巡检机器人的导航方法及装置

技术领域

本发明涉及自主导航技术领域，尤其涉及一种巡检机器人的导航方法、装置、电子设备及计算机可读存储介质。

背景技术

巡检机器人是用于替代人工对设备和现场环境进行检查和维护的机器人，可以自主巡检来检测现场设备、温度、湿度、液位等状态，一旦发现问题，及时发出警报，从而帮忙企业保证设备和现场环境的安全性，提高生产效率。

目前主流的巡检机器人导航方法是轨道导航，即巡检机器人通过多条预先铺设好的固定轨道执行巡检任务，其导航原理简单且可靠性高，但是轨道铺设复杂，更改或增减线路麻烦，因此只能依赖于固定的几条轨道，灵活性差，巡检成本高。此外，巡检机器人常用轮式里程计和惯性测量单元来进行导航定位，但长时间使用会产生严重的累积误差，容易造成机器人航迹推算偏差过大，从而偏离预定的巡检路线，导致巡检任务失败。

发明内容

本发明提供一种巡检机器人的导航方法、装置及计算机可读存储介质，其主要目的在于解决巡检机器人依赖于固定轨道，灵活性差、巡检成本高以及导航定位精度差的问题。

为实现上述目的，本发明提供的一种巡检机器人的导航方法，包括：

接收巡检机器人的启动指令，根据所述启动指令启动巡检机器人，并确定所述巡检机器人的目标位置，其中巡检机器人硬件平台由深度相机、主控单元和机器人底盘三部分组成；

采用预构建的视觉SLAM技术构建周围环境的全局地图；

基于全局地图和所述目标位置获取巡检机器人的可选巡检路线集，并构建可选巡检路线集与巡检机器人行驶速度的优化函数；

获取巡检机器人电机电压与电池电压的关系模型，基于所述关系模型构建巡检机器人能量损耗计算模型，其中，能量损耗计算模型包括可选巡检路线集的长度；

基于优化函数和能量损耗计算模型，从可选巡检路线集中选择巡检机器人到目标位置的能耗最优巡检路线；

利用巡检机器人获取实际位置处的局部地图，基于预构建的坐标变换参数的最优值将所述局部地图转换到全局地图进行匹配，得到巡检机器人在自主巡检时的位姿信息，其中，根据坐标变换参数映射到全局地图的巡检机器人的坐标由下式表示：

；

式中，

基于巡检机器人的位姿信息和能耗最优巡检路线计算偏航角，其中，所述偏航角为巡检机器人运动方向与能耗最优巡检路线的夹角；

基于巡检机器人的位姿信息和偏航角驱动巡检机器人完成导航。

可选地，所述巡检机器人使用的深度相机为 ASTRA 深度相机，此相机安装在机器人顶部；

机器人底盘由控制芯片、电池、伺服驱动器、电机和车轮组成。

可选地，所述采用预构建的视觉SLAM技术构建周围环境的全局地图，包括：

接收深度相机图像；

基于预构建的Graph-SLAM算法，根据深度相机图像输出3D点云图，并在所述3D点云图中建立世界坐标系；

基于预构建的坐标转换法将所述3D点云图整合在所述世界坐标系中，得到全局地图。

可选地，所述构建可选巡检路线集与巡检机器人行驶速度的优化函数，包括：

基于目标位置将可选巡检路线集执行切分，得到多组分段巡检路线集；

接收巡检路线与巡检机器人的优化调节因子；

获取巡检路线上行驶的巡检机器人的数量；

基于所述巡检机器人的数量计算巡检路线的拥挤度；

基于所述优化调节因子和拥挤度计算每组分段巡检路线集中每个分段巡检路线与巡检机器人的行驶速度的优化函数：

；

其中，

可选地，所述获取巡检机器人电机电压与电池电压的关系模型，包括：

接收巡检机器人电池采用PWM技术的占空比、电机的内阻、电机反电动势系数、电机减速器的减速比、电机转速和电机工作电流；

基于所述电池采用PWM技术的占空比、电机的内阻、电机反电动势系数、电机减速器的减速比、电机转速和电机工作电流构建巡检机器人电机电压与电池电压的关系模型如下式所示：

