具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

在本申请的描述中，需要说明的是，术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该申请产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。

在本申请的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。

下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的各个实施例及实施例中的各个特征可以相互组合。

实施例

请参阅图1，图1所示为本实施例提供的一种室外可移动货物搬运机器人的整体结构示意图。

本申请实施例提供一种室外可移动货物搬运机器人，包括控制系统、搬运本体、识别系统以及通信系统，控制系统、识别系统和通信系统彼此通信连接，控制系统、识别系统以及通信系统均设置于搬运本体；在实际使用中，通过控制系统、识别系统以及通信系统，实现搬运本体的智能性运送货。首先，在搬运本体上装好待搬运的货物，在控制系统中确定运送终点，利用识别系统识别到终点目标物，将终点的目标物与控制系统中的预先识别的目标物进行对比，从而确定目的地，由控制系统启动搬运本体，将搬运本体向终点目的地前进，从而实现将货物运送至目的地。

如图1所示，搬运本体包括搬运底座1，本实施例的搬运底座1为矩形体，当然在其他实施例中也可以是其他形状，这里只是为了举例说明。搬运底座1下方设置有移动组件2，移动组件2包括转动轴和转动轮，转动轴贯穿搬运底座1的下端，转动轴的两端均设置有转动轮，实现转动轮带动本发明的搬运本体前进，转动轴上还设置有传动齿轮(附图中未具体示意)，传动齿轮啮合连接有驱动电机(附图中未具体示意)，驱动电机与控制系统电性连接，由控制系统来对驱动电机的启停进行控制。当前序操作的准备工作就绪后，控制系统发出启动指令，从而打开驱动电机的开关，开启驱动电机，驱动电机转动，使得移动组件2转动，驱动整个搬运底座1前行，驱动电机设置于搬运底座1内，搬运底座1上方设置有搬运箱3；

在本实施例中，搬运箱3设置有储物柜9、电子显示屏10，电子显示屏10设置于搬运箱3前端的上沿，储物柜9上设置有电子锁。如图所示，储物柜9设置为多层结构，这里为两层，内部储物空间可以根据实际情况进行调整，在储物柜9上设置有电子锁，电子锁可以是指纹锁、密码锁或者扫码电子锁，根艺根据实际情况进行装配和使用。而通过设置电子显示屏10，该电子显示屏10可以实时显示行车路线，实现语音交互，以及人机感知信息等。而在实际使用中，电子显示屏10是和控制器电连接。为了实现更好人机交互体验，还配合设置有输入设备，该输入设备可以输入相关指令，包括但不限于，文字输入和语音输入。

需要说明的是，这里的搬运箱3只是举例出一种具体的结构，为了能够具体说明和解释，不是对搬运箱3的具体限制，在其他实施例中，搬运箱3也可以是其他的结构。

识别系统包括车载摄像头5以及64线激光雷达4，车载摄像头5用于采集图像信息，车载摄像头5设置于搬运箱3的前端，64线激光雷达4设置于搬运箱3的顶部，车载摄像头5以及64线激光雷达4均与控制系统电性连接，64线激光雷达4包括多个激光发射机和多个接收机，激光发射机发出激光束，接收机接收返回的激光束；车载摄像头5设置在搬运箱3的前端是为了获得更好的识别视野，避免阻挡，提高采集获取视野图像的效果。

在实际运用中，还可以增加设置深度相机，利用深度相机和车载摄像头5配合，从而获得更好采集图像信息。车载摄像头5是ADAS系统的主要视觉传感器，借由镜头采集图像后，有摄像头内的感光组件电路及控制组件对图像进行处理并转化为电脑能处理的数字信号，从而实现感知车辆周边的路况情况，实现前向碰撞预警，车道偏移报警和行人检测等ADAS功能。车载摄像头5的大致原理如下：1)图像处理，将图片转换为二维数据；2)模式识别，通过图像匹配进行识别，如车辆、行人、车道线、交通标志等；3)利用物体的运动模式，或双目定位，估算目标物体与本车的相对距离和相对速度。本实施例的车载摄像头5主要有镜头、转转器、同步信号发生器、驱动器和电源的电路构成。识别系统中还包括转换器，车载摄像头5与转换器电性连接，转换器与控制器电性连接。转换器包括图像传感器、预中放电路、AGC、A/D电路。

