一种移动机器人的移动路径规划方法、系统、设备及介质

技术领域

本发明涉及智能机器人技术领域，具体为一种移动机器人的移动路径规划方法、系统、设备及介质。

背景技术

移动机器人是一种能够自主移动和执行任务的机器人系统。它通常包括机械结构、电子控制系统和感知系统等组件，以实现在各种环境中的移动和操作能力。移动机器人的应用领域广泛，包括工业自动化、物流和仓储、服务和卫生保健、农业和环境监测等。它们可以执行各种任务，如物品搬运、巡逻和安全监控、室内清洁等。在实际应用中，往往需要进行多个移动机器人下的多个目标位置的路径规划，基于效率，需要使得总规划路径最短，现有的多机器人路径规划方法往往未充分考虑不同机器人数量和目标位置数量之间的差异。

发明内容

鉴于以上所述现有技术的缺点，本发明提供一种移动机器人的移动路径规划方法、系统、设备及介质，以解决上述技术问题。

本发明提供的一种移动机器人的移动路径规划方法，包括：

获取多个移动机器人的位置信息、环境信息和环境信息中的多个目标位置信息；

根据多个所述移动机器人的所述位置信息和环境信息中的多个所述目标位置信息，利用A*算法，获取每个所述移动机器人到多个所述目标位置的路径信息；

根据每个所述移动机器人到多个所述目标位置的路径信息，利用预设的多移动机器人路径规划模型，对所述移动机器人到目标位置进行分配，确保每个所述移动机器人到达至少一个目标位置或每个目标位置至少有一个所述移动机器人下的最短路径。

于本发明中，根据多个移动机器人的位置信息和环境信息中的多个目标位置信息，利用A*算法，获取每个移动机器人到多个所述目标位置的路径信息，具体包括：

将所述移动机器人的位置信息设定为起点，将所述环境信息中的多个所述目标位置信息设定为多个终点；

根据所述起点和所述终点，利用A*算法，获取所述起点到所述终点的路径信息，重复至获取每个机器人到所有终点的路径信息。

于本发明中，根据所述起点和所述终点，利用A*算法，获取所述起点到所述终点的路径信息，具体包括：

根据所述环境信息，构建一个表示地图的无向图模型，其中，每个可移动位置作为图的节点，而相邻可移动位置之间的连接作为图的边；

将起点初始距离的值设置为0，并将所述起点添加到开放列表中；

将其他位置初始距离的值设置为无穷大，并添加到待考察列表中；

从所述待考察列表中选取一个节点，根据启发函数和已走路径长度计算得出所述节点的最小的估计总代价值，将所述节点从所述待考察列表中移除，并将所述节点添加到所述已考察列表中；

遍历与所述节点相邻的节点，计算从起点到相邻节点的路径长度，并计算所述相邻节点的估计总代价值，当所述相邻节点不在待考察列表和已考察列表中，将所述相邻节点添加到待考察列表中，并更新所述相邻节点的路径长度和估计总代价值，当所述相邻节点已经在待考察列表中时，且新计算得到的路径长度更短，更新所述相邻节点的路径长度和估计总代价值；

当遍历到终点时，则表示已找到路径，终止算法，从终点开始，通过每个节点记录的上一个节点，逐步回溯找到起点，并记录路径上的每个节点及节点之间的路径长度，节点的集合即为起点到所述终点的路径信息。

于本发明中，所述启发函数包括曼哈顿距离或欧几里得距离中的至少一种。

于本发明中，所述多移动机器人路径规划模型的实现逻辑为：

获取每个移动机器人到每个目标位置的路径信息，其中，设移动机器人有n个，目标位置有m个，则第i个机器人到第j个目标位置的路径信息记为d

根据n和m之间的大小关系，对D进行预处理，得到D'；

根据D'，利用匈牙利法求解得到每个移动机器人对应的目标位置分配。

于本发明中，根据n和m之间的大小关系，对D进行预处理，得到D'，具体包括：

当n等于m时，对D不进行处理，即D'＝D；

当n大于m时，令D

当n小于m时，令D'＝[D

本发明还提供一种移动机器人的移动路径规划系统，包括：

获取信息模块：获取多个移动机器人的位置信息、环境信息和环境信息中的多个目标位置信息；

路径规划模块：根据多个所述移动机器人的所述位置信息和环境信息中的多个所述目标位置信息，利用A*算法，获取每个所述移动机器人到多个所述目标位置的路径信息；

目标分配模块：根据每个所述移动机器人到多个所述目标位置的路径信息，利用预设的多移动机器人路径规划模型，对所述移动机器人到目标位置进行分配，确保每个所述移动机器人到达至少一个目标位置或每个目标位置至少有一个所述移动机器人下的最短路径。

