导航路线确定方法、装置、设备及存储介质与流程

1.本技术实施例涉及路径规划技术领域，尤其涉及一种导航路线确定方法、装置、设备及存储介质。


背景技术：

2.随着计算机技术、传感器技术和人工智能等技术的快速发展，机器人技术也变得日趋成熟，而其中的移动机器人类型应用最为广泛，在物流、医疗、餐饮等众多的行业中扮演着越来越重要的角色，这些各种各样的机器人能够在特定环境下很好地完成工作。
3.目前，机器人在作业环境中进行导航移动时，会先根据自身保存的地图和障碍物，规划一条从当前点到到达点的最短路线，然后再考虑机器人传感器扫描到的局部障碍物，在最短路径的基础上规划出一条避开局部障碍物的最终导航路线。
4.然而，受机器人传感器扫描范围的影响，机器人在路径规划中只能考虑局部的障碍物，对于传感器范围之外的其他障碍物情况没有考虑进来，从而导致很多情况下选择的导航路线往往不是最优的，甚至有可能是不可通行的，进而影响了机器人的工作效率。


技术实现要素：

5.本技术提供一种导航路线确定方法、装置、设备及存储介质，以优化机器人导航路线的确定过程，提高机器人的工作效率。
6.第一方面，本技术实施例提供了一种导航路线确定方法，该方法包括：根据目标机器人的当前点和到达点的位置信息，确定至少一条候选导航路线；确定所述候选导航路线对应监测区域的拥堵参考数据；根据所述拥堵参考数据，从各所述候选导航路线中选取目标导航路线。
7.第二方面，本技术实施例还提供了一种导航路线确定装置，该装置包括：候选路线确定模块，用于根据目标机器人的当前点和到达点的位置信息，确定至少一条候选导航路线；拥堵数据确定模块，用于确定所述候选导航路线对应监测区域的拥堵参考数据；目标路线选取模块，用于根据所述拥堵参考数据，从各所述候选导航路线中选取目标导航路线。
8.第三方面，本技术实施例还提供了一种电子设备，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，使得所述一个或多个处理器实现如第一方面实施例所提供的任意一种导航路线确定方法。
9.第四方面，本技术实施例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，该程序被处理器执行时实现如第一方面实施例所提供的任意一种导航路线确定方法。
10.本技术实施例通过根据目标机器人的当前点和到达点的位置信息，确定至少一条候选导航路线；确定所述候选导航路线对应监测区域的拥堵参考数据；根据所述拥堵参考数据，从各所述候选导航路线中选取目标导航路线；通过上述技术方案，根据确定的拥堵参考数据，在当前点和到达点确定目标机器人的导航路线时，为目标机器人提供了作业环境中各监测区域的拥堵参考数据，避免了所选取的目标导航路线出现拥堵导致行驶不佳的情况发生，从而提高了机器人的通行率和工作效率。
附图说明
11.图1是本技术实施例一提供的一种导航路线确定方法的流程图；图2是本技术实施例二提供的一种导航路线确定方法的流程图；图3是本技术实施例二提供的一种导航路线规划的示意图；图4是本技术实施例三提供的一种导航路线确定方法的流程图；图5是本技术实施例四提供的一种导航路线确定装置的示意图；图6是本技术实施例五提供的一种电子设备的示意图。
具体实施方式
12.下面结合附图和实施例对本技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本技术，而非对本技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本技术相关的部分而非全部结构。
13.在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
14.实施例一图1为本技术实施例一提供的一种导航路线确定方法的流程图。本技术实施例可适用于在机器人工作时，为机器人确定导航路线的情况。该方法可以由一种导航路线确定装置来执行，该装置可以由软件和/或硬件的方式实现。
