一种基于BIM模型的医院后勤机器人自主巡检系统的制作方法

本发明涉及智能巡检，具体涉及一种基于bim模型的医院后勤机器人自主巡检系统。

背景技术：

1、现在绝大多数医院采取了简单的管理方法，采购的医疗设备到达之后，简单的把医疗设备的数据、使用的科室等信息存档；之后的维修、保养等基本依赖人工操作；在设备出现故障时，使用设备的科室电话报修，工程师收到报修信息后再赶去现场处理；如有多个医疗设备同时报修，工程师只能人为判断设备的重要程度、紧急程度，自行安排先后维修次序；而医疗设备的保养也完全依赖工程师的人为工作安排；在医疗设备较少时，上述管理方法基本可以满足需求，但在医疗设备越来越多、越来越复杂的今天；仅仅依赖人为的维保管理很容易造成维保工作的混乱、延误等情况。

2、现有技术中，可以使用机器人来代替人工巡检，可以避免许多人工巡检过程中遇到的难题。具体的，医院后勤机器人利用激光扫描技术进行实时的避障，机器人设备可以按照事先设定好的巡检路线、巡检内容和巡检时间进行巡检，同时在巡检过程中采集相关数据，以便进行后续数据分析和管理。但在实际实施过程中，目前还存在一些局限性，可能出现机器人无法识别某些障碍物或者误判距离，导致无法避开障碍物。特别是在复杂环境下，现有技术很难实现自主巡检。

技术实现思路

1、本发明主要是为了解决现有的医院后勤机器人自主巡检设备的技术还存在局限性的问题，提供了一种基于bim模型的医院后勤机器人自主巡检系统，通过采用数字孪生bim模型和医院后勤机器人技术的结合，实现了医院内部环境、设施和设备的全面巡检和检查，具有高精度、高智能性的自主导航功能和自主巡检功能，从而提高了医院管理的智能化和自动化程度，为医院管理、服务和治疗提供更多的支持和保障。

2、为了实现上述目的，本发明采用以下技术方案。

3、一种基于bim模型的医院后勤机器人自主巡检系统，包括主控模块及分别与所述主控模块电连接的bim模块和机器人，所述主控模块用于控制整个系统工作；所述bim模块通过bim建模，导出ifc文件，并对ifc文件进行解析，提取出bim模型中的室内几何实体信息，并根据室内几何实体信息构建栅格地图；所述机器人设有自主导航模块、环境传感模块和智能识别模块，所述机器人还搭载有全景相机、3d激光雷达和机械臂。本发明通过采用数字孪生bim模型和医院后勤机器人技术的结合，实现了医院内部环境、设施和设备的全面巡检和检查，具有高精度、高智能性的自主导航功能和自主巡检功能，从而提高了医院管理的智能化和自动化程度，为医院管理、服务和治疗提供更多的支持和保障，可以应用于现代医院的安全、卫生、维护等内容的智能化管理和服务；通过bim数字孪生、自主导航、大数据等多种技术手段，实现医院后勤机器人自动对指定区域进行巡检路径规划，自动开展巡检工作，并对指定区域完成日常巡检作业，记录巡检信息，避免许多人工巡检过程中遇到的难题。

4、作为优选，所述自主导航模块将bim模型与机器人的点云模型进行双向空间对照，采用bim和uwb的精确定位技术，确定机器人有效活动范围以及有效活动范围内的路径连接网络，生成有效导航图像；然后根据任务数据在bim模型上确定机器人的起始点以及目的地，基于有效导航图像确定机器人的最佳路径，生成目标导航图像，提升路径规划的可视化深度，将二维构建向三维迭代升级，可实现跨楼层作业，并在机器人按照最佳路径移动的过程中，根据机器人的实时障碍检测结果对机器人的运动路径进行实时调整，确保最佳路径的可通行性，实现机器人的自主导航，大大降低机器人导航运营成本。

5、作为优选，所述机器人内置轻量化模型，后勤人员通过app扫当前区域二维码后，机器人即可获取当前位置信息，自动显示当前区域bim模型，并且支持拍照上传、信息记录、工单生成功能，通过蓝牙与机器人建立连接，数据记录于当前区域bim模型中。根据巡检位置信息自动显示对应区域bim模型，降低前期的部署成本和增加导航的精度。

6、作为优选，所述环境传感模块实时检测当前区域环境参数，并将检测参数记录于当前区域bim模型中，所述环境参数包括温湿度值、光照度值、二氧化碳浓度值以及一氧化碳、烟雾超限报警信息。医院后勤机器人具备环境传感功能，对指定区域完成日常巡检作业，记录巡检信息。

7、作为优选，所述智能识别模块通过对待巡检设备拍摄的视频、图像进行智能识别，判断待巡检设备的运行情况以及是否具有隐患并且反馈给后勤人员，以此完成巡检任务。医院后勤机器人具备智能识别功能，图像智能识别是建立在计算机系统的基础上，将收集到的图像转化为数字化信息，综合物理算法进行图像数据的预处理和分析，最终将提取出的信息和数据库进行对比，从而完成图像的识别。针对设备的巡检图像状态于缺陷的检测识别工作可进行两大部分的划分，一为大数据处理，一为智能验损。在大数据处理部分，执行对海量设备巡检缺陷照片的高效和安全存储以及特征分析管理任务，采用k-means算法实现对缺陷图像数据的聚类处理。在智能验损部分，以人工智能技术为支持，执行图片增强、边缘检测以及缺陷识别等任务，建立起分析结果和数据库之间的有效关联，以此为基础达到快速识别设备缺陷图片的目的。

