本发明涉及智能控制领域，更具体地说，涉及一种基于云端的机器人动态路径规划系统及方法。
背景技术：
随着社会的发展，机器人可以将人们从繁重的体力劳动和危险的环境中解放出来,可以帮人做更多的事，机器人可以帮助我们完成我们做得到和做不到的危险任务。
服务机器人工作在与人共处、高度动态的复杂环境中，仅依靠自身配备的传感器和计算能力，无法从根本上解决机器人自主性差、智能水平低及成本高等一系列问题，阻碍了其推广应用。而且单纯靠传统路径规划算法无法解决多离散区域路径规划，不可以实时动态全局规划。为此，本发明提供了一种基于云端的机器人动态路径规划方案，对一个或多个机器人在执行云端任务时实现动态路径规划。
技术实现要素：
本发明要解决的技术问题在于，提供一种基于云端的机器人调度系统及方法。
本发明解决其技术问题所采用的技术方案是：一种基于云端的机器人动态路径规划系统，包括：
多个机器人端，在所述机器人端的创建地图模块建立预设地图并将所述预设地图上传至服务器端；
服务器端，在所述服务器端的障碍点标记模块对所述预设地图的障碍点进行标记并对可通行路径进行连接，所述服务器端的算法模块根据第一预设算法设置所述可通行路径的权值，将多张所述预设地图的同一障碍点进行配置后生成障碍点路径，并根据第二预设算法将所述障碍点路径的权值设置后将多张所述预设地图进行连接以生成动态地图，将所述动态地图下发至所述机器人端并存储在所述服务器端的数据库，并根据第三预设算法计算出最优动态路径后下发给机器人执行。
本发明中，所述障碍点包括门、电梯。
本发明中，所述第三预设算法dijkstra算法。
本发明中，所述可通行路径的权值设置为所述可通行路径的长度值，所述障碍点路径设置为预设值。
本发明还同时公开了一种基于云端的机器人动态规划方法，包括：
s1.在所述机器人端的创建地图模块建立预设地图，并将所述预设地图上传至服务器端；
s2.所述服务器端的障碍点标记模块对所述预设地图的障碍点进行标记并对可通行路径进行连接，所述服务器端的算法模块根据第一预设算法将所述可通行路径的权值设置后，将多张所述预设地图的障碍点进行配置后生成障碍点路径，并根据第二预设算法将所述障碍点路径的权值设置后将多张所述预设地图进行连接以生成动态地图，将所述动态地图下发至所述机器人端并存储在所述服务器端的数据库。
s3.所述服务器端根据第三预设算法计算出最优动态路径后下发给机器人执行。
本发明所述步骤s1中，根据第一预设算法将所述可通行路径的权值设置为所述可通行路径的长度值。
本发明所述步骤s2中，根据第二预设算法将所述障碍点路径的权值设置为预设值。
本发明所述步骤s3中，所述服务器端根据第三预设算法选取所述可通行路径的权值与所述障碍点路径的权值的总权值最小的为最优动态路径。
本发明所述步骤s3中，还包括所述服务器端根据预设情况对所述最优动态路径的总权值进行修改。
本发明的有益效果是，本发明所述基于云端多机器人动态路径规划系统及方法，可解决跨多区域的机器人调度自动路径规划，可实现动态全局规划，提高运行效率。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明所述基于云端多机器人动态路径规划系统的架构图；
图2是本发明所述基于云端多机器人动态路径规划方法的流程图。
具体实施方式
图1是本发明所述基于云端多机器人动态路径规划系统的架构图，如图所示。在本发明一个或多个实施例中，本发明所述基于一种基于云端的机器人动态路径规划系统，包括多个机器人端1和服务器端2。
机器人端1除了包括控制器、导航模块、运动模块以及存储模块(图中未标识)等等，还包括创建地图模块11，在机器人端1的创建地图模块11建立预设地图，所述预设地图可以是单区域地图，但本发明并不限于此。所述预设地图可以存储在机器人端的存储模块中，这样导航模块可以调用该预设地图，运动模块在控制器的控制下就可以控制机器人的运动。
