一种医用物资配送方法及系统

1.本发明涉及物资配送领域，特别是涉及一种医用物资配送方法及系统。


背景技术：

2.随着民众对医疗卫生需求的大幅增加，大部分地区存在医疗服务资源分布不均、医护场所人力不足的现象，亟需大力引入配送机器人缓解医护场所医疗服务资源紧张的问题，解决医护场所配送业务量快速攀升和人力成本持续走高的突出矛盾。但医院环境具有复杂性、动态性、人流量大等特点，这就对医用配送机器人的安全性能、配送效率提出了重大挑战。当前应用到医院场景的配送机器人占比不高，且为了保证配送安全，均以恒定速度进行配送，即只有一种配送模式，配速一般不高于0.5m/s，这种模式会极大影响配送效率，难以发挥配送机器人的价值，更无法达到高要求医用配送机器人水平。


技术实现要素：

3.本发明的目的是提供一种医用物资配送方法及系统，可提高医用物资的配送效率及安全性。
4.为实现上述目的，本发明提供了如下方案：
5.一种医用物资配送方法，包括：
6.获取医院内部地形、配送任务指令、配送任务指令的下发时间及配送机器人的当前位置；所述配送任务指令包括配送起点及配送终点；
7.根据所述医院内部地形、所述配送任务指令及所述配送机器人的当前位置进行路径规划，得到规划路径；
8.根据所述配送任务指令、所述配送任务指令的下发时间及所述配送机器人的当前位置，基于速度适应模型，确定初始配送速度；所述速度适应模型为预先采用训练样本集对bert模型进行训练得到的；所述训练样本集中的训练样本包括历史配送任务指令、历史配送任务指令的下发时间、配送机器人的历史位置、历史配送任务指令的下发时间对应医院内的人流量及历史速度；
9.根据所述初始配送速度，控制所述配送机器人沿所述规划路径运行；
10.判断所述配送机器人是否到达配送终点，若到达配送终点，则配送完成，若未到达配送终点，则采集所述配送机器人的前方图像；
11.根据所述配送机器人的前方图像，确定所述配送机器人与障碍物间的距离；
12.根据所述配送机器人与障碍物间的距离，调整所述配送机器人的运行速度。
13.可选地，所述配送机器人上设置有上机位摄像头及下机位摄像头；所述配送机器人的前方图像包括非规划路径图像及规划路径图像；
14.采集所述配送机器人的前方图像，具体包括：
15.通过上机位摄像头采集非规划路径图像；
16.通过下机位摄像头采集规划路径图像。
17.可选地，所述障碍物包括规划路径上的障碍物及非规划路径上的移动障碍物；
18.根据所述配送机器人的前方图像，确定所述配送机器人与障碍物间的距离，具体包括：
19.获取所述上机位摄像头的像素高度、所述上机位摄像头的焦距、所述下机位摄像头的像素高度及所述下机位摄像头的焦距；
20.根据所述规划路径图像、所述下机位摄像头的像素高度及所述下机位摄像头的焦距，采用实例分割算法，确定所述配送机器人与所述规划路径上障碍物间的距离；
21.根据所述非规划路径图像、所述上机位摄像头的像素高度及所述上机位摄像头的焦距，采用实例分割算法，确定所述配送机器人与移动障碍物间的距离。
22.可选地，采用以下公式，确定所述配送机器人与所述规划路径上障碍物间的距离：
[0023][0024][0025]
其中，dd为所述配送机器人与所述规划路径上障碍物间的距离，fd为下机位摄像头的焦距，hd为障碍物的图像像素高度，hd为障碍物的实际高度，camerad为下机位摄像头的像素高度。
[0026]
可选地，采用以下公式，确定所述配送机器人与所述非规划路径上移动障碍物间的距离：
[0027][0028][0029]
其中，du为所述配送机器人与所述非规划路径上移动障碍物间的距离，fu为上机位摄像头的焦距，hu为移动障碍物的图像像素高度，hu为移动障碍物的实际高度，camerau为上机位摄像头的像素高度。
