本技术涉及机器人导航，尤其涉及一种基于数据机房的机器人导航方法、设备及介质。
背景技术：
1、数据机房内部环境复杂，存在以下挑战：
2、1)密集静态障碍物：机柜排列紧密，地面线缆杂乱，传统基于二维激光雷达的导航易因低矮线缆漏检导致缠绕或碰撞。
3、2)动态干扰：运维人员临时走动、设备搬运车等动态障碍物需实时避让。
4、3)高精度定位需求：机柜间通道狭窄(通常<1m)，要求机器人定位误差<1cm以避免刮蹭。
5、当前现有技术存在不足：单一传感器(如激光雷达)无法识别透明玻璃机柜、低矮线缆等。规划方面基于栅格地图的全局路径规划在动态场景下实时性差，且难以适应机房拓扑结构变化比如临时增设机柜。传感器融合缺陷：激光雷达点云密度不足，无法构建完整三维占据栅格。可见光相机受机房频闪照明影响，导致特征点匹配失效。红外传感器受机柜表面温度场干扰，热成像信噪比降低。
6、路径规划系统局限：传统a*算法在栅格地图中规划耗时大，无法满足动态避障的实时性需求。而且基于拓扑地图的导航系统更新延迟严重，新增机柜识别到地图重构平均耗时也会加长。同时，控制算法在狭窄通道中产生高频震荡，导致机械结构应力累积。故，亟需一种尤其适用于在密集机柜、线缆及动态障碍物场景下的高精度路径规划与避障。
技术实现思路
1、本技术实施例提供了一种基于数据机房的机器人导航方法、设备及介质，用于解决如下技术问题：在现有复杂的数据机房内部环境中，全局路径规划在动态场景下实时性差，且难以适应机房拓扑结构变化比如临时增设机柜，导航也易受低矮线缆漏检而导致缠绕或碰撞。
2、本技术实施例采用下述技术方案：
3、一方面，本技术实施例提供了一种基于数据机房的机器人导航方法，包括：通过对导航机器人预配置的多种传感器，采集并融合得出定位融合数据；根据所述导航机器人的定位融合数据，对机房进行有关机柜中心点的拓扑图计算，生成动态拓扑地图；对所述动态拓扑地图进行基于全局路径与局部路径的混合规划计算，得到混合规划路径；基于所述混合规划路径，对所述导航机器人的控制执行层进行多变量下的预测控制执行，确定出所述导航机器人的跟踪规划路径策略。
4、本技术实施例通过融合多种传感器数据，可以显著提高导航机器人在复杂环境中的定位精度，减少导航误差。动态拓扑地图的生成能够实时反映机房内机柜中心点的变化，使得导航机器人能够在不断变化的环境中保持导航的准确性。基于全局路径与局部路径的混合规划计算，能够为导航机器人提供更加高效和合理的路径，减少不必要的移动和等待时间。利用混合规划路径能够适应不同情况下的导航需求，如避开障碍物、优先处理紧急任务等，提高了机器人的灵活性和适应性。还可以通过预测控制执行，导航机器人能够更加迅速地响应控制指令，实现快速、准确的移动，从而提高工作效率。同时，优化的路径规划有助于减少机器人在导航过程中的能耗，延长电池寿命，降低运行成本。
5、在一种可行的实施方式中，通过对导航机器人预配置的多种传感器，采集并融合得出定位融合数据，具体包括：将3d激光雷达以及rgb-d摄像头对应配置到所述导航机器人的感知位置中；将uwb定位基站部署到当前机房区域中；并将所述导航机器人控制系统中的uwb标签与所述uwb定位基站进行数据协同处理；获取所述uwb标签与所述uwb定位基站之间的uwb信号强度数据；通过所述3d激光雷达与所述rgb-d摄像头，采集所述当前机房区域中的视觉slam位姿数据；通过卡尔曼滤波器，将所述uwb信号强度数据与所述视觉slam位姿数据进行数据融合处理，并基于信号强度自适应权重，得到所述导航机器人当前位置下的所述定位融合数据。
6、在一种可行的实施方式中，根据所述导航机器人的定位融合数据，对机房进行有关机柜中心点的拓扑图计算，生成动态拓扑地图，具体包括：根据所述定位融合数据，将识别到的机柜中心点进行关键节点的标识处理，确定为机柜拓扑节点；基于所述机柜拓扑节点，构建机房拓扑结构；根据得到所述机房拓扑结构中的节点间连接权重wij；其中，ncollision为预设时间段内在机柜拓扑节点i到机柜拓扑节点j路径上的碰撞次数，β为衰减系数；根据所述节点间连接权重以及所述机房拓扑结构，并基于临时禁行区域，对所述机房进行拓扑图的生成计算，得到所述动态拓扑地图。
