一种处理动态乘务服务需求信息的多功能智能机器人系统的制作方法

本发明属于智能机器人技术领域，更具体地，涉及一种处理动态乘务服务需求信息的多功能智能机器人系统。

背景技术：

目前多数火车上乘务服务内容过于分散且传统，如人工检票，餐车供餐等。人工检票的人力工作量大，消耗时间长，还容易出现逃票漏票现象；餐车供餐的供餐量少，且火车过道狭窄，容易造成拥挤，大部分乘客更倾向于用点餐app提前点餐送餐，导致难以管理，站内资源得不到有效利用。且人工服务的服务内容单一。

智能机器人系统所使用的多机最优路径的优化算法与随机性障碍处理算法已经在各种路线规划系统中得到十分充分的运用，用于解决最优路径规划问题，并且应对随机出现路障的情况。同时，各项传感与检测技术的发展，为多功能智能机器人系统的搭建与完善提供了技术保障，能够实时监测主机情况并返回相关数据。5g通信无线通讯的不断发展为中短距离下的数据信息传输提供了许多解决方案。

采用传统的人工点餐模式，不仅会造成列车拥挤，导致难以管理，站内资源得不到有效利用，还会存在疏漏等问题。

技术实现要素：

针对现有技术的以上缺陷或改进需求，本发明提出了一种处理动态乘务服务需求信息的多功能智能机器人系统，由此解决目前多数火车上乘务服务内容过于分散且传统，不仅会造成列车拥挤，导致难以管理，站内资源得不到有效利用，还会存在疏漏等的技术问题。

为实现上述目的，本发明提供了一种处理动态乘务服务需求信息的多功能智能机器人系统，包括：控制模块、路径规划模块、交互模块及检测模块；

所述控制模块，用于识别当前所处的目标工作模式，并获取与所述目标工作模式对应的信息，其中，所述目标工作模式对应的信息包括：目标位置及目标需求；

所述路径规划模块，用于采用多机最优路径的优化算法与随机性障碍处理算法实现路径规划，以在避障的同时寻找到达所述目标位置的最优路径，然后由所述控制模块根据所述最优路径控制机器人到达所述目标位置后，执行与所述目标需求对应的操作；

所述检测模块，用于执行与所述目标需求对应的检测操作，并将获取的检测数据传输至所述控制模块，以使所述控制模块将所述检测数据传输至云端进行验证；

所述交互模块，用于实现人机交互。

优选地，在所述目标工作模式为送餐模式时，所述控制模块，用于接收从云端发送的用户点餐信息及用户所处的位置，并通过所述云端向用户反馈送餐状态，然后根据所述路径规划模块规划的最优路径到达用户所处的位置后，通过所述交互模块实现餐饮的送达提示与确认。

优选地，在所述目标工作模式为测温模式时，所述控制模块，用于接收通过所述交互模块输入的测温目标位置，然后根据所述路径规划模块规划的最优路径到达测温目标位置后，由所述检测模块对目标对象进行测温，并将所述测温数据传输至所述控制模块，以由所述控制模块将测温数据传输至所述云端进行验证。

优选地，在所述目标工作模式为检票模式时，所述控制模块，用于接收通过所述交互模块输入的检票目标位置，然后根据所述路径规划模块规划的最优路径到达检票目标位置后，由所述检测模块拍摄目标对象的票面信息及目标对象的人脸信息，并将所述票面信息及所述人脸信息传输至所述控制模块，以由所述控制模块将所述票面信息及所述人脸信息传输至所述云端进行验证。

优选地，所述控制模块，还用于判断当前电池电能余量是否满足当前路径预计耗电量，并在当前电池电能余量不满足当前路径预计耗电量时，由所述路径规划模块进行充电路线规划，以进行充电操作。

优选地，所述路径规划模块包括：

路径点获取模块，用于从所述控制模块中获取路径起始点和路径终点，其中，所述路径起始点和所述路径终点由所述控制模块从所述云端中获取，所述路径起始点为机器人的当前位置，所述路径终点为目标位置；