15.参见图1，本技术实施例提供的导航路线确定方法，包括：s110、根据目标机器人的当前点和到达点的位置信息，确定至少一条候选导航路线。
16.具体地，可以采用设定的路径规划方法，在当前点和到达点规划出至少一条候选导航路线。其中，预设的路径规划方法可以是基于时间最短原则，在当前点和到达点规划出的候选导航路线；或者，也可以是基于路径最短原则，在当前点和到达点规划出的候选导航路线。
17.需要说明的是，根据目标机器人的当前点和到达点的位置信息，确定出的候选导航路线，是在静态障碍物情况下规划出的导航路线。
18.当然，还可以根据机器人的历史行驶数据，在当前点和到达点之间统计出机器人在各行驶路径上的行驶频率，根据行驶频率的大小，从各行驶路径中选取出机器人常走的
若干条行驶路径，如可以选取出机器人常走的三条行驶路径，作为候选导航路线。
19.其中，历史行驶数据包括作业环境中各机器人所产生的历史行驶数据，而不仅限于目标机器人的历史行驶数据。
20.在一些实施例中，还可以人为预先在当前点和到达点，规划出预设数量的可行驶路径，作为候选导航路线。
21.可以理解的是，在已知当前点和到达点的情况下，结合目标机器人的作业环境，可以规划出多条候选导航路线。
22.对于如何从上述多条候选导航路线中，选取出一条目标机器人最终所要进行行驶的导航路线，可以基于预设的选取规则进行选取，如可以根据时间或距离最短原则进行选取，当然，也可以人为预先在当前点和到达点指定一条唯一确定的导航路线。
23.s120、确定所述候选导航路线对应监测区域的拥堵参考数据。
24.其中，拥堵参考数据可以是行驶路径中是否存在障碍物或者行驶路径中存在障碍物的数量。其中，障碍物可以包括行人、车辆或其他障碍物（如餐厅中的桌子或椅子）等。
25.本实施例中，可以根据摄像头拍摄的监测区域的图像，从图像中确定出目标机器人的工作环境中对应监测区域的拥堵参考数据；或者，也可以基于工作环境中监测区域中设置的计数装置，对障碍物进行计数，如对行人进行识别等；或者，也可以基于各机器人之间的数据共享机制，目标机器人可以从工作环境中的其他机器人获取至少一个监测区域的拥堵参考数据。
26.当然，本技术实施例还可以将存储的同时期的历史拥堵参考数据一同作为目标机器人的工作环境中对应监测区域的拥堵参考数据。
27.典型地，所述拥堵参考数据为人流量数据。
28.可以理解的是，行人作为机器人作业环境中最常见的障碍物或者是最容易发生位置改变的障碍物，可以仅对行人进行检测，从而获取到监测区域的人流量数据。
29.本实施例中，工作环境中的监测区域可以是作业环境中路径状况容易发生改变的位置区域。通过在各监测区域设置相应的传感器如摄像头或红外检测仪等其他传感器等，可以起到对监测区域的路径状况进行识别的作用，通过确定目标机器人的工作环境中至少一个监测区域的拥堵参考数据，可以为目标机器人提供整个作业环境的路径状况信息，而不是仅根据机器人自身的传感器所采集的局部障碍物信息，从而目标机器人在确定导航路线时，可以依靠更多的路况信息。
30.可以理解的是，通过确定目标机器人的工作环境中至少一个监测区域的拥堵参考数据，并利用各监测区域的拥堵参考数据，可以为目标机器人确定出较为合理的导航路线。
31.典型地，所述监测区域包括前台区域和/或出入口区域。
32.可以理解的是，前台区域和/或出入口区域作为机器人工作环境中路径状况经常容易发生改变的位置区域，通过监测前台区域和/或出入口区域，可以获取到相应位置区域的拥堵参考数据，而拥堵参考数据可以为机器人的导航路线规划提供数据支撑。
33.在一些实施例中，还可以在目标机器人工作环境中的走廊或通道等区域设置传感器。可以理解的是，走廊和通道通常为较狭窄的区域，当有人在该区域位置时，会造成较大的拥堵，因此，也可以将作业环境中的走廊和通道设置为监测区域。
34.s130、根据拥堵参考数据，从各候选导航路线中选取目标导航路线。
35.其中，目标导航路线为最终从各候选导航路线选取出的最终导航路线，根据目标导航路线，目标机器人将从当前点移动至到达点。