；

其中，

可选地，所述基于所述关系模型构建巡检机器人能量损耗计算模型，包括：

获取巡检机器人在第

根据所述路线长度，构建巡检机器人能量损耗计算模型如下式所示：

；

；

其中，

可选地，所述基于预构建的坐标变换参数的最优值将所述局部地图转换到全局地图进行匹配，包括：

获取里程计读数；

基于所述里程计读数获取初始坐标变换参数；

基于所述初始坐标变换参数将局部地图中的点云映射到全局地图中，并建立点云的概率分布函数，如下式所示：

；

其中，

根据所述概率分布函数获取所有点云的概率分布之和；

基于所有点云概率分布之和得到坐标变换参数的分数值；

基于预构建的Hessian矩阵法对坐标变换参数的分数值进行优化，得到优化值，并选取所述优化值的最大值；

基于所述优化值的最大值获得坐标变换参数的最优值。

可选地，所述基于巡检机器人的位姿信息和能耗最优巡检路线计算偏航角，包括：

基于最优巡检路线建立局部导航目标点

通过下式计算得到偏航角：

；

其中，

可选地，所述基于巡检机器人的位姿信息和偏航角驱动巡检机器人完成导航，包括：

基于巡检机器人的位姿信息和偏航角获取PWM信号；

通过PWM信号控制巡检机器人进行直线行驶和转向运动；

当巡检机器人在移动过程中发现障碍物时，采用预构建的动态窗口法重新构建可选巡检路线集，并获取新的最优巡检路线完成导航。

为了解决上述问题，本发明还提供一种巡检机器人的导航装置，所述装置包括：

巡检目标确定模块，用于接收巡检机器人的启动指令，根据所述启动指令启动巡检机器人，并确定巡检机器人的目标位置，其中巡检机器人硬件平台由深度相机、主控单元和机器人底盘三部分组成；

全局地图和可选巡检路线构建模块，用于采用预构建的视觉SLAM技术构建周围环境的全局地图，基于全局地图和所述目标位置获取巡检机器人的可选巡检路线集；

最优巡检路线选取模块，用于构建可选巡检路线集与巡检机器人行驶速度的优化函数，获取巡检机器人电机电压与电池电压的关系模型，基于所述关系模型构建巡检机器人能量损耗计算模型，基于优化函数和能量损耗计算模型，从可选巡检路线集中选择巡检机器人到目标位置的能耗最优巡检路线；

位姿和偏航角计算模块，用于利用巡检机器人获取实际位置处的局部地图，基于预构建的坐标变换参数的最优值将所述局部地图转换到全局地图进行匹配，得到巡检机器人在自主巡检时的位姿信息，其中，根据坐标变换参数映射到全局地图坐标系的巡检机器人的坐标由下式表示：

；

式中，

基于巡检机器人的位姿信息和能耗最优巡检路线计算偏航角，其中，所述偏航角为巡检机器人运动方向与能耗最优巡检路线的夹角；

导航模块，用于基于巡检机器人的位姿信息和偏航角驱动巡检机器人完成导航。

为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

存储器，存储至少一个指令；

处理器，执行所述存储器中存储的指令以实现上述所述的巡检机器人的导航方法。

为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的巡检机器人的导航方法。

本发明实施例为解决背景技术所述问题，先采用预构建的视觉SLAM技术构建周围环境的全局地图，再基于全局地图和所述巡检机器人的目标位置获取巡检机器人的可选巡检路线集，构建可选巡检路线集与巡检机器人行驶速度的优化函数，获取巡检机器人电机电压与电池电压的关系模型，基于所述关系模型构建巡检机器人能量损耗计算模型，基于优化函数和能量损耗计算模型，从可选巡检路线集中选择巡检机器人到目标位置的能耗最优巡检路线。可见，本实施例不用预先铺设固定的轨道，而是通过构建全局地图的方法获取巡检路线集，最后根据能耗最优方法选择巡检路线，灵活性强，巡检成本低。此外，利用巡检机器人获取实际位置处的局部地图，基于预构建的坐标变换参数的最优值将所述局部地图转换到全局地图进行匹配，获得巡检机器人在自主巡检时的位姿信息。可见，本实施例是基于坐标变换参数的最优值获得巡检机器人的定位，是对里程计获取的坐标变换参数进行了优化，从而提高了定位的精度。因此本发明提出的巡检机器人的导航方法、装置、电子设备及计算机可读存储介质，可以解决巡检机器人依赖于固定轨道，灵活性差、巡检成本低以及导航定位精度差的问题。

附图说明

图1为本发明一实施例提供的巡检机器人的导航方法的流程示意图；

图2为本发明一实施例提供的巡检机器人的导航装置的功能模块图；

图3为本发明一实施例提供的实现所述巡检机器人的导航方法的电子设备的结构示意图。

本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

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。

本申请实施例提供一种巡检机器人的导航方法。所述巡检机器人的导航方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述巡检机器人的导航方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。