[0030]
可选地，根据所述配送机器人与障碍物间的距离，调整所述配送机器人的运行速度，具体包括：
[0031]
判断所述配送机器人与所述规划路径上障碍物间的距离是否小于第一设定阈值，若是，则降低所述配送机器人的运行速度，否则，提高所述配送机器人的运行速度；
[0032]
判断所述配送机器人与移动障碍物间的距离是否小于第二设定阈值，若是，则降低所述配送机器人的运行速度，否则，提高所述配送机器人的运行速度。
[0033]
为实现上述目的，本发明还提供了如下方案：
[0034]
一种医用物资配送系统，包括：
[0035]
数据获取模块，用于获取医院内部地形、配送任务指令、配送任务指令的下发时间及配送机器人的当前位置；所述配送任务指令包括配送起点及配送终点；
[0036]
路径规划模块，与所述数据获取模块连接，用于根据所述医院内部地形、所述配送任务指令及所述配送机器人的当前位置进行路径规划，得到规划路径；
[0037]
初始速度确定模块，与所述数据获取模块连接，用于根据所述配送任务指令、所述配送任务指令的下发时间及所述配送机器人的当前位置，基于速度适应模型，确定初始配送速度；所述速度适应模型为预先采用训练样本集对bert模型进行训练得到的；所述训练样本集中的训练样本包括历史配送任务指令、历史配送任务指令的下发时间、配送机器人的历史位置、历史配送任务指令的下发时间对应医院内的人流量及历史速度；
[0038]
第一控制模块，分别与所述路径规划模块及所述初始速度确定模块连接，用于根据所述初始配送速度，控制所述配送机器人沿所述规划路径运行；
[0039]
图像采集模块，用于判断所述配送机器人是否到达配送终点，若到达配送终点，则配送完成，若未到达配送终点，则采集所述配送机器人的前方图像；
[0040]
距离确定模块，与所述图像采集模块连接，用于根据所述配送机器人的前方图像，确定所述配送机器人与障碍物间的距离；
[0041]
第二控制模块，与所述距离确定模块连接，用于根据所述配送机器人与障碍物间的距离，调整所述配送机器人的运行速度。
[0042]
可选地，所述配送机器人的前方图像包括非规划路径图像及规划路径图像；
[0043]
所述图像采集模块包括：
[0044]
上机位摄像头，设置在所述配送机器人上，用于采集非规划路径图像；
[0045]
下机位摄像头，设置在所述配送机器人上，且位于所述上机位摄像头的下方，用于采集规划路径图像。
[0046]
可选地，所述图像采集模块以s/次的频率采集所述配送机器人的前方图像，v为配送机器人的运行速度。
[0047]
根据本发明提供的具体实施例，本发明公开了以下技术效果：
[0048]
本发明将配送任务指令的下发时间及配送机器人的当前位置输入速度适应模型，确定对应场景下配送机器人的初始配送速度，能够自适应确定配送机器人的初始运行速度。配送机器人运行的过程中，通过前方图像判断配送机器人与障碍物间的距离，进一步自适应调整配送机器人的运行速度，极大降低配送机器人与障碍物发生碰撞的几率，本发明提高了医用物资的配送效率及安全性。
附图说明
[0049]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0050]
图1为本发明提供的医用物资配送方法的整体流程图；
[0051]
图2为本发明提供的医用物资配送方法的详细流程图；
[0052]
图3为本发明提供的医用物资配送系统的示意图。
[0053]
符号说明：
[0054]
1-数据获取模块，2-路径规划模块，3-初始速度确定模块，4-第一控制模块，5-图像采集模块，6-距离确定模块，7-第二控制模块。
具体实施方式