36.具体地，根据拥堵参考数据，可以分别确定出各候选导航路线的拥堵情况；根据各候选导航路线的拥堵情况，可以从各候选导航路线中选取出一条较不拥堵的导航路线，作为目标导航路线。
37.当然，在考虑拥堵参考数据的情况下，还可以考虑各候选导航路线的其他路径信息，如可以考虑路径的长短，或者路径所包含的特殊场景（是否经过走廊等）等其他路径信息，通过同时考虑各候选导航路线的拥堵参考数据和其他路径信息，共同确定最终目标机器人的目标导航路线。
38.需要说明的是，本技术实施例对s110和s120的执行顺序不做具体限定，如可以在执行完s110之后，再执行s120，当然，也可以先执行s120，再执行s110，具体如何设置s110和s120的执行顺利可以根据实际需求进行确定。
39.本技术实施例通过根据目标机器人的当前点和到达点的位置信息，确定至少一条候选导航路线；确定所述候选导航路线对应监测区域的拥堵参考数据；根据所述拥堵参考数据，从各所述候选导航路线中选取目标导航路线；通过上述技术方案，根据确定的拥堵参考数据，在当前点和到达点确定目标机器人的导航路线时，为目标机器人提供了作业环境中各监测区域的拥堵参考数据，避免了所选取的目标导航路线出现拥堵导致行驶不佳的情况发生，从而提高了机器人的通行率和工作效率。
40.实施例二图2为本技术实施例二提供的一种导航路线确定方法的流程图，本实施例是在上述实施例的基础上，对上述方案的优化。
41.进一步地，将操作“根据所述拥堵参考数据，从各所述候选导航路线中选取目标导航路线”，细化为“根据所述拥堵参考数据和各所述候选导航路线的路线长度，从各所述候选导航路线中选取目标导航路线”，以完善对目标导航路线的选取过程。
42.其中与上述实施例相同或相应的术语的解释在此不再赘述。
43.参见图2，本实施例提供的导航路线确定方法，包括：s210、根据目标机器人的当前点和到达点的位置信息，确定至少一条候选导航路线。
44.s220、确定候选导航路线对应监测区域的拥堵参考数据。
45.可选地，所述确定所述目标机器人的工作环境中至少一个监测区域的拥堵参考数据，包括：从所述目标机器人的工作环境中所设置的图像采集装置中，获取至少一个所述监测区域的拥堵参考数据；或者，从所述目标机器人的工作环境中所设置的图像采集装置中，获取至少一个所述监测区域的监测图像，并根据所述监测图像，分别确定对应监测区域的拥堵参考数据。
46.其中，图像采集装置可以为现有工作环境中设置的摄像头或红外检测仪等装置，而不必额外增加其他的图像采集装置。
47.具体地，目标机器人可以直接从图像采集装置中，获取经图像采集装置从所采集得到的各监测图像中已经确定好的拥堵参考数据；当然，目标机器人也可以获取图像采集装置所采集的原始监测图像，基于目标机器人自身所设置的图像处理模块，对各监测图像
进行处理和分析，分别确定出对应监测区域的拥堵参考数据。
48.可以理解的是，若目标机器人的性能较差或目标机器人不具有图像处理功能，则可以在目标机器人外部对监测图像进行处理和分析，如可以由图像处理装置对采集的监测图像进行处理和分析，再由其将确定好的拥堵参考数据发送给目标机器人；若目标机器人自身设置有图像处理模块，则可以由目标机器人对获取的监测图像进行处理和分析，分别确定出对应监测区域的拥堵参考数据，也即图像处理即可以在执行设备侧，也可以在图像采集侧。
49.示例性的，可以确定候选导航路线所经监测区域的区域标识；将区域标识对应的图像采集装置所确定的拥堵参考数据，作为候选导航路线对应的拥堵参考数据。
50.在一个可选实施例中，还可以基于广角摄像头所采集图像，进行诸如人流量等拥堵参考数据确定。若广角摄像头所采集区域包括至少一个监测区域，则可以根据广角摄像头安装位置和安装角度，确定广角摄像头所采集图像与各监测区域之间的对应关系，进而根据该对应关系，分别确定不同监测区域对应的拥堵参考数据。
51.在另一可选实施例中，还可以在不同监测区域分别安装摄像头，用于进行对应监测区域的拥堵参考数据的确定。此时，可以根据摄像头安装位置或安装标识，对不同监测区域的拥堵参考数据进行划分。