实施例一：

参照图1所示，为本发明一实施例提供的巡检机器人的导航方法的流程示意图。在本实施例中，所述巡检机器人的导航方法包括：

S1、接收巡检机器人的启动指令，根据所述启动指令启动巡检机器人，并确定所述巡检机器人的目标位置，其中巡检机器人硬件平台由深度相机、主控单元和机器人底盘三部分组成。

本发明实施例中，巡检机器人的启动指令和目标位置可通过APP集成至移动设备或通过遥控器等形式发出。示例性的，小明作为工厂某生产车间管理员，现需利用巡检机器人在白天11点至下午5点，共6个小时内依次巡检生产车间处于不同位置的生产设备是否有正常运行，因此发出巡检机器人的启动指令，并设置好目标位置。

需解释的是，本发明实施例中巡检机器人使用的相机为 ASTRA 深度相机，此相机安装在机器人顶部；

机器人底盘由控制芯片、电池、伺服驱动器、电机和车轮组成。

需理解的是，本发明实施例中使用的深度相机具有多个摄像头，与普通相机不尽相同，它不仅可以采集到彩色图片，还能读出每个像素与相机之间的距离。它最大的特点是可以通过红外结构光，主动向物体发射光并接受返回的光，以此计算物体与相机的距离。

S2、采用预构建的视觉SLAM技术构建周围环境的全局地图。

需解释的是，SLAM是“Simultaneous Localization and Mapping”的缩写，译为“同时定位与地图构建”。它是指搭载特定传感器的主体，在对周围环境未知的情况下，在运动过程中建立周围环境的模型，同时估计自己的运动。特别地，因为本实施例中巡检机器人采用的传感器是深度相机，因此采用的是视觉SLAM技术。

详细地，所述采用预构建的视觉SLAM技术构建周围环境的全局地图，包括：

接收深度相机图像；

基于预构建的Graph-SLAM算法，根据深度相机图像输出3D点云图，并在所述3D点云图中建立世界坐标系；

基于预构建的坐标转换法将所述3D点云图整合在所述世界坐标系中，得到全局地图。

S3、基于全局地图和所述目标位置获取巡检机器人的可选巡检路线集，并构建可选巡检路线集与巡检机器人行驶速度的优化函数。

需强调的是，本发明不依赖于预先铺设的轨道，而是基于构建好的周围环境的全局地图，通过主控单元计算从巡检机器人所处位置到目标位置的可选巡检路线，其中，可选巡检路线可以是多条，并且在整条可选巡检路线上没有任何障碍物，当行进路线突然遭到阻碍时应重新计算新的可选巡检路线集。

示例性的，上述工厂某生产车间管理员利用巡检机器人在白天11点至下午5点巡检生产车间内的设备是否正常运行。由于生产车间内可能存在多条巡检路线，但能巡检车间所有设备所处位置并实现设备检测可能只有5条巡检路线，因此该5条巡检路线即称为可选巡检路线集。

此外，由于本发明采用能量损耗最优原则来从可选巡检路线集中选择最优巡检路线，因此从5条可选巡检路线中选择最优巡检路线的标准是：保持能耗最小的前提下且在最大工作时间（如白天11点至下午5点共6个小时）内完成。需理解的是，因为影响能耗大小的一个重要指标是工作时间，因此当每一条可选巡检路线的路线长度确定时，巡检机器人在可选巡检路线上完成巡检任务所需消耗的能量大小与行驶的速度直接相关。为此，构建每条可选巡检路线与行驶速度的优化函数，并基于优化函数可选择出最优巡检路线。

详细地，所述构建可选巡检路线集与巡检机器人行驶速度的优化函数，包括：

基于巡检的目标位置将可选巡检路线集执行切分，得到多组分段巡检路线集；

接收巡检路线与巡检机器人的优化调节因子；

获取巡检路线上行驶的巡检机器人的数量；

基于所述巡检机器人的数量计算巡检路线的拥挤度；

基于所述优化调节因子和拥挤度计算每组分段巡检路线集中每个分段巡检路线与巡检机器人的行驶速度的优化函数：

；

其中，

示例性的，生产车间管理员利用巡检机器人巡检车间中的设备是否正常运行，设置了巡检机器人的起始工作点是巡检机器人的当前所在点，终止工作点是车间的巡检机器人停放位置，在巡检机器人的当前所在点和机器人停放位置之间，管理员共设置了设备A、设备B、设备C和设备D等多个停靠点，由此可见，按照巡检机器人的当前所在点、设备A、设备B、…、机器人停放位置为划分依据，将可选巡检路线集切分为多组分段巡检路线集。即每组分段巡检路线集内包括多组当前所在点至设备A的分段路线、多组设备A至设备B的分段路线。