[0055]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0056]
本发明的目的是提供一种医用物资配送方法及系统，根据不同场景(如不同时刻不同楼层不同人流量)利用人工智能算法个性化调整配送机器人的配送速度。
[0057]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
[0058]
实施例一
[0059]
如图1和图2所示，本实施例提供了一种医用物资配送方法，包括：
[0060]
步骤100：获取医院内部地形、配送任务指令、配送任务指令的下发时间及配送机器人的当前位置。所述配送任务指令包括配送起点及配送终点。
[0061]
具体地，用户通过智能终端(电脑终端或移动终端)进行配送任务指令的下发和远程监控。
[0062]
步骤200：根据所述医院内部地形、所述配送任务指令及所述配送机器人的当前位置进行路径规划，得到规划路径。规划路径为基于历史配送数据，通过路径规划、人工智能等技术，根据配送任务指令规划出的一条最短路径或最优路径。非规划路径为规划路径外的其他路径。
[0063]
步骤300：根据所述配送任务指令、所述配送任务指令的下发时间及所述配送机器人的当前位置，基于速度适应模型，确定初始配送速度。具体地，根据配送任务指令的下发时间及配送机器人的当前位置，通过速度适应模型匹配动态场景适应中的具体场景，完成配送速度初始化，开启动态配送。
[0064]
所述速度适应模型为预先采用训练样本集对bert模型进行训练得到的。所述训练样本集中的训练样本包括历史配送任务指令、历史配送任务指令的下发时间、配送机器人的历史位置、历史配送任务指令的下发时间对应医院内的人流量及历史速度。
[0065]
具体地，bert模型的训练过程中，首先运行配送机器人，采集一个月内某医院内部地形、配送任务起点、配送任务终点、全天各时刻的人流量、配送机器人的位置、配送速度等配送数据。然后将采集到的配送数据整理成文本型数据库，对每次的配送场景进行文本描述，样本标签根据配送机器人平均配送速度分为五类，包括快速(2m/s)、较快(1.5m/s)、正常(1m/s)、较慢(0.5m/s)和慢速(《0.5m/s)。再将预处理后的配送数据库输入bert模型，首先对每个训练样本的场景描述文本进行编码，并通过padding对齐训练样本的特征维度。利用编码后的特征进行bert模型训练，通过训练循环对bert模型进行微调，跟踪准确率，保存准确率较高的bert模型，作为速度适应模型。
[0066]
本发明中，将配送数据整理成文本型数据库，并通过bert模型提取出数据特征，通过训练完成不同时刻不同楼层的个性化配送速度。如9时，二楼人流量较多，配送机器人的默认速度为0.5m/s；10时，二楼人流量极多，配送机器人的默认速度为《0.5m/s；9时，四楼人流量正常，配送机器人的默认速度为1m/s；13时，四楼人流量较少，配送机器人的默认速度为1.5m/s；20时，四楼人流量极少，配送机器人的默认速度为2m/s。
[0067]
在实际应用时，采集配送任务指令的下发时间及配送机器人的当前位置，数据类型为文本型数据。将配送任务指令的下发时间及配送机器人的当前位置输入速度适应模型，对新场景描述文本进行速度标签预测，以此实现不同场景下配送机器人速度动态初始化。如输入数据为10时，二楼，则此场景下配送机器人的初始化速度为《0.5m/s。实现了不同场景下的自适应配送速度。
[0068]
步骤400：根据所述初始配送速度，控制所述配送机器人沿所述规划路径运行。
[0069]
步骤500：判断所述配送机器人是否到达配送终点，若到达配送终点，则配送完成，若未到达配送终点，则采集所述配送机器人的前方图像。
[0070]