52.s230、根据拥堵参考数据和各候选导航路线的路线长度，从各候选导航路线中选取目标导航路线。
53.本实施例中，在考虑拥堵参考数据的情况下，还考虑了各候选导航路线的路线长度，由拥堵参考数据和各候选导航路线的路线长度共同来确定目标导航路线。
54.可选地，所述根据所述拥堵参考数据和各所述候选导航路线的路线长度，从各所述候选导航路线中选取目标导航路线，包括：针对各所述候选导航路线，根据该候选导航路线所经过的监测区域的拥堵参考数据，确定路线长度调整数据；根据该候选导航路线的所述路线长度调整数据加权路线长度，更新路线长度，得到加权路线长度；根据各所述候选导航路线的加权路线长度加权路线长度，从各所述候选导航路线中选取目标导航路线。
55.可选地，可以根据路线长度调整数据和路线长度的加权和或者乘积函数关系，来确定各候选导航路线的加权路线长度加权路线长度。
56.示例性的，根据该候选导航路线所经过的监测区域的拥堵参考数据，确定路线长度调整数据，可以是：根据该候选导航路线所经过的监测区域的拥堵参考数据和所述监测区域的惩罚系数，确定所述路线长度调整数据；其中，所述监测区域的惩罚系数基于所述监测区域的道路宽度确定。
57.一般的，监测区域的道路宽度越大，相应的惩罚系数越大；道路宽度越小，相应的惩罚系数越小。
58.本实施例中，若候选导航路线的路线长度调整数据越高，则会影响候选导航路线的加权路线长度，使得加权路线长度越高，若候选导航路线的路线长度越大，则同样会影响候选导航路线的加权路线长度，使得加权路线长度越高。
59.具体地，通过计算各候选导航路线的加权路线长度，对各候选导航路线进行排序，从各候选导航路线中选取出加权路线长度最低的候选导航路线，作为目标导航路线。
60.可以理解的是，引入基于道路宽度确定的惩罚系数和拥堵参考数据，进行路线长
度调整数据的确定，进而基于路线长度调整数据和路线长度，进行加权道路长度的生成，可以较准确地从各候选导航线路中选取出较优的目标导航线路。
61.参见图3所示的一种导航路线规划的示意图，当机器人从a区域出发，前往f区域时，有两条可选路线：可选路线1为a
→b→d→
f，可选路线2为a
→c→e→g→h→
f。其中，摄像头1对出入口区域进行监测，摄像头1对前台区域进行监测。当出入口区域和前台区域的人流量较少时，目标机器人会选择可选路线1作为导航路线，但是当d区域附近人流拥堵时，选择可选路线1会消耗更长的时间，或者无法完成任务。
62.在一些实施例中，拥堵参考数据具体可以为行人数量，基于人数n对各候选导航线路的真实长度lr进行加权，即可计算得到各候选导航线路的加权路线长度l=lr μ
×
n。其中，μ为惩罚系数，可根据监测区域的道路宽度确定，若道路宽度越大，则惩罚系数越大；若道路宽度越小，则惩罚系数越小。
63.继续参见图3，当d区域人数较多时，计算对各候选导航线路的加权路线长度的计算结果；根据计算结果可以得知，可选路线1的加权路线长度会大于可选路线2，因此，目标机器人会选择可选路线2进行配送，以避开人流拥堵区域。
64.可选地，可以由目标机器人执行上述操作，也即目标机器人可以针对各候选导航路线，根据该候选导航路线所经过的监测区域的拥堵参考数据，确定路线长度调整数据；根据该候选导航路线的路线长度调整数据更新路线长度，得到加权路线长度；根据各候选导航路线的加权路线长度，从各候选导航路线中选取目标导航路线。
65.当然，还可以由目标机器人根据目标机器人的当前点和到达点的位置信息，确定至少一条候选导航路线；确定目标机器人的工作环境中至少一个监测区域的拥堵参考数据；根据拥堵参考数据和各候选导航路线的路线长度，从各候选导航路线中选取目标导航路线。
66.当然，也可以由管理机器人的后台服务器执行目标机器人的上述操作。
67.可以理解的是，本技术实施例可以由目标机器人单独执行导航路线的确定过程，而不必依赖后台服务器。