本发明还提供一种电子设备，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现如上述实施例中任一项所述的一种移动机器人的移动路径规划方法。

本发明还提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被计算机的处理器执行时，使计算机执行如上述任一项所述的一种移动机器人的移动路径规划方法。

本发明提供一种移动机器人的移动路径规划方法、系统、设备及介质，该方法包括获取多个移动机器人的位置信息、环境信息和环境信息中的多个目标位置信息；根据多个所述移动机器人的所述位置信息和环境信息中的多个所述目标位置信息，利用A*算法，获取每个所述移动机器人到多个所述目标位置的路径信息；根据每个所述移动机器人到多个所述目标位置的路径信息，利用预设的多移动机器人路径规划模型，对所述移动机器人到目标位置进行分配，确保每个所述移动机器人到达至少一个目标位置或每个目标位置至少有一个所述移动机器人下的最短路径，产生的有益效果有：

1、A*算法是一种启发式搜索算法，能够在搜索过程中考虑到目标位置的估计代价，从而更高效地找到最优路径。该方法利用A*算法获取每个移动机器人到多个目标位置的路径信息，能够快速计算出最短路径。

2、该方法采用预设的多移动机器人路径规划模型对移动机器人到目标位置进行分配。通过模型的设计和优化，能够确保每个移动机器人至少到达一个目标位置或每个目标位置至少有一个移动机器人下的最短路径。可以提高任务的完成效率和整体的系统性能。

3、该方法根据移动机器人个数n和目标位置个数m之间的大小关系对路径信息进行预处理，以适应不同机器人数量和目标位置数量之间的差异。这种灵活性使得方法能够适应不同规模和复杂度的任务场景，提高了应用的适用性。

综上所述，相较于现有的移动机器人的移动路径规划方法，该方法具有更全面地综合多个机器人和目标位置的信息，采用A*算法进行路径规划，以及预设的多移动机器人路径规划模型进行任务分配的优点。这使得方法能够更高效地规划移动机器人的路径，并确保任务能够得到有效完成。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1为本发明的一示例性实施例示出的一种移动机器人的移动路径规划方法的流程图；

图2为本发明的一示例性实施例示出的一种移动机器人的移动路径规划方法中步骤S120的流程图；

图3为本发明的一示例性实施例示出的一种移动机器人的移动路径规划方法中步骤S220的流程图；

图4为本发明的一示例性实施例示出的一种移动机器人的移动路径规划方法中多移动机器人路径规划模型的流程图。

图5为本发明的一示例性实施例示出的一种移动机器人的移动路径规划系统结构示意图；

图6为本发明的一示例性实施例示出的电子设备的计算机系统的结构示意图。

具体实施方式

以下将参照附图和优选实施例来说明本发明的实施方式，本领域技术人员可由本说明书中所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

在下文描述中，探讨了大量细节，以提供对本发明实施例的更透彻的解释，然而，对本领域技术人员来说，可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的，在其他实施例中，以方框图的形式而不是以细节的形式来示出公知的结构和设备，以避免使本发明的实施例难以理解。

首先需要说明的是，移动机器人是一种能够自主移动和执行任务的机器人系统。它通常包括机械结构、电子控制系统和感知系统等组件，以实现在各种环境中的移动和操作能力。移动机器人的应用领域广泛，包括工业自动化、物流和仓储、服务和卫生保健、农业和环境监测等。它们可以执行各种任务，如物品搬运、巡逻和安全监控、室内清洁等。在实际应用中，往往需要进行多个移动机器人下的多个目标位置的路径规划，基于效率，需要使得总规划路径最短。

