本發明涉及機器人路徑規劃，具體為一種基于避障的建筑用物流機器人搬運路徑優化方法及系統。
背景技術：
1、隨著建筑行業的智能化發展，物流機器人在施工現場的物料搬運中得到了廣泛應用。建筑施工現場環境復雜多變，對機器人的自主導航和路徑規劃提出了極高的要求。目前的物流機器人路徑規劃大多依賴預先導入的建筑信息模型進行全局導航，并結合車端傳感器進行局部避障。
2、但在實際施工過程中，現場進度往往與理論計劃進度存在偏差，經常出現某些建筑實體提前完工的情況。當機器人掃描到這些實體時，由于在當前階段的預設模型中無法匹配，常規算法通常將其誤判為人員或臨時堆放物，從而采取原地等待或頻繁重新規劃的策略，引發避障死鎖。同時，施工作業會對周邊地面的物理狀態產生影響，造成局部路面摩擦力下降或平整度變差。現有的路徑規劃方法通常只進行單純的幾何空間避障，未能結合施工工藝量化這種對周圍地表物理屬性造成的劣化影響。在未將地面動態物理參數與車輛實時載荷結合的情況下，重載機器人若以常規規劃的軌跡在受污染路面轉彎，極易發生側向滑移或傾覆失控。此外，施工現場通常有多臺異構物流機器人協同作業。當面對同一片復雜的未知障礙區域時，現有的獨立規劃模式要求每臺機器人都必須完整執行一次尋路解算，缺乏多機之間的安全經驗共享機制，且未考慮不同質量和軸距車輛在抗側翻能力上的動力學差異，導致集群整體算力冗余消耗嚴重。
技術實現思路
1、針對現有技術的不足，本發明提供了一種基于避障的建筑用物流機器人搬運路徑優化方法及系統，解決了現有物流機器人在建筑施工環境中因模型進度異步導致避障死鎖、因未考慮路面物理屬性劣化導致重載側滑失控，以及多機獨立尋路缺乏異構安全復用機制導致算力消耗大的問題。
2、為實現以上目的，本發明第一方面提供一種基于避障的建筑用物流機器人搬運路徑優化方法，包括以下步驟：
3、獲取傳感器組采集的環境點云數據，將所述環境點云數據在空間維度上離散化為三維空間柵格，基于預置的材質映射矩陣提取點云特征，計算對應柵格的基礎平整度指數與基礎摩擦系數，結合模型數據庫中的空間基準構建包含物理參數的三維物理屬性柵格地圖；
4、在物流機器人行進過程中，識別路徑前方的未知障礙物并提取障礙物點云幾何包圍盒，將所述障礙物點云幾何包圍盒與所述模型數據庫中當前施工階段的構件數據進行幾何匹配，當當前階段匹配失敗時向所述模型數據庫請求相鄰施工周期的構件數據進行跨階段重新匹配，在匹配成功的情況下將所述未知障礙物定級為提前完工建筑物；
5、針對確認為所述提前完工建筑物的障礙物，從所述模型數據庫中提取所述提前完工建筑物的施工工藝屬性，基于提取的施工工藝屬性在所述三維物理屬性柵格地圖中以所述提前完工建筑物邊界為基準向外輻射，利用基于距離的指數衰減公式對影響半徑內各個柵格的所述基礎平整度指數與所述基礎摩擦系數進行修正，生成物理環境關聯劣化梯度；
6、讀取所述物流機器人當前總質量數據以及系統下發的指令行駛速度，結合目標擴展柵格內更新的修正摩擦系數計算所述物流機器人維持不發生側向滑移的最大安全曲率限值，將所述最大安全曲率限值作為條件參數引入啟發式路徑搜索算法的代價函數中，截斷曲率超出所述最大安全曲率限值的搜索分支，生成局部繞行路徑；
7、在所述物流機器人沿所述局部繞行路徑完成行駛后，將所述局部繞行路徑的坐標數據及自身車輛物理參數上報至云端服務器，所述云端服務器接收數據并生成局部繞行模板，當其余物流機器人請求接近關聯區域時獲取請求車輛的當前軸距與當前整車總質量計算安全松弛度，并依據所述安全松弛度的代數判定結果執行下發所述局部繞行模板或拒絕下發的調度指令。
8、優選的，所述計算對應柵格的基礎平整度指數與基礎摩擦系數，具體包括：
9、提取落入任一單個所述三維空間柵格內的所有點云坐標數據，計算提取出的點云在垂直高程方向上的統計學方差，將所述統計學方差值賦值為當前三維空間柵格的所述基礎平整度指數；