路障信息获取模块，用于从所述控制模块中获取工作区域内的基础路障信息，其中，所述工作区域内的基础路障信息由所述控制模块从所述云端中获取；

路径规划子模块，用于根据所述路径起始点、所述路径终点及所述工作区域内的基础路障信息使用a*算法进行路径规划得到最优路径；

障碍物捕捉模块，用于捕捉机器人行进路线前方的场景，并定位所述场景中的突发障碍物；

避障模块，用于将通过人工势场算法中得到的障碍信息实时同步于a*算法中辅助机器人在引入新的障碍物时及时调整路径，以实现避障功能。

优选地，所述避障模块包括：

参数获取模块，用于将由所述路径规划子模块获取的最优路径中的终点为起始目标点，每隔一个车厢的距离便设置一个目标点，直到有目标点和机器人距离小于一个车厢的距离为止，以此得到多个目标点；

势场计算模块，用于计算各目标点的引力势场、基础障碍物斥力势场、过道左右边界斥力场及突发障碍物的速度斥力势场；

力大小计算模块，用于由各所述目标点的引力势场得到各目标点对机器人的引力，由所述基础障碍物斥力势场得到基础障碍物斥力，由所述过道左右边界斥力场得到道路边界约束总斥力，由所述突发障碍物的速度斥力势场得到速度斥力；

合力计算模块，用于获取各所述目标点对机器人的引力、所述基础障碍物斥力、所述道路边界约束总斥力及所述速度斥力的矢量之和得到合力；

避障子模块，用于将所述合力的角度作为机器人的目标运动角度，所述合力的大小设置为机器人的目标运动速度，以使所述控制模块按照所述目标运动角度及所述目标运动速度驱动机器人行进，实现避障。

优选地，由确定过道左边界斥力场url(q)和过道右边界势场urr(q)，其中，krl为道路左边界斥力场的比例系数，krr为道路右边界斥力场的比例系数，w为机器人宽度，ρ(q，ql)为机器人质心到过道左边界对应点之间的垂直距离，ρ(q，qr)为机器人质心到过道右边界对应点之间的垂直距离，q表示机器人系统当前位置坐标，ql表示过道左边界对应点位置坐标，qr表示过道右边界对应点位置坐标。

优选地，由确定基础障碍物斥力势场ureq(q)，其中，ρⁿ(q,qobs)为机器人与目标点距离的n次方，n为正系数，l为机器人中心到顶点的距离，η表示斥力尺度因子，qobs表示障碍物质点位置坐标，ρ0表示障碍物的影响范围。

优选地，由确定突发障碍物的速度斥力势场urev(q)，其中，kv为速度斥力常数，vor＝|vobs-vr|是机器人相对于突发障碍物的速度，θ是相对速度vor与机器人相对于突发障碍物位置矢量之间的夹角，vobs表示障碍物速度，vr表示机器人系统的速度。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

本发明中基于动态路障信息的路径规划算法，既在多项路线并行方面优化了适用于静态交通网路的a*算法，也在随机性路障应变能力方面优化了传统的人工势场算法，并将两种算法结合运用，使系统可按规定线路安全而高效的行动至目标。一体式软件平台设计将寻找餐品，点餐，送餐等餐饮类本互不相关的各个环节统一起来，降低了管理难度，同时软件中内置了多种功能服务，使乘务服务多元化。

附图说明

图1是本发明实施例提供的一种系统整体结构框图；

图2是本发明实施例提供的一种方法实现流程图；

图3是本发明实施例提供的一种交互流程图；

图4是本发明实施例提供的一种hmiui交互界面设计图；

图5是本发明实施例提供的一种速度斥力示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

本发明设计一套列车上使用的可完成检票，送餐，且可灵活添加外设以满足各种需求的多功能智能机器人系统，乘客可使用操作软件选择服务内容，发送数据至云端，云端连接控制模块，待准备完成后，机器人系统就可准确服务乘客。使管理更加方便，服务乘客更加快捷。