S4、获取巡检机器人电机电压与电池电压的关系模型，基于所述关系模型构建巡检机器人能量损耗计算模型，其中，能量损耗计算模型包括可选巡检路线集的长度。

可理解的是，电池产生电能用于驱动电机的线圈产生旋转，进而带动巡检机器人四轮运动，但需强调的是，电池所产生的电能不会全部转为电机的电能，即电机电压与电池电压之间具有衰减的关系式。

详细地，所述获取巡检机器人电机电压与电池电压的关系模型，包括：

接收巡检机器人电池采用PWM技术的占空比、电机内阻、电机反电动势系数、电机减速器的减速比、电机转速和电机工作电流；

基于所述电池采用PWM技术的占空比、电机的内阻、电机反电动势系数、电机减速器的减速比、电机转速和电机工作电流构建巡检机器人电机电压与电池电压的关系模型如下式所示：

；

其中，

需解释的是，脉冲宽度调制技术（Pulse width modulation，PWM），包括：相电压控制PWM、脉宽PWM法、随机PWM、SPWM法、线电压控制PWM等，技术原理是把每一脉冲宽度均相等的脉冲列作为PWM波形，通过改变脉冲列的周期可以实现调频，改变脉冲的占空比可以实现调压，这种方式能使电池电压在工作条件变化时保持恒定，有利于巡检机器人的能耗计算。PWM占空比是指在一个脉冲循环内，通电时间相对于总时间所占的比例，例如脉冲宽度1μs，信号周期4μs的脉冲序列占空比为0.25。

此外，反电动势系数表示在额定电磁条件下，电机单位转速产生的反电动势，反电动势系数的大小与绕组匝数、定转子铁芯构成的磁路、定转子间的空气隙长度及电机转速直接相关，是电机运动时电磁感应定律作用所产生的结果，具有阻碍电机旋转的负面作用，因此本发明实施例将其考虑至电池电压与电机电压的关系式计算之中。

此外，电机减速器的减速比又称减速器的传动比，是指减速器中瞬时输入速度与输出速度的比值，减速器的作用主要是降低转速，增大输出扭矩，降低负载的惯量。因此当用户设定巡检机器人工作时的最大工作速度，通过减速器可降低电机转速，从而保证巡检机器人不因转速过宽产生风险。

进一步地，所述基于所述关系模型构建巡检机器人能量损耗计算模型，包括：

获取巡检机器人在第

根据所述路线长度，构建巡检机器人能量损耗计算模型如下式所示：

；

；

其中，

S5、基于优化函数和能量损耗计算模型，从可选巡检路线集中选择巡检机器人到目标位置的能耗最优巡检路线。

根据上述可知，巡检机器人能量损耗计算模型为：

；

；

其中，

因此用分段巡检路线与巡检机器人的行驶速度的优化函数来替代

；

；

求解基于优化函数下的能耗计算模型的最小能耗对应的可选巡检路线，即为最优巡检路线。

S6、利用巡检机器人获取实际位置处的局部地图，基于预构建的坐标变换参数的最优值将所述局部地图转换到全局地图进行匹配，获得巡检机器人在自主巡检时的位姿信息。

需解释的是，巡检机器人实际位置处的局部地图的构建方法与世界地图的构建方法相同，通过视觉扫描获取巡检机器人所处位置周围环境的图像，然后基于预构建的Graph-SLAM算法，将图像转化为3D点云图，并以此建立局部地图和坐标系。

需强调的是，由于基于里程计读数得到的初始坐标变换参数具有较大的误差，因此需要对初始坐标变换参数进行优化，而这也是本发明所需解决的重大问题。本发明通过建立坐标变换参数的优化值能够极大提高巡检机器人在巡检过程中的定位精度，获得准确的位置信息。