A*算法是一种常用的启发式搜索算法，用于在图或网络中找到最优路径。它结合了Dijkstra算法的广度优先搜索和启发式函数的估计代价，以减少搜索的空间和提高搜索的效率。A*算法的基本思想是在搜索过程中维护两个列表：开放列表(open list)和关闭列表(closed list)。开放列表存储待考察的节点，关闭列表存储已考察的节点。算法从起点开始，逐步扩展开放列表中的节点，直到找到目标节点或开放列表为空。A*算法的估价函数(heuristic function)是该算法的关键部分，它用于评估节点的优先级。估价函数估计从当前节点到目标节点的代价，一般使用曼哈顿距离或欧几里得距离等启发式方法。估价函数的选择会影响算法的性能和搜索结果。

匈牙利法(Hungarian algorithm)是一种解决最大匹配问题的算法，也被称为Kuhn-Munkres算法。它用于在一个二部图中找到具有最大权重的完美匹配。最大匹配问题可以描述为在一个二部图中，找到一组边，使得每个顶点都与图中的某条边相关联，并且总权重最大。匈牙利法通过不断改进当前匹配来逐步寻找最优解。匈牙利法的基本思想是通过增广路径来寻找增大匹配的方法。它采用深度优先搜索的策略，从一个未匹配的顶点开始，依次搜索其相邻的未匹配顶点，如果找到一条增广路径，则将路径上的边进行交换，增加匹配数。重复这个过程，直到无法找到增广路径为止。

图1为本发明的一示例性实施例示出的一种移动机器人的移动路径规划方法的流程图；

如图1所示，本发明提供的一种移动机器人的移动路径规划方法，包括：

步骤S110：获取多个移动机器人的位置信息、环境信息和环境信息中的多个目标位置信息；

步骤S120：根据多个所述移动机器人的所述位置信息和环境信息中的多个所述目标位置信息，利用A*算法，获取每个所述移动机器人到多个所述目标位置的路径信息；

步骤S130：根据每个所述移动机器人到多个所述目标位置的路径信息，利用预设的多移动机器人路径规划模型，对所述移动机器人到目标位置进行分配，确保每个所述移动机器人到达至少一个目标位置或每个目标位置至少有一个所述移动机器人下的最短路径。

具体的，通过步骤S110获取移动机器人当前的位置信息，环境的相关信息以及需要到达的目标位置信息。步骤S120通过使用A*算法，针对每个移动机器人，计算其到多个目标位置的最短路径。在步骤S130中，通过使用预设的多移动机器人路径规划模型，对路径信息进行分配，以确保所有目标位置都被至少一个移动机器人到达，或者每个目标位置至少有一个移动机器人下的最短路径。

图2为本发明的一示例性实施例示出的一种移动机器人的移动路径规划方法中步骤S120的流程图；

如图2所示，本发明提供的一种移动机器人的移动路径规划方法，所述方法中步骤S120具体包括：

步骤S210：将所述移动机器人的位置信息设定为起点，将所述环境信息中的多个所述目标位置信息设定为多个终点；

步骤S220：根据所述起点和所述终点，利用A*算法，获取所述起点到所述终点的路径信息，重复至获取每个机器人到所有终点的路径信息。

具体的，步骤S210指定了起点和终点的设置，步骤S220使用A*算法获取起点到终点的路径信息，目的是通过将移动机器人位置信息设定为起点，将目标位置信息设定为终点，并使用A*算法计算起点到终点的最短路径信息。通过重复这些步骤，可以为每个机器人计算到所有终点的路径信息。这些路径信息将用于后续的路径规划和分配步骤，以确保每个机器人能够到达至少一个目标位置或每个目标位置至少有一个机器人下的最短路径。

图3为本发明的一示例性实施例示出的一种移动机器人的移动路径规划方法中步骤S220的流程图；

如图3所示，本发明提供的一种移动机器人的移动路径规划方法，所述方法中步骤S220具体包括：

步骤S310：根据所述环境信息，构建一个表示地图的无向图模型，其中，每个可移动位置作为图的节点，而相邻可移动位置之间的连接作为图的边；

步骤S320：将起点初始距离的值设置为0，并将所述起点添加到开放列表中；

步骤S330：将其他位置初始距离的值设置为无穷大，并添加到待考察列表中；

步骤S340：从所述待考察列表中选取一个节点，根据启发函数和已走路径长度计算得出所述节点的最小的估计总代价值，将所述节点从所述待考察列表中移除，并将所述节点添加到所述已考察列表中；