8、作为优选，所述全景相机为360°全景相机，通过手动或自动的方式采集现场实景视频、图像并智能传输给所述主控模块。机器人搭载360°全景相机，基于全景摄像头的高清像素、高倍变焦能力，通过手动或自动的方式采集现场实景照片、视频，实现机器人对周边的环境进行目标识别；同时智能传输现场图像，便于后勤人员对巡检情况的实时查看以及对巡检任务的记录。

9、作为优选，所述3d激光雷达对每个采样点进行测距的同时对每个采样点的反射率进行解析，并智能传输给所述主控模块。机器人搭载3d激光雷达，能够实现对每个采样点进行精确测距的同时，也对每个采样点的反射率进行高精度解析，赋予机器人强大的识别能力，并且可提供机器人更广阔的视野、更快的扫描速度、更高的分辨率，做到避免重复信息，使机器人能够用较少的传感器覆盖更大的区域，能够获得更多的场景信息，提高三维重建的效果。

10、作为优选，所述机械臂受主控模块控制，所述主控模块根据现场位置需求计算机械臂需要运行到的具体位置，以匹配各点位位置需求，所述机械臂支持六轴自由度、碰撞安全防护、通信can/entercat。机器人搭载机械臂后，后勤人员可对机械臂提出控制命令，主控模块接收控制命令后，对机械臂各轴进行控制，以实现机械臂灵活运动到各角度及尺寸，同时根据现场位置需求计算机械臂需要运行到的具体位置，以匹配各点位位置需求，支持六轴自由度、碰撞安全防护、通信can/entercat等。在巡检作业中，机器人遇到视觉受限的情况可通过机械臂进行查看；也可根据作业需求使用机械臂做到巡检记录、扫码、喷码等操作。

11、作为优选，所述自主导航模块还包括：通过获取bim模型的室内几何实体信息和利用uwb技术实现移动节点的位置估计，结合平滑跟踪算法对位置估计结果进行优化，减小位置估计误差和抖动，从而提高室内定位系统的精度和可靠性。该算法的基本思路是：通过bim技术获取室内场景中的走廊、房间、门等物体的位置和形状信息，并建立相应的位置和姿态模型；然后，利用uwb技术对移动节点进行位置估计，生成初始的位置估计结果；接着，基于平滑滤波算法对位置估计结果进行优化和平滑处理，以减小位置估计误差和抖动，得到平滑跟踪的位置估计结果；最后，将平滑跟踪的位置估计结果与bim建模的位置信息进行匹配，修正和优化位置估计结果，提高定位系统的精度和稳定性。该算法的关键在于平滑跟踪算法的优化，常见的平滑跟踪算法有卡尔曼滤波、扩展卡尔曼滤波、无迭代的卡尔曼滤波等。基于bim和uwb的平滑跟踪算法可以结合实际应用场景，选择不同的平滑跟踪算法来优化位置估计结果。

12、作为优选，所述自主导航模块融合改进a-star算法与动态窗口算法，所述改进a-star算法将搜索范围扩展至48领域搜索，并对8个方向上每两个方向之间再增加3个方向搜索，由原来的8个方向变为32个方向；所述动态窗口算法用于局部路径规划避障。传统a-star算法为8邻域搜索，也就是在该点周围的8个相邻栅格方向搜索，使得机器人的转向方向也被限制于π/4的整数倍，这样规划出来的路径转折角度较大。如果转折角度过大，不利于机器人在室内狭窄空间移动，也会使得移动时间变长，降低了工作效率。因此，本发明将原先的搜索范围扩展至48邻域搜索，对8个方向上每2个方向之间再增加3个方向搜索，由原来的8个方向变为32个方向，这样会使机器人在方向上有更多选择，减少转向次数，更加流畅地进行作业。由于室内环境会有很多门或者相邻柱体，且随机障碍物较多，在全局路径规划的时候，对地图保存过的障碍物进行避障，而在局部路径规划的时候，对新增的障碍物信息也进行避障，且对动态的障碍物进行避障，提高机器人自主避障能力。

13、因此，本发明的优点是：

14、(1)通过采用数字孪生bim模型和医院后勤机器人技术的结合，实现了医院内部环境、设施和设备的全面巡检和检查，具有高精度、高智能性的自主导航功能和自主巡检功能，从而提高了医院管理的智能化和自动化程度，为医院管理、服务和治疗提供更多的支持和保障，可以应用于现代医院的安全、卫生、维护等内容的智能化管理和服务；

15、(2)通过bim数字孪生、自主导航、大数据等多种技术手段，实现医院后勤机器人自动对指定区域进行巡检路径规划，自动开展巡检工作，并对指定区域完成日常巡检作业，记录巡检信息，避免许多人工巡检过程中遇到的难题；

16、(3)通过获取bim模型的室内几何实体信息和利用uwb技术实现移动节点的位置估计，结合平滑跟踪算法对位置估计结果进行优化，减小位置估计误差和抖动，从而提高室内定位系统的精度和可靠性；

17、(4)融合改进a-star算法与动态窗口算法，提高路径规划可靠性，提高智能避障水平，解决了现有医院后勤机器人在特别复杂环境下无法识别某些障碍物或者误判距离，导致无法避开障碍物的局限性。