場法生成候選路徑，使用局部柵格地圖中的障礙物的三維坐標(biāo)集合，檢測候選路徑對(duì)應(yīng)格子是否被標(biāo)記為“占用”，刪除重疊“占用”的格子；

28、選擇剩余的候選路徑，提取路徑終點(diǎn)位置對(duì)應(yīng)的信息素，使用歐幾里得距離公式計(jì)算路徑長度，使用最近點(diǎn)距離方法計(jì)算路徑與障礙物的最小距離，使用層次分析法設(shè)定權(quán)重系數(shù)，使用加權(quán)評(píng)分方法計(jì)算路徑的最終得分，并進(jìn)行高到低排序，選擇最高得分對(duì)應(yīng)的候選路徑作為最優(yōu)路徑。

29、作為本發(fā)明所述基于無線傳感器的智能箱包避障方法的一種優(yōu)選方案，其中：所述對(duì)最優(yōu)路徑分解為小運(yùn)動(dòng)指令并進(jìn)行執(zhí)行，包括：

30、使用路徑分解算法將最優(yōu)路徑分解為小運(yùn)動(dòng)指令；

31、使用無線通信協(xié)議將小運(yùn)動(dòng)指令傳輸至智能箱包，智能箱包接收小運(yùn)動(dòng)指令，使用直接轉(zhuǎn)矩控制算法將小運(yùn)動(dòng)指令轉(zhuǎn)換為控制信號(hào)，并進(jìn)行執(zhí)行。

32、作為本發(fā)明所述基于無線傳感器的智能箱包避障方法的一種優(yōu)選方案，其中：所述對(duì)執(zhí)行結(jié)果進(jìn)行監(jiān)測與調(diào)整，包括：

33、收集反饋位置數(shù)據(jù)并進(jìn)行預(yù)處理，使用yolo深度學(xué)習(xí)算法設(shè)定目標(biāo)位置；

34、使用偏差法計(jì)算目標(biāo)位置與預(yù)處理后的反饋位置數(shù)據(jù)之間的差異；

35、使用經(jīng)驗(yàn)法則設(shè)定停止閾值，將差異與停止閾值進(jìn)行對(duì)比，當(dāng)差異小于停止閾值，判斷為正常狀態(tài)，繼續(xù)進(jìn)行監(jiān)測；

36、當(dāng)差異大于等于停止閾值，判斷為異常狀態(tài)，通過pid控制算法計(jì)算調(diào)節(jié)比例、積分和微分項(xiàng)得到控制量，并調(diào)整最優(yōu)路徑。

37、作為本發(fā)明所述基于無線傳感器的智能箱包避障方法的一種優(yōu)選方案，其中：所述存儲(chǔ)收集和分析產(chǎn)生的傳感器數(shù)據(jù)，包括：

38、將收集的視頻數(shù)據(jù)、分析產(chǎn)生的異常監(jiān)測結(jié)果以及時(shí)間索引，存儲(chǔ)至中央數(shù)據(jù)庫中，并設(shè)置安全訪問措施，中央數(shù)據(jù)庫將存儲(chǔ)數(shù)據(jù)進(jìn)行云端備份，并定期對(duì)存儲(chǔ)數(shù)據(jù)和備份數(shù)據(jù)進(jìn)行完整性檢測，檢測完畢后生成完整性檢測記錄同步存儲(chǔ)至中央數(shù)據(jù)庫中。

39、第二方面，本發(fā)明提供了一種基于無線傳感器的智能箱包避障系統(tǒng)，包括，

40、收集計(jì)算模塊，用于收集傳感器數(shù)據(jù)，包括時(shí)差、回波時(shí)間以及圖像數(shù)據(jù)，將圖像數(shù)據(jù)輸入至堆疊沙漏網(wǎng)絡(luò)，標(biāo)記障礙物區(qū)域，將障礙物區(qū)域作為引導(dǎo)線索，將超寬帶傳感器的探測范圍映射到對(duì)應(yīng)的超寬帶扇區(qū)，使用區(qū)域數(shù)據(jù)綁定將綜合時(shí)差值與障礙物區(qū)域綁定，封裝為聚焦后的時(shí)差數(shù)據(jù)，計(jì)算障礙物的三維坐標(biāo)集合和障礙物的方向；

41、構(gòu)建路徑模塊，用于構(gòu)建局部柵格地圖，使用指數(shù)衰減函數(shù)調(diào)整信息素值，結(jié)合信息素值、使用層次分析法設(shè)定權(quán)重并進(jìn)行加權(quán)評(píng)分，生成最優(yōu)路徑；

42、監(jiān)測存儲(chǔ)模塊，用于對(duì)最優(yōu)路徑分解為小運(yùn)動(dòng)指令并進(jìn)行執(zhí)行，對(duì)執(zhí)行結(jié)果進(jìn)行監(jiān)測與調(diào)整，存儲(chǔ)收集和分析產(chǎn)生的傳感器數(shù)據(jù)。

43、第三方面，本發(fā)明提供了一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其中：所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如本發(fā)明第一方面所述的基于無線傳感器的智能箱包避障方法的任一步驟。

44、第四方面，本發(fā)明提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其中：所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如本發(fā)明第一方面所述的基于無線傳感器的智能箱包避障方法的任一步驟。

45、本發(fā)明有益效果為：本發(fā)明使用堆疊沙漏網(wǎng)絡(luò)標(biāo)記障礙物區(qū)域作為引導(dǎo)線索，減少無關(guān)區(qū)域的干擾，通過構(gòu)建局部柵格地圖并使用指數(shù)衰減函數(shù)調(diào)整信息素值，將信息素與障礙物區(qū)域綁定，生成優(yōu)化路徑，提高了智能箱包的避障能力和自主導(dǎo)航性能。