68.本技术实施例在上述实施例的基础上，对目标导航路线的选取过程进行了细化，通过根据所述拥堵参考数据和各所述候选导航路线的路线长度，从各所述候选导航路线中选取目标导航路线。通过上述技术方案，在考虑拥堵参考数据的情况下，还考虑了各候选导航路线的路线长度，由拥堵参考数据和各候选导航路线的路线长度共同来确定目标导航路线，使得所选取的目标导航路线能够兼顾路线长度和拥堵情况等不同方面的需求，从而提高了目标导航路线的合理性，有助于提高了机器人的通行率和工作效率。
69.实施例三图4为本技术实施例三提供的一种导航路线确定方法的流程图，本实施例是在上述实施例的基础上，对上述方案的优化。
70.进一步地，将操作“确定所述候选导航路线对应监测区域的拥堵参考数据”，细化为“基于预设频率，确定所述拥堵参考数据的目标传输时刻；在所述目标传输时刻，从所述候选导航路线对应监测区域的图像采集装置中，获取待处理数据；其中，所述预设频率与工作环境中各机器人数据共享频率不同，且所述目标传输时刻与所述工作环境中各机器人的数据共享时刻不同；根据所述待处理数据，确定对应监测区域的拥堵参考数据”，以完善对
拥堵参考数据的确定过程。
71.其中与上述实施例相同或相应的术语的解释在此不再赘述。
72.参见图4，本实施例提供的导航路线确定方法，包括：s310、根据目标机器人的当前点和到达点的位置信息，确定至少一条候选导航路线。
73.s320、基于预设频率，确定拥堵参考数据的目标传输时刻；s330、在目标传输时刻，从候选导航路线对应监测区域的图像采集装置中，获取待处理数据；其中，所述预设频率与工作环境中各机器人数据共享频率不同，且目标传输时刻与工作环境中各机器人的数据共享时刻不同。
74.其中，待处理数据可以是经图像处理和分析之后得到的拥堵参考数据自身，或者，待处理数据也可以是图像采集装置采集的原始监测图像，未经图像处理和分析。
75.具体地，作业环境中的各机器人可以通过近场通信模块进行相互通信，以共享彼此的数据，各机器人进行共享的数据可以是位置数据或路况数据等。在上述各机器人共享数据的过程中，会设置一个数据共享频率，该数据共享频率与从图像采集装置中获取待处理数据的预设频率相同，但目标传输时刻与工作环境中各机器人的数据共享时刻不同，，以避免频段冲突导致数据传输失败。
76.举例说明，若工作环境中包括三台设备（例如2台机器人1台摄像机）可以按照编号顺序依次发送数据包，避免数据碰撞。例如，1号机器人在第一秒发出第n1包数据，2号机器人在第二秒发出第n2包数据，3号摄像机在第三秒发出第n3包数据。且三台设备的发送频率相同，都是每隔6秒发出数据包，保证数据的有效收发。另外，每台设备在每接收到一次数据包时，就进行一次发送时间的计算更新下次发送的时间点，这样避免设备在运行过程中，受到干扰或关机等原因导致同步状态丢失，有利于对设备状态进行监控。
77.s340、根据待处理数据，确定对应监测区域的拥堵参考数据。
78.具体地，当待处理数据为拥堵参考数据自身时，在获取到待处理数据后，可以对待处理数据进行解析、去重等操作，从而从待处理数据中提取得到对应监测区域的拥堵参考数据。
79.当待处理数据为图像采集装置采集的原始监测图像时，可以根据预设人体识别模型，确定检测图像中的人数信息，并根据人数信息，确定拥堵参考数据。
80.示例性的，将监测图像输入至预先训练好的预设人体识别模型，对监测图像中的行人进行识别，将确定出的对应监测区域的人数信息，作为拥堵参考数据。当然，若拥堵参考数据还包括除行人之外的其他障碍物，还可以采用其他的预先确定好的障碍物识别模型对监测图像中的障碍物进行识别。
81.其中，预设人体识别模型是一种基于深度学习的目标识别模型，可以对图像中的行人进行识别。
82.具体地，预设人体识别模型可以根据包含有“行人”的样本数据集，在深度学习环境下用目标检测算法来训练样本数据，基于预设的模型训练终止条件，在训练结束时，可以得到一个预先训练好的人体识别模型。
83.在一个可选实施例中，可以基于voc数据集（一种标准化的优秀数据库）中含有“人”的样本数据集，在深度学习框架darknet下采用目标检测算法yolov3（yolo作者创作的
