[发明专利]基于路径规划的智能购物车自主导航与自动跟随方法

权利要求书

1.基于路径规划的智能购物车自主导航与自动跟随方法，其特征在于，包括如下步骤：

步骤1、建立中心服务器，搭建地图数据库，将购物商场路径以及各类商品位置数据存入地图数据库中，并定时更新；

步骤2、用户将购物清单导入购物车系统后，购物车系统记录下当前位置坐标，同时将各商品的标签码记录并调用地图数据库，通过地图数据库进行标签码与对应商品位置的匹配，从而得到需要到达的各个商品目的地坐标；

步骤3、中心服务器依据初始坐标以及目的坐标，通过路径最优算法，规划最优路径，实现自动导航；

步骤4、当确定下来行进路径后，即进入自动跟随状态。

2.根据权利要求1所述的基于路径规划的智能购物车自主导航与自动跟随方法，其特征在于，步骤3中，所述路径最优算法为A星启发式路径搜索算法。

3.根据权利要求2所述的基于路径规划的智能购物车自主导航与自动跟随方法，其特征在于，所述A星启发式路径搜索算法的公式为f(n)＝g(n)+h(n)，其中，f(n)是从初始状态经由状态n到目标状态的代价估计，g(n)是在状态空间中从初始状态到状态n的实际代价，h(n)是从状态n到目标状态的最佳路径的估计代价。

4.根据权利要求3所述的基于路径规划的智能购物车自主导航与自动跟随方法，其特征在于，所述A星启发式路径搜索算法的输入是起点和终点，起点即初始状态，终点即目标状态，以及两点间所有可能的路径，以及涉及到的中间节点，每两个节点间的路径的代价中间节点即中间状态；输出是从起点到终点的最优路径，即代价最小。

5.根据权利要求3或4所述的基于路径规划的智能购物车自主导航与自动跟随方法，其特征在于，所述A星启发式路径搜索算法包括如下步骤：

步骤301、把起点加入open list；

步骤302、重复如下过程：

a、遍历open list，查找f值最小的节点，把它作为当前要处理的节点；

b、把这个节点移到close list；

c、对当前节点的所有邻近节点，如果它是不可抵达的或者它在closelist中，忽略它；否则，做如下操作：

如果它不在open list中，把它加入open list，并且把当前方格设置为它的父节点，记录该方格的f，g和h值；

如果它已经在openlist中，检查这条路径，即经由当前节点到达临近节点那里的路径是否更好，用g值作参考，把它的父节点设置为当前方格，并重新计算它的g和f值，如果openlist是按f值排序的话，重新计算g值和f值后根据需要重新排序；

d、停止，当把终点加入到了open list中，此时路径已经找到了；查找终点失败，并且open list是空的，此时没有路径；

步骤303、保存路径，从终点开始，每个方格沿着父节点移动直至起点，这就是需要的最优路径。

6.根据权利要求1所述的基于路径规划的智能购物车自主导航与自动跟随方法，其特征在于，步骤4中，购物车需要在室内场景锁定顾客，顾客本身是一个运动目标，或者成为静态目标，需要同时实现静态与动态背景下的目标跟踪。

7.根据权利要求6所述的基于路径规划的智能购物车自主导航与自动跟随方法，其特征在于，当顾客静止不动时，购物车镜头所观察的视野也是静止的，此时采用背景差分法，即先对背景图像进行建模，然后从视频流中读取图像作为前景图像，将前景图像与背景图像做差，就可以得到进入视野的目标物体，也就实现了静态背景下对目标的锁定，这同样可以用于购物车自主跟随系统初始化时对顾客的锁定；

当顾客运动时，购物车镜头所观察的视野是动态的，这时采取以下算法：

以视频图像中运动物体的颜色信息作为特征，对输入图像的每一帧分别作迭代运算，并将上一帧的目标中心和搜索窗口大小作为下一帧迭代算法的中心和搜索窗口大小的初始值，如此迭代下去，实现对目标的跟踪。