其中，预设地图可以以文件的形式(例如机器人ros系统官方的文件形式，pgm格式)进行存储，也可以以其它形式，本发明并不限于此。存储模块可以是机器人的固态硬盘，也可以是其它存储设备，本发明也并不限于此，导航模块调用上述文件就可以读到预设地图的数据了。
机器人端1将所述预设地图上传至服务器端2。服务器端2的障碍点标记模块12对障碍点(例如门、电梯等)进行标记并对可通行路径进行连接，连接的方式包括对所述可通信路径进行有向线段的连接，但本发明并不限于此连接的方式。服务器端2在算法模块22根据第一预设算法对所述可通行路径的权值进行设置。其中，在本发明的一个或多个实施例中，机器人端1可以根据第一预设算法将所述可通行路径的权值设为所述可通行路径的长度值。所述第一预设算法是用来设置权值的，所述第一预设算法可表述为：总权值＝默认权值+动态权值。如果后面方法描述的默认权值是设置成路线的长度，所述第一预设算法会计算直线或者曲线线段长度总和；在实施例中如果有机器人反馈的运输时间、拥堵状况等预设情况会动态调整这个动态权值。最终是以总权值来作为输入，给第三预设算法进行最优路径计算。
服务器端2的算法模块22将多张所述预设地图的同一障碍点进行配置后生成障碍点路径。其中，所述预设地图是每个机器人各自发来的单独的地图，可以是单区域地图，例如是第一层楼区域地图、第二层楼区域地图、第三层楼区域地图等等。所述同一障碍点是指在不同的预设地图上的同一障碍点，例如可以是在第一层楼区域地图、第二层楼区域地图、第三层楼区域地图等的同一部电梯或同一扇门，也就是说所述障碍点是可以跨区域的。
服务器端2的算法模块22根据第二预设算法将所述障碍点路径的权值设置后将多张所述预设地图进行连接以生成动态地图，将所述动态地图下发至所述机器人端1并存储在所述服务器端2的数据库23，服务器端2并根据第三预设算法计算出最优动态路径后下发给所述机器人执行。所述第二预设算法为用来进行地图连接的算法，即把两个地图人工标记的同一个障碍点之间新建一条假的虚拟路径，用同样的第一个算法来设置权值：总权值＝默认权值+动态权值。先设置为一个默认值，比如999，当这个门或者电梯损坏了，就把动态权值设成一个非常非常大的值，这样总权值就会非常非常大。所述第一预设算法和所述第二预设算法的结果，都是作为所述第三预设算法的输入。
在本发明一个或多个实施例中，服务器端2可以将所述障碍点路径的权值设置为预设值200，服务器端2可以根据第三预设算法选取所述可通行路径的权值与所述障碍点路径的权值的总权值最小的为最优动态路径。使用所述第三预设算法计算出最优路径并在服务器端2(即云端)进行缓存，缓存的格式不限于数据库、文件等形式。
其中，所述第三预设算法可以是dijkstra算法，即迪杰斯特拉算法。迪杰斯特拉算法是由荷兰计算机科学家狄克斯特拉于1959年提出的，因此又叫狄克斯特拉算法。是从一个顶点到其余各顶点的最短路径算法，解决的是有向图中最短路径问题。迪杰斯特拉算法主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。本发明所述第三预设算法也不限于dijkstra算法。
图2是本发明所述基于云端多机器人动态路径规划方法的流程图，如图所示。本发明所述基于云端的机器人动态规划方法，包括如下步骤：
步骤s1，在所述机器人端的创建地图模块建立预设地图，并将所述预设地图上传至服务器端。
例如在医院需要从1楼静脉用药调配中心pivas送药品到12楼护士站的实际应用场景中，在建立预设地图的时候，可以用1号机器人建立1楼的地图，用2号机器人建立12楼的地图。1号机器人上传1楼的地图到云端，2号机器人上传12楼的地图到云端，该版本的地图不包含特殊障碍点。
在本发明一个或多个实施例中，所述机器人端可以根据第一预设算法将所述可通行路径的权值设置为所述可通行路径的长度值。