步骤S350：遍历与所述节点相邻的节点，计算从起点到相邻节点的路径长度，并计算所述相邻节点的估计总代价值，当所述相邻节点不在待考察列表和已考察列表中，将所述相邻节点添加到待考察列表中，并更新所述相邻节点的路径长度和估计总代价值，当所述相邻节点已经在待考察列表中时，且新计算得到的路径长度更短，更新所述相邻节点的路径长度和估计总代价值；

步骤S360：当遍历到终点时，则表示已找到路径，终止算法，从终点开始，通过每个节点记录的上一个节点，逐步回溯找到起点，并记录路径上的每个节点及节点之间的路径长度，节点的集合即为起点到所述终点的路径信息。

具体的，步骤S310指定了构建图模型的过程，步骤S320至S350是使用A*算法进行路径搜索的过程，步骤S360是找到路径并回溯的过程，通过构建无向图模型，设置起点和终点，计算节点之间的路径长度和估计总代价值，以及回溯找到最终路径，可以得到起点到终点的路径信息。

于一示例性的实施例中，所述启发函数包括曼哈顿距离或欧几里得距离中的至少一种。

具体的，曼哈顿距离(Manhattan distance)也称为城市街区距离，是指从一个点到另一个点沿着网格形式的路径所需的距离。在二维空间中，曼哈顿距离是两个点在水平和垂直方向上的距离之和。

欧几里得距离(Euclidean distance)是指两个点之间的直线距离，即在二维空间中的直线距离。

这两种距离度量方法都可以作为启发函数，用于估计从当前节点到目标节点的距离。根据具体情况，可以选择其中一种或同时使用两种启发函数，以便更准确地估计代价或距离，从而指导A*算法的搜索过程。

图4为本发明的一示例性实施例示出的一种移动机器人的移动路径规划方法中多移动机器人路径规划模型的流程图；

如图4所示，本发明的一示例性实施例示出的一种移动机器人的移动路径规划方法中多移动机器人路径规划模型的实现逻辑为：

步骤S410：获取每个移动机器人到每个目标位置的路径信息，其中，设移动机器人有n个，目标位置有m个，则第i个机器人到第j个目标位置的路径信息记为d

步骤S420：根据n和m之间的大小关系，对D进行预处理，得到D'；

步骤S430：根据D'，利用匈牙利法求解得到每个移动机器人对应的目标位置分配。

具体的，匈牙利法是一种图论算法，用于解决最大二分匹配问题。在本实施例中，在矩阵D中，每行表示第i个机器人到每个目标位置的路径信息，其中，这里的路径信息为路径长度；每列表示每个机器人到第j个目标位置的路径信息，同理，这里的路径信息为路径长度。通过矩阵D，可以将复杂的路径分配问题转化为求满足约束条件的矩阵的解的问题，通过匈牙利法，可以找到使得总路径最短的每个机器人和目标位置之间的最佳分配。其中，这里的矩阵的解的约束条件为：

xij＝0或1i＝1,2,...n,j＝1,2,...m

其中，x为解矩阵中的元素，xij为0或1，0表示第i个移动机器人不分配至第j个目标位置，1表示第i个移动机器人分配至第j个目标位置；第i行的元素总和为1，第j列的元素总和为1，即每个所述移动机器人到达至少一个目标位置或每个目标位置至少有一个所述移动机器人下的最短路径。

于一示例性的实施例中，根据n和m之间的大小关系，对D进行预处理，得到D'，具体包括：

当n等于m时，对D不进行处理，即D'＝D；

当n大于m时，令D

当n小于m时，令D'＝[D

具体的，当n大于m时，表明移动机器人的数量大于目标位置的数量。当每个目标至少有一个移动机器人时，会有多余移动机器人，此时补充n-m个虚拟目标位置，设值为0，表明不存在。同理，当m大于n时，表明目标位置的数量大于移动机器人的数量。当每个移动机器人分配至目标位置时，，会有空缺的目标位置，此时补充m-n个虚拟移动机器人，设值为0，表明不存在。将矩阵D转化为同阶矩阵，此时可以通过匈牙利法求解。