车载摄像头5工作实施原理：被摄物体反射光线，传播到镜头，经镜头聚焦到图像传感器上，图像传感器根据光的强弱积聚相应的电荷，经周期性放电，产生表示一幅幅画面的电信号，经过预中放电路放大、AGC自动增益控制，由于图像处理芯片处理的是数字信号，所以电信号经模数转换成数字信号到图像数字信号处理IC中。同步信号发生器主要产生同步时钟信号(由晶体振荡电路来完成)，即产生垂直和水平的扫描驱动信号，到图像处理IC。

这里深度相机的具体结构和型号，市面上有较多的各种型号，这里不做具体的型号限制。

64线激光雷达4是目前世界上体积小，单位能量密度高，采集数据丰富的激光雷达。64线激光雷达4集成了64束激光发射器和64个激光接收器。

激光雷达不是单纯的指发射激光的探测器就是激光雷达，工作在红外和可见光波段的，以激光为工作光束的雷达称为激光雷达。而激光雷达的工作原理是向目标发射探测信号(激光束),然后将接收到的从目标反射回来的信号(目标回波)与发射信号进行比较,作适当处理后,就可获得目标的有关信息,如目标距离、方位、高度、速度、姿态、甚至形状等参数，建立三维点云图，实现对周围环境的感知。

本实施例采用的是64线激光雷达4，具体型号为elodyne HDL-64E LiDAR；64线激光雷达4HDL-64E采用创新的激光阵列技术，相比较其它导航和绘图传感器，系统可达到+2°到-24.8°的垂直视场角。64线激光雷达4HDL-64E在水平360°视场角内持续旋转。它每秒可输出高达220万个测量点，测量范围可达120m。当然这里说明的是，在其他实施例中，64线激光雷达4也可以是其他型号的具体产品。

64线激光雷达4HDL-64E的参数：

具体工作参数；

激光线数：64线；

探测距离：100m；

测量精度：＜2cm；

垂直视场角：26.8°(+2°至-24.8°)；

水平视场角：360°；

垂直角分辨率：0.4°；

水平角分辨率：0.08°-0.35°；

视角更新率：5-20hz；

路面：50米探测距离(大约0.10的反射率)；

汽车和植物：120米探测距离(大约0.80的反射率)；

>2.2百万测量点/秒；

工作温度：-10°至65℃；

存储温度：-40°至85℃；

机械/电器/运转：

工作电压：12-32v(直流电)；

耗电量：60w(常规)

旋转速率：300rpm-1200rpm；

符合IP67等级防护标准；

探测内容：距离，坐标，角度，目标反射强度；

UDP输出：100Mbps以太网传输速率；

支持外接GPS；

360度的旋转。高15Hz的转动频率，每周4000个点的采集频率。

控制系统包含控制器、惯性测量单元，控制器为可编程控制器，控制器和外部终端通过通信系统进行通信连接，控制器与惯性测量单元彼此通信连接，惯性测量单元设置于搬运底座1内；需要说明的是，控制器可以编程的控制器，优选为工控机，而工控机包括多种类型，IPC(PC总线工业电脑)、PLC(可编程控制系统)、DCS(分散型控制系统)、FCS(现场总线系统)及CNC(数控系统)，在实际运用中，可根据实际情况进行选择，同样不做具体限制。