详细地，所述基于预构建的坐标变换参数的最优值将所述局部地图转换到全局地图进行匹配，包括：

获取里程计读数；

基于所述里程计读数获取初始坐标变换参数；

基于所述初始坐标变换参数将局部地图中的点云映射到全局地图中，并建立点云的概率分布函数，如下式所示：

；

其中，

根据所有概率分布函数获取所有点云的概率分布之和；

基于所述点云概率分布之和得到坐标变换参数的分数值；

基于Hessian矩阵法对坐标变换参数分数值进行优化，得到优化值，并选取所述优化值的最大值；

基于所述优化值的最大值获得坐标变换参数的最优值。

需理解的是，里程计是一种利用从移动传感器获得的数据来估计物体位置随时间的变化而改变的方法。常用的里程计定位方法有轮式里程计、视觉里程计以及视觉惯性里程计。本发明中通过里程计计算出巡检机器人相对于地面移动的距离和方向角的变化量，从而推算出移动机器人位姿的相对变化，并以此建立初始的坐标变换参数。

详细地，根据坐标变换参数映射到全局地图坐标系的巡检机器人的坐标由下式表示：

；

式中，

S7、基于巡检机器人的位姿信息和能耗最优巡检路线计算偏航角，其中，所述偏航角为巡检机器人运动方向与能耗最优巡检路线的夹角。

详细地，所述基于巡检机器人的位姿信息和能耗最优巡检路线计算偏航角，包括：

基于最优巡检路线建立局部导航目标点

通过下式计算得到偏航角：

；

其中，

S8、基于巡检机器人的位姿信息和偏航角驱动巡检机器人完成导航。

详细地，所述基于巡检机器人的位姿信息和偏航角驱动巡检机器人完成导航，包括：

基于巡检机器人的位姿信息和偏航角获取PWM信号；

通过PWM信号控制巡检机器人进行直线行驶和转向运动；

当巡检机器人在移动过程中发现障碍物时，采用预构建的动态窗口法重新构建巡检路线集，并获取新的最优巡检路线完成导航。

需理解的是，动态窗口法（Dynamic Window Approach， DWA）是一种避障规划方法，基于DWA算法控制机器人每个周期的速度，制定全局地图上的局部实时避障路线。

需解释的是，巡检机器人的伺服驱动器可以通过 PWM 信号控制电机进行转动，并配合车轮实现巡检机器人的直线行驶和左右差速转向运动，从而进行对应的姿态调整，使巡检机器人回到预定的最优巡检路线，进行正常的巡检任务，完成导航。

本发明实施例为解决背景技术所述问题，先采用预构建的视觉SLAM技术构建周围环境的全局地图，再基于全局地图和所述目标位置获取巡检机器人的可选巡检路线集，构建可选巡检路线集与巡检机器人行驶速度的优化函数，获取巡检机器人电机电压与电池电压的关系模型，基于所述关系模型构建巡检机器人能量损耗计算模型，基于优化函数和能量损耗计算模型，从可选巡检路线集中选择巡检机器人到目标位置的能耗最优巡检路线。可见，本实施例不用预先铺设固定的轨道，而是通过构建全局地图的方法获取巡检路线集，最后选择能耗最优的巡检路线，灵活性强，巡检成本低。此外，利用巡检机器人获取实际位置处的局部地图，基于预构建的坐标变换参数的最优值将所述局部地图转换到全局地图进行匹配，获得巡检机器人在自主巡检时的位姿信息。可见，本实施例是基于坐标变换参数的最优值获得巡检机器人的定位，是对里程计获取的坐标变换参数进行了优化，从而提高了定位的精度。因此本发明提出的巡检机器人的导航方法、装置、电子设备及计算机可读存储介质，可以解决巡检机器人依赖于固定轨道，灵活性差、巡检成本高以及导航定位精度差的问题。

实施例二：

如图2所示，是本发明一实施例提供的巡检机器人的导航装置的功能模块图。

本发明所述巡检机器人的导航装置100可以安装于电子设备中。根据实现的功能，所述巡检机器人的导航装置100可以包括巡检目标确定模块101、全局地图和可选巡检路线构建模块102、最优巡检路线选取模块103、位姿和偏航角计算模块104及导航模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

所述巡检目标确定模块101，用于接收巡检机器人的启动指令，根据所述启动指令启动巡检机器人，并确定巡检机器人的目标位置，其中巡检机器人硬件平台由深度相机、主控单元和机器人底盘三部分组成；

所述全局地图和可选巡检路线构建模块102，用于采用预构建的视觉SLAM技术构建周围环境的全局地图，基于全局地图和所述巡检机器人的目标位置获取巡检机器人的可选巡检路线集；

所述最优巡检路线选取模块103，用于构建可选巡检路线集与巡检机器人行驶速度的优化函数，获取巡检机器人电机电压与电池电压的关系模型，基于所述关系模型构建巡检机器人能量损耗计算模型，基于优化函数和能量损耗计算模型，从可选巡检路线集中选择巡检机器人到目标位置的能耗最优巡检路线；