10、計算所述三維空間柵格內所有點云的平均激光反射強度與平均紅外回波吸收率并組合為特征向量，將所述特征向量輸入預置的材質映射矩陣中，通過最鄰近插值法匹配當前三維空間柵格對應的路面材質類別，并輸出與該路面材質類別對應的基礎摩擦系數。
11、優選的，將所述障礙物點云幾何包圍盒與所述模型數據庫中當前施工階段的構件數據進行幾何匹配，以及所述跨階段重新匹配，具體包括：
12、計算所述障礙物點云幾何包圍盒與當前施工階段各個構件包圍盒的三維交并比，當所有三維交并比均低于預設的第一匹配閾值時，判定所述當前階段匹配失敗；
13、提取當前施工階段前后固定數量的相鄰施工周期的構件數據并合并，建立包含歷史已完工進度與未來待施工進度的滑動時間窗；
14、重新計算所述障礙物點云幾何包圍盒與所述滑動時間窗內所有構件包圍盒的三維交并比，并提取其中的最大值作為最大幾何匹配度。
15、優選的，所述在匹配成功的情況下將所述未知障礙物定級為提前完工建筑物，具體包括：
16、當所述最大幾何匹配度高于預設的第二匹配閾值時，確認所述跨階段重新匹配成功，將所述未知障礙物定級為因實際施工進度超前于所述模型數據庫計劃而產生的提前完工建筑物，所述預設的第二匹配閾值大于或等于所述預設的第一匹配閾值；
17、強制將所述三維物理屬性柵格地圖中所述提前完工建筑物對應占據區域的狀態修正為不可移除的靜態占據。
18、優選的，所述提取所述提前完工建筑物的施工工藝屬性，以及生成所述物理環境關聯劣化梯度，具體包括：
19、提取所述提前完工建筑物的施工作業類型及材料信息作為特定的施工工藝屬性，在預先設定的工藝影響因子映射表中檢索獲取對應的劣化影響半徑、摩擦屬性衰減系數以及平整度惡化系數；
20、當解析出多個施工工藝關鍵詞時，執行最不利工況包絡提取策略，選取其中的最大數值作為最終劣化參數。
21、優選的，所述利用基于距離的指數衰減公式對影響半徑內各個柵格的所述基礎平整度指數與所述基礎摩擦系數進行修正，具體為：
22、對于中心坐標到所述提前完工建筑物邊界的最小歐式距離小于或等于所述劣化影響半徑的受影響柵格，其修正平整度指數等于所述基礎平整度指數乘以第一乘積因子，所述第一乘積因子為一加上所述平整度惡化系數與自然常數的負指數冪的乘積，所述負指數冪的指數為所述最小歐式距離與所述劣化影響半徑的比值；
23、其修正摩擦系數等于所述基礎摩擦系數乘以第二乘積因子，所述第二乘積因子為一減去所述摩擦屬性衰減系數與所述自然常數的負指數冪的乘積；
24、當受影響柵格同時處于多個提前完工建筑物的劣化影響半徑范圍內時，提取多個獨立修正平整度指數中的最大值作為最終的修正平整度指數，并提取多個獨立修正摩擦系數中的最小值作為最終的修正摩擦系數。
25、優選的，所述計算所述物流機器人維持不發生側向滑移的最大安全曲率限值，具體為：
26、獲取所述物流機器人的指令行駛速度，當所述指令行駛速度低于系統預設的最小安全速度下限閾值時，強制采用所述最小安全速度下限閾值進行代數運算；
27、所述最大安全曲率限值等于目標擴展柵格的所述修正摩擦系數與重力加速度常數的乘積，除以所述指令行駛速度與所述最小安全速度下限閾值兩者中最大值的平方。
28、優選的，所述截斷曲率超出所述最大安全曲率限值的搜索分支，生成局部繞行路徑，具體包括：
29、計算從當前父節點向周邊子節點延伸的局部軌跡的實際曲率，當所述實際曲率大于所述最大安全曲率限值時，將轉移代價賦為無窮大以截斷該分支；
30、當所述實際曲率小于或等于所述最大安全曲率限值時，計算綜合轉移代價；所述綜合轉移代價為距離權重系數與節點間歐式距離的乘積、平整度權重系數與所述修正平整度指數的乘積，以及曲率懲罰權重系數與所述實際曲率占所述最大安全曲率限值比例乘積之和；
31、累加各個有效分支的綜合轉移代價進行迭代擴展，通過回溯算法提取總代價最小的節點序列生成所述局部繞行路徑。