步骤s2，所述服务器端的障碍点标记模块对所述预设地图的障碍点进行标记并对可通行路径进行连接，所述服务器端的算法模块根据第一预设算法将所述可通行路径的权值设置后，将多张所述预设地图的障碍点进行配置后生成障碍点路径，并根据第二预设算法将所述障碍点路径的权值设置后将多张所述预设地图进行连接以生成动态地图，将所述动态地图下发至所述机器人端并存储在所述服务器端的数据库。
在前述实施例中，上传地图至云端后，可以由人工在云端地图上标记机器人等待点、取药点、门点、电梯点等机器人行走路径的所有相关的障碍点。在这个实际送药应用场景中，由人工标记两张地图中的电梯点表示同一部电梯，使不同区域间的地图有连接关系。云端会整合两台机器人上传的地图，并同时下发给多台可执行任务的机器人。多台执行任务的机器人接收到新版本地图后会对地图进行存储。
在本发明一个或多个实施例中，所述服务器端可以根据第二预设算法将所述障碍点路径的权值设置为预设值。
步骤s3，所述服务器端根据第三预设算法计算出最优动态路径后下发给机器人执行。
在前述实施例中，当云端的准备工作完成后，机器人就可以开始配送任务。由人工在云端下单告知机器人从哪里装货到哪里卸货，云端会基于上述算法，规划出一条最合理的路径。
例如，在检测配送时间的时候，在白天由1楼静脉用药调配中心pivas送药到12楼护士站，走员工专梯一般需要花费10分钟，走病人专梯一般需要花费20分钟。今天员工电梯由于人员长时间占用，导致机器人一直无法使用电梯，在那边等待的时间大大超过了平均配送时间，比如等待了40分钟，云端会由此按照走员工专梯40分钟>走病人专梯20分钟，临时提高员工电梯路径的权值到200*(40分钟/20分钟)＝400，依据新权值重新规划路径下发给还在执行任务的机器人。以此类推。
在白天，由于医院大厅内人比较多，机器人摄像头检测到道路有大量密集人员或货物等障碍物挡路，并且机器人等待了2分钟后仍然没有变化，机器人会上报该信息到云端，云端会临时提高病人公用电梯路径的权值，比如设置到999999(一个很大的数字，表示基本道路不通)，那么在规划路径的时候，就会规划到走员工专用电梯。而在晚上，由于医院员工专用电梯下班，会关闭一半的电梯，导致可用电梯数量又比病人公用电梯少很多，而且病人公用电梯在晚上基本上是空闲的，该信息会通过楼宇管理系统bim发送到云端，所以此时云端会降低病人公用电梯路径的权值，比如设置到默认值200，并提高员工专用电梯的权值到999999。这样在规划路径的时候，就会给机器人规划走到病人公用电梯。
在本发明一个或多个实施例中，所述服务器端可以根据第三预设算法选取所述可通行路径的权值与所述障碍点路径的权值的总权值最小的为最优动态路径。
根据前述实施例可知，机器人在实际执行任务过程中，会发生各种预设情况，例如道路有障碍物、道路人员多，门、电梯等发生故障了，所以需要根据预设情况对所述最优动态路径的总权值进行修改。例如，所述服务器端可以根据以下数据动态修改路径规划权值：
(1)由机器人端自身上传数据，例如道路有障碍物，道路人员多，门、电梯等外设故障。
(2)由云端对接的楼宇管理系统bim上传数据，例如楼宇管理系统bim的报警或者故障等。
(3)由云端自主监测的数据，例如某些道路已被规划了多台机器人，会尝试临时提高这些道路的权值。
(4)道路通行超时检测的数据，云端会检测每条道路机器人的平均通行时间，当某条道路某个机器人通行时间超过平均时间一定范围，这条道路的权值会被临时提高。
上述数据动态中，如果权值有变化的道路，云端都会重新计算新的路径，并更新缓存后重新下发给机器人执行，也就是说所有机器人执行任务的运动路径均由云端规划并下发的。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。