以点餐模式为例，乘客在点餐客户端进行点餐，点餐数据传输给云端，并存入mysql数据库，并将点餐数据传输给智能机器人系统中的控制模块，实现机器人中对应舱门的自动开启。在乘务员将餐饮装车完毕后，通过云端向客户端实时反馈餐饮信息。并通过语音交互系统实现是否装车的提示，如向客户反应实时信息类似于装车中、已装车，正在送达等实时信息。采用多机最优路径的优化算法与随机性障碍处理算法实现路径规划，并在机器视觉路障识别算法的辅助下完成避障功能。在到达指定位置后通过hmi人机交互与语音交互实现餐饮的送达提示与自助取餐功能。人机交互模块能实现机器人系统数据的实时监测，将数据发送至hmi监视界面进行实时显示。并且乘务员能通过hmi交互界面实现舱门的开关闭管理功能。

如图1所示是本发明实施例提供的一种处理动态乘务服务需求信息的多功能智能机器人系统的结构示意图，包括：控制模块、路径规划模块、交互模块及检测模块；

控制模块，用于识别当前所处的目标工作模式，并获取与目标工作模式对应的信息，其中，目标工作模式对应的信息包括：目标位置及目标需求；

路径规划模块，用于采用多机最优路径的优化算法与随机性障碍处理算法实现路径规划，以在避障的同时寻找到达目标位置的最优路径，然后由控制模块根据最优路径控制机器人到达目标位置后，执行与目标需求对应的操作；

检测模块，用于执行与目标需求对应的检测操作，并将获取的检测数据传输至控制模块，以使控制模块将检测数据传输至云端进行验证；

交互模块，用于实现人机交互。

在本发明实施例中，在目标工作模式为送餐模式时，控制模块，用于接收从云端发送的用户点餐信息及用户所处的位置，并通过云端向用户反馈送餐状态，然后根据路径规划模块规划的最优路径到达用户所处的位置后，通过交互模块实现餐饮的送达提示与确认。

在本发明实施例中，检测模块涵盖温度检测单元，电能检测单元，图像检测单元三部分。交互模块包括语音交互设计与hmi交互界面设计两部分。

在本发明实施例中，在目标工作模式为测温模式时，控制模块，用于接收通过交互模块输入的测温目标位置，然后根据路径规划模块规划的最优路径到达测温目标位置后，由检测模块对目标对象进行测温，并将测温数据传输至控制模块，以由控制模块将测温数据传输至云端进行验证。

在本发明实施例中，在目标工作模式为检票模式时，控制模块，用于接收通过交互模块输入的检票目标位置，然后根据路径规划模块规划的最优路径到达检票目标位置后，由检测模块拍摄目标对象的票面信息及目标对象的人脸信息，并将票面信息及人脸信息传输至控制模块，以由控制模块将票面信息及人脸信息传输至云端进行验证。

在本发明实施例中，控制模块，还用于判断当前电池电能余量是否满足当前路径预计耗电量，并在当前电池电能余量不满足当前路径预计耗电量时，由路径规划模块进行充电路线规划，以进行充电操作。

具体地，如图2所示为系统一个控制周期内的工作流程，首先会判断目前系统所处的工作状态，若未选择其他工作模式，系统默认进入送餐工作流程，系统先接收由云端传来的送餐位置信息，接下来由送餐人员通过交互界面确认，之后系统通过路径规划和障碍识别到达目的地，客户接手之后通过交互界面确认，系统完成单次任务后进行模式确认和电量确认，若为其他工作模式，图2中以检票模式和测温模式为例，系统首先经交互页面确认，之后通过路径规划到达指定位置，通过机器视觉或红外测温检测，最后检测完所有人之后进行模式复查和电量检测。

其中，控制模块与云端之间可以通过5g无线通讯模块进行数据的传递。

在本发明实施例中，检测模块将传感器采集到的信息以特定频率发送给控制模块实现信息的实时反馈，控制模块根据反馈得到的信息进行机器人路径规划，同时反馈得到的信息会以串口协议传输到hmi进行人机交互显示。人机交互模块通过语音识别模块与hmi(人机界面)实现人机交互。云端中，乘客通过客户端将需求信息传递给服务器端，乘务员通过人机交互与服务器端进行信息传递。mysql数据库将用户及食物信息有效储存并与服务器端通信。