32、優選的，所述計算安全松弛度，并依據所述安全松弛度的代數判定結果執行下發所述局部繞行模板或拒絕下發的調度指令，具體包括：
33、所述安全松弛度等于基準機器人的整車總質量除以請求機器人的當前整車總質量的比值，乘上所述請求機器人的當前軸距除以所述基準機器人的車輛軸距的比值，最后將該乘積結果減一；
34、當所述安全松弛度大于或等于零時，向所述請求機器人執行所述局部繞行模板的路徑推送下發；
35、當所述安全松弛度小于零時，拒絕下發所述局部繞行模板，并向所述請求機器人發送重新規劃指令以自主執行路徑重構解算。
36、本發明第二方面提供一種基于避障的建筑用物流機器人搬運路徑優化系統，包括：
37、物理場初始化模塊，用于獲取傳感器組采集的環境點云數據，將環境點云數據在空間維度上離散化為三維空間柵格，基于預置的材質映射矩陣提取點云特征，計算對應柵格的基礎平整度指數與基礎摩擦系數，結合模型數據庫中的空間基準構建包含物理參數的三維物理屬性柵格地圖；
38、障礙物定級模塊，用于在物流機器人行進過程中，識別路徑前方的未知障礙物并提取障礙物點云幾何包圍盒，將障礙物點云幾何包圍盒與模型數據庫中當前施工階段的構件數據進行幾何匹配，當當前階段匹配失敗時向模型數據庫請求相鄰施工周期的構件數據進行跨階段重新匹配，在匹配成功的情況下將未知障礙物定級為提前完工建筑物；
39、劣化梯度生成模塊，用于針對確認為提前完工建筑物的障礙物，從模型數據庫中提取提前完工建筑物的施工工藝屬性，基于提取的施工工藝屬性在三維物理屬性柵格地圖中以提前完工建筑物邊界為基準向外輻射，利用基于距離的指數衰減公式對影響半徑內各個柵格的基礎平整度指數與基礎摩擦系數進行修正，生成物理環境關聯劣化梯度；
40、路徑重構模塊，用于讀取物流機器人當前總質量數據以及系統下發的指令行駛速度，結合目標擴展柵格內更新的修正摩擦系數計算物流機器人維持不發生側向滑移的最大安全曲率限值，將最大安全曲率限值作為條件參數引入啟發式路徑搜索算法的代價函數中，截斷曲率超出最大安全曲率限值的搜索分支，生成局部繞行路徑；
41、多機調度模塊，用于在物流機器人沿局部繞行路徑完成行駛后，將局部繞行路徑的坐標數據及自身車輛物理參數上報至云端服務器，云端服務器接收數據并生成局部繞行模板，當其余物流機器人請求接近關聯區域時獲取請求車輛的當前軸距與當前整車總質量計算安全松弛度，并依據安全松弛度的代數判定結果執行下發局部繞行模板或拒絕下發的調度指令。
42、本發明提供了一種基于避障的建筑用物流機器人搬運路徑優化方法及系統。具備以下有益效果：
43、1、本發明通過將未知障礙物點云幾何包圍盒與相鄰施工周期的構件數據進行跨階段重新匹配，能夠準確識別出因實際施工進度超前而產生的提前完工建筑物，因此可解決常規避障算法因現場實際進度與理論模型進度不一致，從而將固定建筑實體誤判為臨時障礙物并引發原地死鎖的問題，減少了機器人在未知障礙物前的無效等待和頻繁規劃動作，提高系統在動態施工環境下的路徑尋優穩定性。
44、2、本發明通過提取建筑物的施工工藝屬性生成基于距離的物理環境劣化梯度，并結合機器人當前總質量與期望速度推導出最大安全曲率限值，以此可將地表摩擦力下降等實際物理狀態轉化為尋路算法中的曲率截斷條件，使得生成的繞行軌跡能夠主動避開具有側滑風險的區域，有效防止了重載物流機器人在經過施工污染路面時發生側向滑移或失控傾覆，保障了底盤控制的物理安全性。
45、3、本發明通過構建基于異構車輛參數的安全松弛度評估與多機調度機制，云端服務器利用基準機器人與請求機器人的整車總質量和車輛軸距差異來判定動力學安全余量，因此可確保每一臺異構機器人在滿足防側翻要求的前提下，允許后續安全松弛度合格的車輛直接復用已驗證的局部繞行模板，避免大量重復的環境感知與路徑搜索解算，降低機器人集群的整體算力消耗，提升了多智能體在復雜施工區域的通行效率。