具体地，所述配送机器人上设置有上机位摄像头及下机位摄像头。所述配送机器人的前方图像包括非规划路径图像及规划路径图像。通过上机位摄像头采集非规划路径图像。通过下机位摄像头采集规划路径图像。
[0071]
配送机器人的壳体高1m，宽70cm，上机位摄像头部署在配送机器人0.85m高度位置，可视角度为95
°
，下机位摄像头部署在配送机器人0.15m高度位置，可视角度为20
°
。
[0072]
本发明利用上机位摄像头和下机位摄像头不同拍摄范围特性，通过下机位摄像头利用实例分割算法实时计算配送机器人到规划路径正前方障碍物的距离，通过上机位摄像头利用实例分割算法实时计算机器人到非规划路径移动障碍物的距离，实现动态控速。
[0073]
步骤600：根据所述配送机器人的前方图像，确定所述配送机器人与障碍物间的距离。具体地，所述障碍物包括规划路径上的障碍物及非规划路径上的移动障碍物。步骤600包括：
[0074]
获取所述上机位摄像头的像素高度、所述上机位摄像头的焦距、所述下机位摄像头的像素高度及所述下机位摄像头的焦距。
[0075]
根据所述规划路径图像、所述下机位摄像头的像素高度及所述下机位摄像头的焦距，采用实例分割算法，确定所述配送机器人与所述规划路径上固定障碍物间的距离：
[0076][0077][0078]
其中，dd为所述配送机器人与所述规划路径上障碍物间的距离，fd为下机位摄像头的焦距，hd为障碍物的图像像素高度，hd为障碍物的实际高度，camerad为下机位摄像头的像素高度。
[0079]
根据所述非规划路径图像、所述上机位摄像头的像素高度、所述上机位摄像头的焦距，采用实例分割算法，确定所述配送机器人与移动障碍物间的距离：
[0080][0081][0082]
其中，du为所述配送机器人与所述非规划路径上移动障碍物间的距离，fu为上机位摄像头的焦距，hu为移动障碍物的图像像素高度，hu为移动障碍物的实际高度，camerau为上
机位摄像头的像素高度。
[0083]
其中，实例分割算法计算距离过程为：
[0084]
(1)图像缩放：实际拍摄的图像像素较高，将出现算法计算量大、运行时间长的不良效果，因此，进行实例分割前对图像(规划路径图像和非规划路径图像)进行等比缩放，将读取的图像等比缩放为原始图像的1/20。
[0085]
(2)实例分割：使用第三方库pixellib实现实例分割，加载maskr-cnn算法框架在ms coco数据库训练的模型“mask_rcnn_coco.h5”，对等比缩放后的图像进行实例分割。
[0086]
(3)读取实例像素大小：获取返回实例，并读取实例像素大小，记像素宽为w，高为h。
[0087]
(4)计算距离：根据公式即可知配送机器人与障碍物间的距离为：其中，d为配送机器人与障碍物间的距离，h为图像中障碍物的像素高度，f为摄像头的焦距，h为障碍物的实际高度，camera为摄像头的像素高度。
[0088]
本发明通过上机位摄像头与下机位摄像头协同作用，实现精准化动态控速，能够安全且高效地完成配送任务。
[0089]
步骤700：根据所述配送机器人与障碍物间的距离，调整所述配送机器人的运行速度。
[0090]
具体地，在配送机器人在配送医用物资的过程中，首先通过机器人定位功能判断是否到达配送终点，若到达，则配送成功；若未到达，则下机位摄像头以s/次的频率拍摄规划路径图像，利用实例分割算法检测规划路径上的障碍物，计算配送机器人与前方障碍物间的实时距离，若实时距离小于第一设定阈值(15m)，则在原配送速度的基础上降低一档(如速度从1m/s降低到0.5m/s)，若实时距离大于第一设定阈值(15m)，则在原配送速度基础上提高一档(如速度从1m/s提高到1.5m/s)，再次判断是否到达配送终点，若未到达，则继续通过下机位摄像头拍摄规划路径图像，计算与障碍物间的实时距离，以此实现精准化动态控速，并不断循环直至到达配送终点。