系列算法），来训练样本数据集，并提取“人”的特征做回归，得到一个可用于准确识别“人”的人识别模型。
84.在另一可选实施例中，可以确定原始监测图像的方向梯度直方图（histogram of oriented gradient，hog），从而得到目标特征数据；采用分类模型对目标特征数据进行处理，得到行人和非行人类别预测，并将预测的行人数量作为拥堵参考数据。其中，分类模型可以基于机器学习模型实现，例如支持向量机（support vector machine，svm）。
85.由于原始监测图像可能由于人员或其他物体遮挡，存在行人数量确定结果准确度较差的情况。为了提高行人数量确定结果的准确度，在再一可选实施例中，还可以在对原始监测图像进行特征提取过程中，还可以引入可变形部件模型（deformable parts model，dpm），以适配由于人员遮挡和人体姿势形变等情况。
86.需要说明的是，dpm算法采用了改进后的hog特征、svm分类器和滑动窗口检测思想，针对原始监测图像中待检测目标（行人）的多视角问题，采用了多组件（component）的策略，针对目标本身的形变问题，采用了基于图结构（pictorial structure）的部件模型策略。此外，将样本的所属模型类别、部件模型的位置等作为潜变量（latent variable），采用多示例学习（multiple-instance learning）来自动确定乘梯人员数量。
87.其中，dpm模型包括根模型、至少两个部件模型和部件模型相对于根模型的偏离损失。
88.s350、根据拥堵参考数据和各候选导航路线的路线长度，从各候选导航路线中选取目标导航路线。
89.在一些实施例中，可以由图像处理装置对采集的监测图像进行处理和分析，再由其将确定好的拥堵参考数据广播发送给工作环境中的其他机器人，而不限定与指定的机器人，如本技术实施例中的目标机器人，在各机器人接收到拥堵参考数据后，各机器人在路径规划阶段可以避开人流，从而提升配送效率。
90.具体地，可以结合餐厅监控设备，对易拥堵区域设置摄像头，例如前台和门口，采用人数检测方法检测人数，广播给场地内机器人，作为路径规划参考。由于实际场景中很多餐厅会在前台和门口设置摄像头，因此大多数情况下仅需增加一个图像处理装置和无线设备，部署时设置不同摄像头对应的地图区域，对餐厅摄像数据进行人数检测，并广播给场地内机器人。
91.本技术实施例在上述实施例的基础上，对拥堵参考数据的确定过程进行了细化，通过基于预设频段，从所述目标机器人的工作环境中所设置的图像采集装置中获取至少一个监测区域的待处理数据；其中，所述预设频段与所述工作环境中各机器人数据共享频段不同；根据所述待处理数据，确定对应监测区域的拥堵参考数据。通过上述技术方案，避免了由于共享频段冲突导致目标机器人出现待处理数据获取遗漏的情况，有助于提升所确定的目标导航路线的准确性，进而提高目标机器人的行驶效率。
92.实施例四图5是本技术实施例四提供的一种导航路线确定装置的结构示意图。参见图5，本技术实施例提供的一种导航路线确定装置，该装置包括：候选路线确定模块410、拥堵数据确定模块420和目标路线选取模块430。
93.候选路线确定模块410，用于根据目标机器人的当前点和到达点的位置信息，确定
至少一条候选导航路线；拥堵数据确定模块420，用于确定所述候选导航路线对应监测区域的拥堵参考数据；目标路线选取模块430，用于根据所述拥堵参考数据，从各所述候选导航路线中选取目标导航路线。
94.本技术实施例通过根据目标机器人的当前点和到达点的位置信息，确定至少一条候选导航路线；确定所述目标机器人的工作环境中至少一个监测区域的拥堵参考数据；根据所述拥堵参考数据，从各所述候选导航路线中选取目标导航路线；通过上述技术方案，根据确定的拥堵参考数据，在当前点和到达点确定目标机器人的导航路线时，为目标机器人提供了作业环境中各监测区域的拥堵参考数据，避免了所选取的目标导航路线出现拥堵导致行驶不佳的情况发生，从而提高了机器人的通行率和工作效率。