具体的，匈牙利法的具体步骤如下：

第一步：对矩阵D'进行行变换和列变换，使得各行各列中都出现0元素。

行变换：矩阵D'的每行元素减去该行的最小元素；

列变换：再从所得矩阵的每列元素中减去该列的最小元素。若某行(列)已有0元素，那就不用再减了。

第二步：做能覆盖所有零元素的最少数目的直线集合。此时，若直线数等于矩阵阶数，则可得出最优解，否则，进入第三步。

第三步：变换矩阵，使未被直线覆盖的元素中出现零元素，回到第二步，对未被直线覆盖的元素所在的行(或行)中各元素都减去这一最小元素，使得在未被直线覆盖的元素中出现零元素，但同时却又使已被直线覆盖的元素中出现负元素，为了消除负元素，对负元素所在的列(或行)中各元素都加上这一最小元素(可以看作减去这一最小元素的相反数)即可。

第四步：进行分配，寻求最优解。需找出矩阵阶数个独立的0元素。若能找出，就以这些独立0元素对应解矩阵(x)中的元素为1，其余为0，这就得到最优解，当n较小时，可用观察法去找出n个独立0元素，若n较大时，就必须按一定的步骤去找，常用的步骤为:

(1)从只有一个0元素的行(列)开始，标记这个0元素，表示对这行所代表的机器人只有一种目标位置，然后划去标记元素所在列的其他0元素，表示这列所代表的目标位置已经分配完成，如此反复进行，直到所有0元素都被标记和划去为止.

(2)若遇到同行(列)的0元素至少有两个(表示可以从两个目标位置中分配其一)，可以任意标记一行(列)中某一个0元素，再划去同行(列)的其他0元素。

通过匈牙利法解得多移动机器人分配至多目标位置的最短路径，此时满足条件每个所述移动机器人到达至少一个目标位置或每个目标位置至少有一个所述移动机器人。

图5为本发明的一示例性实施例示出的一种移动机器人的移动路径规划系统结构示意图；

如图5所示，该示例性的一种移动机器人的移动路径规划系统，包括：

获取信息模块：获取多个移动机器人的位置信息、环境信息和环境信息中的多个目标位置信息；

路径规划模块：根据多个所述移动机器人的所述位置信息和环境信息中的多个所述目标位置信息，利用A*算法，获取每个所述移动机器人到多个所述目标位置的路径信息；

目标分配模块：根据每个所述移动机器人到多个所述目标位置的路径信息，利用预设的多移动机器人路径规划模型，对所述移动机器人到目标位置进行分配，确保每个所述移动机器人到达至少一个目标位置或每个目标位置至少有一个所述移动机器人下的最短路径。

需要说明的是，上述实施例所提供的一种移动机器人的移动路径规划系统与上述实施例所提供的一种移动机器人的移动路径规划方法属于同一构思，其中各个模块和单元执行操作的具体方式已经在方法实施例中进行了详细描述，此处不再赘述。上述实施例所提供的一种移动机器人的移动路径规划系统在实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将系统的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能，本处也不对此进行限制。

本申请的实施例还提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现上述各个实施例中提供的一种移动机器人的移动路径规划方法。

图6示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。需要说明的是，图6示出的电子设备的计算机系统600仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(Central Processing Unit，CPU)601，其可以根据存储在只读存储器(Read-Only Memory，ROM)602中的程序或者从储存部分608加载到随机访问存储器(Random Access Memory，RAM)603中的程序而执行各种适当的动作和处理，例如执行上述实施例中所述的方法。在RAM 603中，还存储有系统操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(Input/Output，I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(Cathode Ray Tube，CRT)、液晶显示器(Liquid Crystal Display，LCD)等以及扬声器等的输出部分607；包括硬盘等的储存部分608；以及包括诸如LAN(Local Area Network，局域网)卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入储存部分608。

特别地，根据本申请的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的系统中限定的各种功能。

需要说明的是，本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。

本申请的另一方面还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如前所述的一种移动机器人的移动路径规划方法。该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的，也可以是单独存在，而未装配入该电子设备中。

本申请的另一方面还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各个实施例中提供的一种移动机器人的移动路径规划方法。

上述实施例仅示例性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，但凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。