[0091]
除规划路径存在障碍物外，同时还存在非规划路径移动障碍物相向而来的情况，因此在未到达配送终点的状况下，同时通过上机位摄像头以s/次的频率拍摄非规划路径图像，利用实例分割算法检测非规划路线上的障碍物(包括固体障碍物和移动障碍物)，并识别出移动障碍物(如人、医用推车)，计算配送机器人与移动障碍物间的实时距离，若实时距离小于第二设定阈值(5m)，则在原配送速度基础上降低一档(如速度从1m/s降低到0.5m/s)，若实时距离大于第二设定阈值(5m)，则在原配送速度基础上提高一档(如速度从1m/s提高到1.5m/s)，再次判断是否到达配送终点，若未到达，则继续通过上机位摄像头拍摄非规划路径图像，计算与移动障碍物间的实时距离，以此实现精准化动态控速，并不断循环直至到达配送终点。
[0092]
为了进一步提高配送机器人速度控制的精度，所述医用物资配送方法还包括：配送任务结束后，配送机器人向智能终端发送配送完成消息，并将此次配送任务过程中产生的环境数据、时间数据、位置数据、人流量数据及速度数据传入智能终端，对步骤300中的速度适应模型及步骤600中的实例分割算法进行增量学习，即在已有知识的基础上不断学习新的变化数据，适应新场景，打造安全性更高、控速更精准、环境适应力更健壮的配送机器人。
[0093]
本发明基于一段时间内采集的某医院内部地形、配送任务起点、配送任务终点、全天人流量与对应时间、配送位置及速度等配送数据，利用bert模型算法预训练配送数据，实现了配送机器人在不同场景下的自适应配送速度，使得配送机器人能够在人流量多的白天以较慢的速度开始进行物资配送，也能够在人流量极少的夜间以较快的速度开始配送，而不是均以一种恒定的较慢速实施配送，能够提高配送效率。
[0094]
同时，通过实例分割算法检测障碍物并计算配送机器人与障碍物间的距离，实现双摄动态控速，最后使用增量学习方式不断提高方法的准确性。本发明促使医院物资配送模式由传统人工配送向人工智能配送机器人配送升级，通过动态控速在保障配送安全性能的同时，高效率完成配送任务，降低人力和时间成本，为医院带来较大的经济效益。
[0095]
实施例二
[0096]
为了执行上述实施例一对应的方法，以实现相应的功能和技术效果，下面提供一种医用物资配送系统。
[0097]
如图3所示，本实施例提供的医用物资配送系统包括：数据获取模块1、路径规划模块2、初始速度确定模块3、第一控制模块4、图像采集模块5、距离确定模块6及第二控制模块7。
[0098]
数据获取模块1用于获取医院内部地形、配送任务指令、配送任务指令的下发时间及配送机器人的当前位置。所述配送任务指令包括配送起点及配送终点。
[0099]
路径规划模块2与所述数据获取模块1连接，路径规划模块2用于根据所述医院内部地形、所述配送任务指令及所述配送机器人的当前位置进行路径规划，得到规划路径。
[0100]
初始速度确定模块3与所述数据获取模块1连接，初始速度确定模块3用于根据所述配送任务指令、所述配送任务指令的下发时间及所述配送机器人的当前位置，基于速度适应模型，确定初始配送速度。
[0101]
所述速度适应模型为预先采用训练样本集对bert模型进行训练得到的。所述训练样本集中的训练样本包括历史配送任务指令、历史配送任务指令的下发时间、配送机器人的历史位置、历史配送任务指令的下发时间对应医院内的人流量及历史速度。
[0102]
第一控制模块4分别与所述路径规划模块2及所述初始速度确定模3块连接，第一控制模块4用于根据所述初始配送速度，控制所述配送机器人沿所述规划路径运行。