在本发明实施例中，如图3所示，通过对餐饮服务员发放的特殊用户可起始登录页面跳转至餐车管理系统，获取到客户的点单信息并可控制餐车舱门打开以及通知餐车以装货完毕。起始登录页面可注册普通账号，进入点餐系统进行点餐。

在本发明实施例中，在客户点餐完毕后，客户端会将点餐数据反馈给服务器端，同时作为历史数据存入数据库。进而将数据传输给智能机器人的控制模块实现对应舱门的自动开启。在乘务员将餐车装车完毕后，机器人系统自动检测装车情况，并通过服务器端向客户及时反馈餐饮实时信息。

在本发明实施例中，如图4所示对hmi(人机交互界面)的各种功能进行展示，其中，hmi(人机交互界面)具有购物，服务，管理员系统三部分功能。其中购物能够实现乘客人机交互的手机点餐，人工转接等基本功能。管理员系统能够实时查看系统数据运行情况以及进行舱门管理。同时ui界面能实现信息的及时传递与反馈，采用ui界面设计，使用户及时了解到系统反馈信息。

其中，如图4所示的hmi(人机交互界面)数据显示部分能够显示当前系统传感器所收到的系统数据信息，即系统的主控温度，电量剩余，网络连接情况，模块连接情况，同时展示了当前机器人送餐系统舱门的开关闭状态。

在本发明实施例中，路径规划模块包括：

路径点获取模块，用于从控制模块中获取路径起始点和路径终点，其中，路径起始点和路径终点由控制模块从云端中获取，路径起始点为机器人的当前位置，路径终点为目标位置；

路障信息获取模块，用于从控制模块中获取工作区域内的基础路障信息，其中，工作区域内的基础路障信息由控制模块从云端中获取；

其中，路障信息既指的是工作区域内基础的路障信息，如火车上走道两侧，火车内部的车门开启状态，火车站内的通道等等，也指每个智能机器人在实际的运动过程中，由摄像头捕捉到的动态路障信息，比如行人的出现和消失等。这些路障信息的具体形式为障碍质点相对于机器人的极坐标，即目标障碍物与机器人的相对距离和相对角度，对于由摄像头捕捉到的动态路障，则还包括目标障碍相对于机器人的速度。

一般来说，工作区域内基础的路障信息的获取范围为整个工作区域，这部分的路障信息在工作过程中不会有很大变动；而智能机器人在实际的运动过程中，由摄像头捕捉到的动态路障信息的获取范围较小，通常为以机器人为圆心一个车厢长度为半径的圆的面积。

路径规划子模块，用于根据路径起始点、路径终点及工作区域内的基础路障信息使用a*算法进行路径规划得到最优路径；

其中，在已知各起始点，终点和障碍物的条件下，a*算法实现主要为不断计算周围可行进单元的和值，通过和值比较，选出最优的下一路径，以此类推，寻找到最优路径。

同时需要两个列表，用于记录所有被考虑来寻找最优路径的方块(称为open列表)和用于记录下不会被考虑的方块(称为close列表)。g值即出发点距离该方块的移动量，为了计算出g值，系统需要从他的前继获取，然后加1，每个方块的g值代表了从初始点到该方块所形成的路径的总移动量，h值即从当前方块到终点的移动量，因此可求得每块方块的f值即g+h，由初始点开始，寻找紧挨周围可行进方块，通过f值比较，筛选出最小f值方块，然后以该方块为对象，进一步筛选下一行进路线，最终行进路线即为最优解。

障碍物捕捉模块，用于捕捉机器人行进路线前方的场景，并定位场景中的突发障碍物；

其中，在获得了当前最优路径之后，系统需要确保沿此路径行驶的过程中不被突然出现的障碍物影响，所以系统将启动其机器视觉功能，可以由两枚ov7725摄像机组成的双目摄像机将快速扫描机器人前方的场景返回至控制模块，控制模块使用匹配代价算法定位障碍物，使用视差原理计算出障碍物的相对极坐标，并通过一段时间内障碍物相对极坐标的变化量求出障碍物相对于机器人的相对速度。同时控制模块将把障碍物更新的信息上传至云端。

