[发明专利]一种基于SVM与A-Star算法的高效导购机器人的设计方法

权利要求书

1.基于SVM与A-Star算法的高效导购机器人的设计方法，具体步骤如下，其特征在于,

步骤1：导购机器人监测是否有顾客来临，当有顾客来临时，语音播报对顾客欢迎，并提醒顾客输入购买意向；

所述步骤1中导购机器人，包括摄像头传感器、显示器、陀螺仪传感器、语音播放模块、录音模块、按键模块、人体红外检测模块和超声波传感器；

步骤2：把顾客购买意向的目的地通过WIFI模块发送到服务器；

步骤3：服务器读取顾客到达目的地的各条路径的视频图像信息；

步骤4：服务器提取视频图像前景特征，并使用SVM算法统计路径上人群密度；

所述步骤4中提取前景特征点运动向量和判定是否是前景特征点的公式分别为：

其中，P_i(x_i,y_i)是第i帧图像的特征点的位置，α,β为阈值；

所述步骤4中SVM算法分类公式为：

y_i[(w·x)+b]-1+ξ_i≥0,i＝1,2...,N    (3)

其中，N为样本个数，x为输入特征值，b为偏置，w是权重向量，ξ_i是松弛变量；

所述步骤4中SVM算法选用核函数为：

其中，σ²为高斯函数的方差；

步骤5：服务器根据人群密度与行人速度的数学模型计算出路径的速度函数v，并把速度数据发送给导购机器人；

所述步骤5中人群密度与行人速度的数学模型公式为：

v＝-0.0057D⁴+0.074D³-0.2745D²-0.0142D+1.567    (5)

其中，D表示人群密度；

步骤6：导购机器人接收到路径速度函数后，对速度函数量化，并更新A-Star评估函数；

所述步骤6中行人速度的量化公式为：

其中，V^*＝0时，此区域可视为障碍物；

所述步骤6中A-Star的评估函数为：

其中，g(n)是起点到终点的最佳路径值，h(n)起点到终点的最佳路径的启发值；

步骤7：导购机器人使用改进的A-Star算法搜寻最优路径；

步骤8：导购机器人开始导购。