[0103]
图像采集模块5用于判断所述配送机器人是否到达配送终点，若到达配送终点，则配送完成，若未到达配送终点，则采集所述配送机器人的前方图像。
[0104]
距离确定模块6与所述图像采集模块5连接，距离确定模块6用于根据所述配送机器人的前方图像，确定所述配送机器人与障碍物间的距离。
[0105]
第二控制模块7与所述距离确定模块6连接，第二控制模块7用于根据所述配送机器人与障碍物间的距离，调整所述配送机器人的运行速度。
[0106]
本发明全方面考虑规划路径与非规划路径的障碍物，通过上机位摄像头和下机位摄像头协同作用，利用实例分割算法计算配送机器人与障碍物的距离，若小于设定阈值，则进行动态控速，即根据不同场景进行精准控制配送速度，安全且高效的完成配送任务。
[0107]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
[0108]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

技术特征：
1.一种医用物资配送方法，其特征在于，所述医用物资配送方法包括：获取医院内部地形、配送任务指令、配送任务指令的下发时间及配送机器人的当前位置；所述配送任务指令包括配送起点及配送终点；根据所述医院内部地形、所述配送任务指令及所述配送机器人的当前位置进行路径规划，得到规划路径；根据所述配送任务指令、所述配送任务指令的下发时间及所述配送机器人的当前位置，基于速度适应模型，确定初始配送速度；所述速度适应模型为预先采用训练样本集对bert模型进行训练得到的；所述训练样本集中的训练样本包括历史配送任务指令、历史配送任务指令的下发时间、配送机器人的历史位置、历史配送任务指令的下发时间对应医院内的人流量及历史速度；根据所述初始配送速度，控制所述配送机器人沿所述规划路径运行；判断所述配送机器人是否到达配送终点，若到达配送终点，则配送完成，若未到达配送终点，则采集所述配送机器人的前方图像；根据所述配送机器人的前方图像，确定所述配送机器人与障碍物间的距离；根据所述配送机器人与障碍物间的距离，调整所述配送机器人的运行速度。2.根据权利要求1所述的医用物资配送方法，其特征在于，所述配送机器人上设置有上机位摄像头及下机位摄像头；所述配送机器人的前方图像包括非规划路径图像及规划路径图像；采集所述配送机器人的前方图像，具体包括：通过上机位摄像头采集非规划路径图像；通过下机位摄像头采集规划路径图像。3.根据权利要求2所述的医用物资配送方法，其特征在于，所述障碍物包括规划路径上的障碍物及非规划路径上的移动障碍物；根据所述配送机器人的前方图像，确定所述配送机器人与障碍物间的距离，具体包括：获取所述上机位摄像头的像素高度、所述上机位摄像头的焦距、所述下机位摄像头的像素高度及所述下机位摄像头的焦距；根据所述规划路径图像、所述下机位摄像头的像素高度及所述下机位摄像头的焦距，采用实例分割算法，确定所述配送机器人与所述规划路径上障碍物间的距离；根据所述非规划路径图像、所述上机位摄像头的像素高度及所述上机位摄像头的焦距，采用实例分割算法，确定所述配送机器人与移动障碍物间的距离。4.根据权利要求3所述的医用物资配送方法，其特征在于，采用以下公式，确定所述配送机器人与所述规划路径上障碍物间的距离：送机器人与所述规划路径上障碍物间的距离：其中，d
d
为所述配送机器人与所述规划路径上障碍物间的距离，f
d
为下机位摄像头的焦距，h
d
为障碍物的图像像素高度，h
d
为障碍物的实际高度，camera
d
为下机位摄像头的像素高
度。5.根据权利要求3所述的医用物资配送方法，其特征在于，采用以下公式，确定所述配送机器人与所述非规划路径上移动障碍物间的距离：送机器人与所述非规划路径上移动障碍物间的距离：其中，d
