【技术实现步骤摘要】
本专利技术涉及智能机器人，尤其是涉及一种基于无人咖啡售卖智能机器人的控制方法、系统及介质。
技术介绍
1、随着移动互联网的普及以及新世代消费者购物习惯的变化，新零售业态逐渐成为主流；无人咖啡售卖也成为潜在的应用场景；传统的咖啡店需要现场人员，而无人咖啡售卖车则可以通过智能化的操作，实现自动化运营，不仅可以降本增效，而且还为消费者提供了更加便捷的购物体验。
2、当前无人咖啡市场还是以固定式无人速溶咖啡售卖柜为主；现有大部分售卖车直接售卖罐装咖啡和速溶咖啡，产品力不够。
3、其中，如何解决实现车辆自主行驶到有购买需求的消费者所在位置，而无需消费者到处寻找无人售卖车，从而有效地节约了消费者的时间，降低消费者的焦虑，为消费者提供更加便捷的购物体验的问题，成为我们亟待解决的问题。
技术实现思路
1、鉴于以上问题，本专利技术提供了一种基于无人咖啡售卖智能机器人的控制方法、系统及介质，不仅能够实现车辆自主行驶到有购买需求的消费者所在位置，提高了咖啡售卖的实用性和灵活性，从而为消费者提供更加便捷的购物体验，而且无需人工干预，减少工作人员的人力成本投入，为运营方降本增效。
2、为了实现上述目的及其他相关目的，本专利技术提供的技术方案如下：
3、一种基于无人咖啡售卖智能机器人的控制方法，所述方法包括：
4、u1.无人咖啡售卖智能机器人接收用户订单，获取用户订单的位置数据信息并前往目标点，基于机载摄像头实时获取道路的图像数据信息，基于机载激光雷
5、u2.将所述道路的图像数据信息输入训练好的池化神经元和插值神经元网络模型对道路中的障碍物进行识别和分类，得到障碍物的图像数据信息，并结合所述道路的点云数据信息，构建道路的障碍物的动态环境模型，输出道路的障碍物的动态环境模型数据信息；
6、u3.基于所述道路的障碍物的动态环境模型数据信息、所述用户订单的位置数据信息和所述机器人的位置数据信息，采用多模态多目标路径优化算法对机器人的行驶路径进行优化，得到优化后的机器人行驶路径数据信息；
7、u4.基于所述优化后的机器人行驶路径数据信息，建立多路径评价函数q，对机器人的行驶路径进行评价，得到最优的机器人行驶路径数据信息，并对机器人进行控制完成订单任务。
8、进一步的，在步骤u2中，所述将所述道路的图像数据信息输入训练好的池化神经元和插值神经元网络模型对道路中的障碍物进行识别和分类包括：
9、u21.将所述道路的图像数据信息划分为训练数据集和测试数据集，并将所述训练数据集输入池化神经元和插值神经元网络模型进行训练和学习，得到训练好的池化神经元和插值神经元网络模型；
10、u22.将所述测试数据集输入训练好的池化神经元和插值神经元网络模型对道路的障碍物进行识别和分类，得到障碍物的图像数据信息。
11、进一步的，所述训练好的池化神经元和插值神经元网络模型包括池化函数m和插值函数n，所述池化函数m，
12、，
13、，
14、其中，(x,y)为道路图像数据信息的像素坐标，r,g和b为常量参数，k为预设阈值，p(x,y)为道路图像数据信息的像素值函数。
15、进一步的，所述插值函数n为，
16、，
17、其中，(x,y)为道路图像数据信息的像素坐标，m(x,y)为池化函数，ζ为常量参数。
18、进一步的，所述并结合所述道路的点云数据信息，构建道路的动态环境模型为将所述障碍物的图像数据信息投影至所述道路的点云数据信息中，进行融合，得到融合后的道路障碍物的立体数据信息，并进行时间序列化表征，得到道路的动态环境模型。
19、进一步的，在步骤u3中，所述采用多模态多目标路径优化算法对机器人的行驶路径进行优化包括：
20、u31.基于所述道路的障碍物的动态环境模型数据信息、所述用户订单的位置数据信息和所述机器人的位置数据信息，建立多模态多目标优化函数g，
21、，
22、，
23、其中，为时间间隔，g为路径函数，ɑ，β和γ为路径积分因子，λi为权重系数，n为路径划分段数；
24、u32.基于所述多模态多目标优化函数g，得到优化后的机器人行驶路径数据信息。
25、进一步的，在步骤u31中，根据所述道路的障碍物的动态环境模型数据信息，以所述时间间隔∆t为基准，将机器人的行驶路径进行划分，得到n条不同的行驶路径。
26、进一步的，在步骤u4中，所述多路径评价函数q为，
27、，，
28、其中，s为优化后的机器人行驶路径数据信息，s为s中的任意一条优化路径。
29、为了实现上述目的及其他相关目的，本专利技术还提供了一种用于实现任一项所述的基于无人咖啡售卖智能机器人的控制方法的系统，所述系统包括：
30、数据获取模块，用于实时获取道路的点云数据信息、道路的图像数据信息、用户订单的位置数据信息和机器人的位置数据信息；
31、障碍物的动态模型构建模块，与所述数据获取模块连接，用于采用训练好的池化神经元和插值神经元网络模型对道路中的障碍物进行识别和分类，并结合所述道路的点云数据信息，构建道路的动态环境模型；