所述位姿和偏航角计算模块104，用于利用巡检机器人获取实际位置处的局部地图，基于预构建的坐标变换参数的最优值将所述局部地图转换到全局地图的世界坐标系中进行匹配，获得巡检机器人在自主巡检时的位姿信息，其中，根据坐标变换参数映射到全局地图坐标系的巡检机器人的坐标由下式表示：

；

式中，

基于巡检机器人的位姿信息和能耗最优巡检路线计算偏航角，其中，所述偏航角为巡检机器人运动方向与能耗最优巡检路线的夹角；

所述导航模块105，用于基于巡检机器人的位姿信息和偏航角驱动巡检机器人完成导航。

详细地，本发明实施例中所述巡检机器人的导航装置100中的所述各模块在使用时采用与上述的图1中所述的巡检机器人的导航方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。

实施例三：

如图3所示，是本发明一实施例提供的实现巡检机器人的导航方法的电子设备的结构示意图。

所述电子设备1可以包括处理器10、存储器11、总线12和通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如巡检机器人的导航方法。

其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（SecureDigital， SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如巡检机器人的导航方法的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（Control Unit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如巡检机器人的导航方法等），以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。

所述总线可以是外设部件互连标准（peripheral component interconnect，简称PCI）总线或扩展工业标准结构（extended industry standard architecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。

图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备1与其他电子设备之间建立通信连接。

可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

所述电子设备1中的所述存储器11存储的巡检机器人的导航方法是多个指令的组合，在所述处理器10中运行时，可以实现：

接收巡检机器人的启动指令，根据所述启动指令启动巡检机器人，并确定巡检机器人的目标位置，其中巡检机器人硬件平台由深度相机、主控单元和机器人底盘三部分组成；

采用预构建的视觉SLAM技术构建周围环境的全局地图；

基于全局地图和所述目标位置获取巡检机器人的可选巡检路线集，并构建可选巡检路线集与巡检机器人行驶速度的优化函数；

获取巡检机器人电机电压与电池电压的关系模型，基于所述关系模型构建巡检机器人能量损耗计算模型，其中，能量损耗计算模型包括可选巡检路线集的长度；

基于优化函数和能量损耗计算模型，从可选巡检路线集中选择巡检机器人到目标位置的能耗最优巡检路线；

利用巡检机器人获取实际位置处的局部地图，基于预构建的坐标变换参数的最优值将所述局部地图转换到全局地图进行匹配，获得巡检机器人在自主巡检时的位姿信息，其中，根据坐标变换参数映射到全局地图坐标系的巡检机器人的坐标由下式表示：

；

式中，

基于巡检机器人的位姿信息和能耗最优巡检路线计算偏航角，其中，所述偏航角为巡检机器人运动方向与能耗最优巡检路线的夹角；

基于巡检机器人的位姿信息和偏航角驱动巡检机器人完成导航。

具体地，所述处理器10对上述指令的具体实现方法可参考图1至图2对应实施例中相关步骤的描述，在此不赘述。

进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。

本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：

接收巡检机器人的启动指令，根据所述启动指令启动巡检机器人，并确定巡检机器人的目标位置，其中巡检机器人硬件平台由深度相机、主控单元和机器人底盘三部分组成；

采用预构建的视觉SLAM技术构建周围环境的全局地图；

基于全局地图和所述目标位置获取巡检机器人的可选巡检路线集，并构建可选巡检路线集与巡检机器人行驶速度的优化函数；

获取巡检机器人电机电压与电池电压的关系模型，基于所述关系模型构建巡检机器人能量损耗计算模型，其中，能量损耗计算模型包括可选巡检路线集的长度；

基于优化函数和能量损耗计算模型，从可选巡检路线集中选择巡检机器人到目标位置的能耗最优巡检路线；

利用巡检机器人获取实际位置处的局部地图，基于预构建的坐标变换参数的最优值将所述局部地图转换到全局地图进行匹配，获得巡检机器人在自主巡检时的位姿信息，其中，根据坐标变换参数映射到全局地图坐标系的巡检机器人的坐标由下式表示：

；

式中，

基于巡检机器人的位姿信息和能耗最优巡检路线计算偏航角，其中，所述偏航角为巡检机器人运动方向与能耗最优巡检路线的夹角；

基于巡检机器人的位姿信息和偏航角驱动巡检机器人完成导航。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。