95.进一步地，所述目标路线选取模块430，包括：目标路线选取单元，用于根据所述拥堵参考数据和各所述候选导航路线的路线长度，从各所述候选导航路线中选取目标导航路线。
96.进一步的，拥堵数据确定模块420，包括：区域标识确定单元，用于确定所述候选导航路线所经监测区域的区域标识；拥堵数据确定单元，用于将所述区域标识对应的图像采集装置所确定的拥堵参考数据，作为与所述候选导航路线对应的拥堵参考数据。
97.进一步的，拥堵数据确定模块420，包括：监测图像获取单元，用于获取所述候选导航路线所经监测区域的监测图像；人数信息确定单元，用于根据预设人体识别模型，确定所述监测图像中的人数信息；拥堵参考数据确定单元，用于根据所述人数信息，确定所述拥堵参考数据。
98.进一步地，所述目标路线选取单元，包括：路线长度调整数据确定子单元，用于针对各所述候选导航路线，根据该候选导航路线所经过的监测区域的拥堵参考数据，确定路线长度调整数据；加权路线长度确定子单元，用于根据该候选导航路线的所述路线长度调整数据更新所述路线长度，得到加权路线长度；目标路线选取子单元，用于根据各所述候选导航路线的加权路线长度，从各所述候选导航路线中选取目标导航路线。
99.进一步地，路线长度调整数据确定子单元，包括：路线长度调整数据确定从单元，用于根据该候选导航路线所经过的监测区域的拥堵参考数据和所述监测区域的惩罚系数，确定所述路线长度调整数据；其中，所述监测区域的惩罚系数基于所述监测区域的道路宽度确定。
100.进一步地，所述方法由目标机器人执行。
101.进一步地，所述拥堵数据确定模块420，包括：待处理数据获取单元，用于基于预设频率，确定所述拥堵参考数据的目标传输时刻；待处理数据获取单元，用于在所述目标传输时刻，从所述候选导航路线对应监测
区域的图像采集装置中，获取待处理数据；其中，所述预设频率与工作环境中各机器人数据共享频率不同，且所述目标传输时刻与所述工作环境中各机器人的数据共享时刻不同；拥堵参考数据确定单元，用于根据所述待处理数据，确定对应监测区域的拥堵参考数据。
102.进一步地，所述拥堵参考数据为人流量数据。
103.进一步地，所述监测区域包括前台区域和/或出入口区域。
104.进一步地，所述拥堵数据确定模块420，包括：拥堵参考数据获取单元，用于从所述目标机器人的工作环境中所设置的图像采集装置中，获取至少一个所述监测区域的拥堵参考数据；或者，从所述目标机器人的工作环境中所设置的图像采集装置中，获取至少一个所述监测区域的监测图像，并根据所述监测图像，分别确定对应监测区域的拥堵参考数据。
105.本技术实施例所提供的导航路线确定装置可执行本技术任意实施例所提供的导航路线确定方法，具备执行方法相应的功能模块和有益效果。
106.实施例五图6是本技术实施例五提供的一种电子设备的结构图。图6示出了适于用来实现本技术实施方式的示例性电子设备512的框图。图6显示的电子设备512仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。该电子设备可以是机器人或对机器人进行调度控制的后台服务器。
107.如图6所示，电子设备512以通用计算设备的形式表现。电子设备512的组件可以包括但不限于：一个或者多个处理器或者处理单元516，系统存储器528，连接不同系统组件（包括系统存储器628和处理单元516）的总线518。
108.总线518表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构（isa）总线，微通道体系结构（mca）总线，增强型isa总线、视频电子标准协会（vesa）局域总线以及外围组件互连（pci）总线。
109.电子设备512典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备512访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