32、路径优化模块，与所述障碍物的动态模型构建模块连接，用于采用多模态多目标路径优化算法对机器人的行驶路径进行优化；
33、路径评估模块，与所述路径优化模块连接，用于接收优化后的机器人行驶路径数据信息，建立多路径评估函数，对机器人的行驶路径进行评价；
34、数据执行模块，与所述路径评估模块连接，用于接收机器人的最优路径数据信息，控制机器人完成订单任务。
35、为了实现上述目的及其他相关目的，本专利技术还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有被编程或配置以执行任意一项所述的基于无人咖啡售卖智能机器人的控制方法的计算机程序。
36、本专利技术具有以下积极效果：
37、1.本专利技术通过训练好的池化神经元和插值神经元网络模型对道路中的障碍物进行识别和分类，并结合所述道路的点云数据信息，构建道路的障碍物的动态环境模型，不仅能够根据动态环境模型得到准确的障碍物数据信息，而且降低行驶过程中遇到危险，适应多种不同的复杂环境。
38、2.本专利技术通过采用采用多模态多目标路径优化算法对机器人的行驶路径进行优化，建立多路径评价函数，对机器人的行驶路径进行评价，得到最优的机器人行驶路径数据信息，实现车辆自主行驶到有购买需求的消费者所在位置，而无需消费者到处寻找无人售卖车，从而有效地节约了消费者的时间，降低消费者的焦虑，为消费者提供更加便捷的购物体验。
本文档来自技高网...【技术保护点】
1.一种基于无人咖啡售卖智能机器人的控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于无人咖啡售卖智能机器人的控制方法，其特征在于，在步骤U2中，所述将所述道路的图像数据信息输入训练好的池化神经元和插值神经元网络模型对道路中的障碍物进行识别和分类包括：
3.根据权利要求2所述的基于无人咖啡售卖智能机器人的控制方法，其特征在于：所述训练好的池化神经元和插值神经元网络模型包括池化函数M和插值函数N，所述池化函数M，
4.根据权利要求3所述的基于无人咖啡售卖智能机器人的控制方法，其特征在于：所述插值函数N为，
5.根据权利要求1所述的基于无人咖啡售卖智能机器人的控制方法，其特征在于：所述并结合所述道路的点云数据信息，构建道路的动态环境模型为将所述障碍物的图像数据信息投影至所述道路的点云数据信息中，进行融合，得到融合后的道路障碍物的立体数据信息，并进行时间序列化表征，得到道路的动态环境模型。
6.根据权利要求1所述的基于无人咖啡售卖智能机器人的控制方法，其特征在于，在步骤U3中，所述采用多模态多目标路径优化算法对
7.根据权利要求6所述的基于无人咖啡售卖智能机器人的控制方法，其特征在于，在步骤U31中，根据所述道路的障碍物的动态环境模型数据信息，以所述时间间隔∆t为基准，将机器人的行驶路径进行划分，得到n条不同的行驶路径。
8.根据权利要求1所述的基于无人咖啡售卖智能机器人的控制方法，其特征在于，在步骤U4中，所述多路径评价函数Q为，
9.一种用于实现权利要求1-8任一项所述的基于无人咖啡售卖智能机器人的控制方法的系统，其特征在于，所述系统包括：
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有被编程或配置以执行权利要求1～8中任意一项所述的基于无人咖啡售卖智能机器人的控制方法的计算机程序。
...【技术特征摘要】
1.一种基于无人咖啡售卖智能机器人的控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于无人咖啡售卖智能机器人的控制方法，其特征在于，在步骤u2中，所述将所述道路的图像数据信息输入训练好的池化神经元和插值神经元网络模型对道路中的障碍物进行识别和分类包括：
3.根据权利要求2所述的基于无人咖啡售卖智能机器人的控制方法，其特征在于：所述训练好的池化神经元和插值神经元网络模型包括池化函数m和插值函数n，所述池化函数m，
4.根据权利要求3所述的基于无人咖啡售卖智能机器人的控制方法，其特征在于：所述插值函数n为，
5.根据权利要求1所述的基于无人咖啡售卖智能机器人的控制方法，其特征在于：所述并结合所述道路的点云数据信息，构建道路的动态环境模型为将所述障碍物的图像数据信息投影至所述道路的点云数据信息中，进行融合，得到融合后的道路障碍物的立体数据信息，并进行时间序列化表征，得到道路...
【专利技术属性】
技术研发人员：梁飞，蒋宇航，李梓争，祁畅，
申请(专利权)人：东风悦享科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。