避障模块，用于将通过人工势场算法中得到的障碍信息实时同步于a*算法中辅助机器人在引入新的障碍物时及时调整路径，以实现避障功能。

其中，避障模块包括：

参数获取模块，用于将由路径规划子模块获取的最优路径中的终点为起始目标点，每隔一个车厢的距离便设置一个目标点，直到有目标点和机器人距离小于一个车厢的距离为止，以此得到多个目标点；

势场计算模块，用于计算各目标点的引力势场、基础障碍物斥力势场、过道左右边界斥力场及突发障碍物的速度斥力势场；

其中，由uatt(q)＝0.5ζ/ρ²(q,qgoal)确定目标点引力势场，ζ是引力系数，ρ²(q,qgoal)是系统与目标之间的距离的平方。由于火车内部的过道狭长的特点，基本上目标点均处于一个方向上，系统将以运行至终点的趋势移动至最近的一个目标点。在这个动态过程中，机器人每运动过一个目标点，最近的目标点即会更新为下一个目标点，直到达到终点为止。

由确定基础障碍物斥力势场ureq(q)，其中，ρⁿ(q,qobs)为机器人与目标点距离的n次方，n为正系数，优选取2，l为机器人中心到顶点的距离，η表示斥力尺度因子，qobs表示障碍物质点位置坐标，ρ0表示障碍物的影响范围，其中，引入了系统和障碍之间的距离ρⁿ(q,qobs)，防止出现目标不可达问题。

由确定过道左边界斥力场url(q)和过道右边界势场urr(q)，其中，krl为道路左边界斥力场的比例系数，krr为道路右边界斥力场的比例系数，w为机器人宽度，ρ(q，ql)为机器人质心到过道左边界对应点之间的垂直距离，ρ(q，qr)为机器人质心到过道右边界对应点之间的垂直距离，ρ(q，ql)＝|q-ql|，ρ(q，ql)＝|q-qr|，q表示机器人系统的位置坐标，ql表示过道左侧对应点位置坐标，qr表示过道右侧对应点位置坐标

因为火车走道有着狭窄的特点，考虑到系统只可以在过道边界线内行驶，故引入了边界斥力势场，同时通过改变krl和krr的比例关系，即可控制系统在火车走道中的相对位置(如靠左或靠右)。

由确定突发障碍物的速度斥力势场urev(q)，其中，kv为速度斥力常数，vor＝|vobs-vr|是机器人相对于突发障碍物的速度，θ是相对速度vor与机器人相对于突发障碍物位置矢量之间的夹角，当时，机器人向着远离障碍物方向运动，速度斥力势场作用力减小为零。vobs表示障碍物速度，vr表示机器人系统的速度。

力大小计算模块，用于由各目标点的引力势场得到各目标点对机器人的引力，由基础障碍物斥力势场得到基础障碍物斥力，由过道左右边界斥力场得到道路边界约束总斥力，由突发障碍物的速度斥力势场得到速度斥力；

在本发明实施例中，由确定目标点对机器人的引力即为势场公式求导后求取矢量和。

由确定障碍物斥力即是对势场公式求导后求取矢量和，其中，freq1的方向为从障碍物指向机器人，freq2的方向为机器人指向目标点。

由fr＝δurl(q)+δurr(q)确定过道边界约束总斥力即是对势场公式求导后求取矢量和。

由

确定速度斥力即是对势场公式求导后求取矢量和，其中，如图5所示，xor、yor为机器人相对于障碍物的位置坐标，为vor与x轴之间夹角。

合力计算模块，用于获取各目标点对机器人的引力、所述基础障碍物斥力、道路边界约束总斥力及速度斥力的矢量之和得到合力；

在本发明实施例中，由确定系统所受合力。

避障子模块，用于将合力的角度作为机器人的目标运动角度，合力的大小设置为机器人的目标运动速度，以使控制模块按照目标运动角度及目标运动速度驱动机器人行进，实现避障。

其中，机器人系统的不断运行途中，会时刻将自己的位置信息进行上传并和终点进行对比，若到达终点，则路径规划结束。

需要指出，根据实施的需要，可将本申请中描述的各个步骤/部件拆分为更多步骤/部件，也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件，以实现本发明的目的。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。