u
为所述配送机器人与所述非规划路径上移动障碍物间的距离，f
u
为上机位摄像头的焦距，h
u
为移动障碍物的图像像素高度，h
u
为移动障碍物的实际高度，camera
u
为上机位摄像头的像素高度。6.根据权利要求3所述的医用物资配送方法，其特征在于，根据所述配送机器人与障碍物间的距离，调整所述配送机器人的运行速度，具体包括：判断所述配送机器人与所述规划路径上障碍物间的距离是否小于第一设定阈值，若是，则降低所述配送机器人的运行速度，否则，提高所述配送机器人的运行速度；判断所述配送机器人与移动障碍物间的距离是否小于第二设定阈值，若是，则降低所述配送机器人的运行速度，否则，提高所述配送机器人的运行速度。7.一种医用物资配送系统，其特征在于，所述医用物资配送系统包括：数据获取模块，用于获取医院内部地形、配送任务指令、配送任务指令的下发时间及配送机器人的当前位置；所述配送任务指令包括配送起点及配送终点；路径规划模块，与所述数据获取模块连接，用于根据所述医院内部地形、所述配送任务指令及所述配送机器人的当前位置进行路径规划，得到规划路径；初始速度确定模块，与所述数据获取模块连接，用于根据所述配送任务指令、所述配送任务指令的下发时间及所述配送机器人的当前位置，基于速度适应模型，确定初始配送速度；所述速度适应模型为预先采用训练样本集对bert模型进行训练得到的；所述训练样本集中的训练样本包括历史配送任务指令、历史配送任务指令的下发时间、配送机器人的历史位置、历史配送任务指令的下发时间对应医院内的人流量及历史速度；第一控制模块，分别与所述路径规划模块及所述初始速度确定模块连接，用于根据所述初始配送速度，控制所述配送机器人沿所述规划路径运行；图像采集模块，用于判断所述配送机器人是否到达配送终点，若到达配送终点，则配送完成，若未到达配送终点，则采集所述配送机器人的前方图像；距离确定模块，与所述图像采集模块连接，用于根据所述配送机器人的前方图像，确定所述配送机器人与障碍物间的距离；第二控制模块，与所述距离确定模块连接，用于根据所述配送机器人与障碍物间的距离，调整所述配送机器人的运行速度。8.根据权利要求7所述的医用物资配送系统，其特征在于，所述配送机器人的前方图像包括非规划路径图像及规划路径图像；所述图像采集模块包括：上机位摄像头，设置在所述配送机器人上，用于采集非规划路径图像；下机位摄像头，设置在所述配送机器人上，且位于所述上机位摄像头的下方，用于采集
规划路径图像。9.根据权利要求7所述的医用物资配送系统，其特征在于，所述图像采集模块以次的频率采集所述配送机器人的前方图像，v为配送机器人的运行速度。

技术总结
本发明提供了一种医用物资配送方法及系统，属于物资配送领域，方法包括：获取医院内部地形、配送任务指令、配送任务指令的下发时间及配送机器人的当前位置；根据医院内部地形、配送任务指令及配送机器人的当前位置进行路径规划，得到规划路径；根据配送任务指令、配送任务指令的下发时间及配送机器人的当前位置，基于速度适应模型，确定初始配送速度；根据初始配送速度控制配送机器人沿规划路径运行；在配送机器人未到终点时采集配送机器人的前方图像；根据配送机器人的前方图像确定配送机器人与障碍物间的距离；根据配送机器人与障碍物间的距离调整配送机器人的运行速度。本发明能够自适应调整配送机器人的运行速度，提高了医用物资的配送效率。用物资的配送效率。用物资的配送效率。


技术研发人员：宋西成 张荣强 刘兴惠 李至立 张宇 李媛 王榆婷 孙铭 方玉洁 杨玉娟 安欣
受保护的技术使用者：烟台毓璜顶医院（青岛大学附属烟台毓璜顶医院）
技术研发日：2023.07.25
技术公布日：2023/9/9