7、在一种可行的实施方式中，在根据所述节点间连接权重以及所述机房拓扑结构，并基于临时禁行区域，对所述机房进行拓扑图的生成计算，得到所述动态拓扑地图之前，所述方法还包括：通过yolov8网络，对视觉slam位姿数据中所实时识别到的动态目标进行动态障碍物的标记处理，得到动态障碍物空间位置信息；其中，所述动态目标至少包括：巡检人员以及灭火器；基于所述动态障碍物空间位置信息以及预测出的动态障碍物时间存在信息，对所述机房拓扑结构进行障碍物区域的划分处理，确定出所述临时禁行区域。
8、在一种可行的实施方式中，对所述动态拓扑地图进行基于全局路径与局部路径的混合规划计算，得到混合规划路径，具体包括：通过预设的a*算法，对所述动态拓扑地图进行有关起点到节点的实际代价计算，得到实际代价量；对所述动态拓扑地图进行有关节点到终点的启发式代价计算，得到启发式代价量；对所述动态拓扑地图进行节点间连接权重计算，得到节点连接权重量；基于所述实际代价量、所述启发式代价量以及所述节点连接权重量，将生成的初始路径进行路径规划优化，得到全局规划路径；通过深度强化学习模型，动态调整局部路径，生成局部避障优化路径；根据预设的奖励函数，对所述全局规划路径以及所述部避障优化路径进行基于所述动态拓扑地图的混合路径计算，得到所述混合规划路径。
9、在一种可行的实施方式中，通过深度强化学习模型，动态调整局部路径，生成局部避障优化路径，具体包括：根据st＝[pt,vt,dstatic,ddynamic]，得到基于所述深度强化学习模型的状态空间；其中，pt为所述定位融合数据，vt为所述导航机器人的速度数据，dstatic为静态障碍物距离向量，ddynamic为动态障碍物运动预测向量；基于所述状态空间的拓扑信息，对所述全局规划路径的拓扑结构进行局部区域标记，确定出待调整局部路径；通过所述状态空间以及a*算法，重新对所述待调整局部路径进行动态路径的二次规划计算，得到所述局部避障优化路径。
10、在一种可行的实施方式中，基于所述混合规划路径，对所述导航机器人的控制执行层进行多变量下的预测控制执行，确定出所述导航机器人的跟踪规划路径策略，具体包括：根据
11、得到跟踪控制目标函数；其中，u表示待优化的控制输入序列，uk表示未来时刻k的控制输入；||pt+k-pref,t+k||2为位置跟踪项，其用于计算未来时刻t+k的实际位置pt+k与参考路径位置pref,t+k的距离平方；γ||uk||2为控制平滑项，γ为权重系数，且用于平滑跟踪精度和控制平滑性；||uk||2为约束控制输入的幅度；通过mpc预测控制模型，并基于所述跟踪控制目标函数，对所述混合规划路径进行控制执行层下的预测跟踪控制，确定出所述导航机器人的跟踪规划路径策略。
12、在一种可行的实施方式中，所述奖励函数的奖励分数项包括：安全通过狭窄通道项、发生碰撞项、维持与机柜的预设距离项以及路径长度偏离全局规划项。
13、第二方面，本技术实施例还提供了一种基于数据机房的机器人导航设备，所述设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有能够被所述至少一个处理器执行的指令，以使所述至少一个处理器能够执行上述任一实施方式所述的一种基于数据机房的机器人导航方法。
14、第三方面，本技术实施例还提供了一种非易失性计算机存储介质，所述存储介质为非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有至少一个程序，每个所述程序包括指令，所述指令当被终端执行时，使所述终端执行上述任一实施方式所述的一种基于数据机房的机器人导航方法。
15、本技术提供了一种基于数据机房的机器人导航方法、设备及介质，与现有技术相比，本技术实施例具有以下有益的技术效果：
16、1.提高导航精度：通过融合多种传感器数据，可以显著提高导航机器人在复杂环境中的定位精度，减少导航误差。
17、2.实时动态地图更新：动态拓扑地图的生成能够实时反映机房内机柜中心点的变化，使得导航机器人能够在不断变化的环境中保持导航的准确性。
18、3.优化路径规划：基于全局路径与局部路径的混合规划计算，能够为导航机器人提供更加高效和合理的路径，减少不必要的移动和等待时间。
19、4.增强路径适应性：混合规划路径能够适应不同情况下的导航需求，如避开障碍物、优先处理紧急任务等，提高了机器人的灵活性和适应性。
20、5.提高工作效率：通过预测控制执行，导航机器人能够更加迅速地响应控制指令，实现快速、准确的移动，从而提高工作效率。
21、6.降低能耗：优化的路径规划有助于减少机器人在导航过程中的能耗，延长电池寿命，降低运行成本。