110.系统存储器528可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器（ram）530和/或高速缓存存储器532。电子设备512可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统534可以用于读写不可移动的、非易失性磁介质（图6未显示，通常称为“硬盘驱动器”）。尽管图6中未示出，可以提供用于对可移动非易失性磁盘（例如“软盘”）读写的磁盘驱动器，以及对可移动非易失性光盘（例如cd-rom，dvd-rom或者其它光介质）读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线518相连。系统存储器528可以包括至少一个程序产品，该程序产品具有一组（例如至少一个）程序模块，这些程序模块被配置以执行本技术各实施例的功能。
111.具有一组（至少一个）程序模块542的程序/实用工具540，可以存储在例如系统存储器528中，这样的程序模块542包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块542通常执行本技术所描述的实施例中的功能和/或方法。
112.电子设备512也可以与一个或多个外部设备514（例如键盘、指向设备、显示器524等）通信，还可与一个或者多个使得用户能与该电子设备512交互的设备通信，和/或与使得该电子设备512能与一个或多个其它计算设备进行通信的任何设备（例如网卡，调制解调器等等）通信。这种通信可以通过输入/输出（i/o）接口522进行。并且，电子设备512还可以通过网络适配器520与一个或者多个网络（例如局域网（lan），广域网（wan）和/或公共网络，例如因特网）通信。如图所示，网络适配器520通过总线518与电子设备512的其它模块通信。应当明白，尽管图6中未示出，可以结合电子设备512使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
113.处理单元516通过运行存储在系统存储器528中的多个程序中其他程序的至少一个，从而执行各种功能应用以及数据处理，例如实现本技术实施例所提供的任意一种导航路线确定方法。
114.实施例六本技术实施例六提供的一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本技术任一实施例所提供的一种导航路线确定方法，该方法包括：根据目标机器人的当前点和到达点的位置信息，确定至少一条候选导航路线；确定所述候选导航路线对应监测区域的拥堵参考数据；根据所述拥堵参考数据，从各所述候选导航路线中选取目标导航路线。
115.通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本技术可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器（read-only memory， rom）、随机存取存储器（random access memory， ram）、闪存（flash）、硬盘或光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本技术各个实施例所述的方法。
116.值得注意的是，上述权限导航路线确定装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。
117.注意，上述仅为本技术的较佳实施例及所运用技术原理。本领域技术人员会理解，本技术不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本技术的保护范围。因此，虽然通过以上实施例对本技术进行了较为详细的说明，但是本技术不仅仅限于以上实施例，在不脱离本技术构思的情况下，还可以包括更多其他等效实施例，而本技术的范围由所附的权利要求范围决定。