惯性测量单元(IMU)部分，为了更好提高其使用效果，本实施例设置于搬运箱3内部，具体设置于搬运本体1的质心处。上述惯性测量单元包括多个陀螺仪和加速度计，加速度计和陀螺仪安装在互相垂直的测量轴上，而惯性测量单元的工作原理是：至少包括使用一个或多个加速度感应器(加速度计)，探测当前的加速度速率；使用一个或多个偏航陀螺仪，检测在方向、翻滚角度和倾斜姿态上的变化。加速度计检测物体在载体坐标系统独立三轴的加速度信号,而陀螺仪检测载体相对于导航坐标系的角速度信号,测量物体在三维空间中的角速度和加速度,并以此解算出物体的姿态。在本实施例中陀螺仪和加速度计均采用的数量为3个。而在实际中，还可以增设GPS定位器，气压计以及磁力计，其中GPS定位器用于修正位置的长期漂移，气压计用于修正高度，磁力计用于修正姿态；本申请通过控制器、惯性测量单元配合识别系统可以实现搬运本体的行进路线的实时控制，无需另外在场地中设置路径辅助规划模块，还需要利用传统的感应器对路径辅助规划模块的相互感应，实现传统的机器人路径行走，从而节省一定程度上的使用成本，和前期的准备成本，提高机器人的搬运效率。

通信系统包括GNSS定位模块、无线接收器以及无线发射器，GNSS定位模块实时更新所述搬运本体的位置信息，无线接收器和无线发射器均与所述控制器通信连接，用于保持所述搬运本体与外部的通信连接。本实施例的无线接收器和无线发射器均为市面常见结构装置，在实际运用时，可以根据自身实际情况进行选用，这里不做具体的限制；在本实施例中，无线接收器和无线发射器均设置为两个，无线接收器和无线发射器在搬运本体上和外部的终端上均有设置，在其他实施例中也可以设置为其他数量(大于两个)。这里需要说明的是，为了增加传输效果，特别是在一些阻挡物较多的使用环境中，避免信号被阻挡的较多，导致传输信号较弱，在无线接收器和无线发射器传输路径中，增加设置有无线中继器，无线发射器发出的信号通过无线中继器的中转，再传输到无线接收器上，用于增加传输信号的稳定性，提高信号传输效果，保证本发明的控制器和外部的终端的信号和指令，能够传输稳定和可靠，进而确保本发明的控制稳定性。GNSS定位模块用于区域定位，利用地球轨道卫星大致定为车辆的一个位置。IMU对车辆进行局部定位，在区域里面锁定大概8一10米单位的目标。利用算法进行精准定位，可以让车保持再正负1mm这样的水平。

本实施例利用惯性测量单元(IMU)与GNSS定位模块实现本申请的精准定位，通过控制器和无线接收器以及无线发射器，实现位置信息的实时发送(发送给外部的终端，工作人员可以通过终端知晓本申请的位置)和自我感知，配合识别系统实现路径行走。

本发明还包括电源，电源为移动组件2、识别系统、通信系统控制器以及惯性测量单元进行供电，电源包括可重复充放电的蓄电池，搬运底座1上还配合电源设置有充电接口(附图未示意出)。电源为本发明进行供电，提供工作能源，蓄电池是可以多次重复使用的蓄电池，设置充电接口为了方便对蓄电池进行充电；在具体实施方式中，蓄电池还配合电性连接设置有电量显示表，而电量显示表用于实时显示蓄电池的剩余电量，在本实施例中，电量显示表设置在搬运底座1上，便于工作人员观察和实时了解本发明的剩余电量，提前做好相关准备。至于蓄电池的型号，这里不做具体的限制。

在本发明的实施例中，上述控制器应用有目标识别算法，用于搬运本体目标识别，目标识别算法包括以下步骤：

S1，通过识别系统多次获取区域目标物，将区域目标物形成区域模型；通过车载摄像头5和增加设置深度相机，当然，还可以增加热成像摄像头，将区域目标物进行图像信息采集，多次采集和集合后，利用64线激光雷达4的配合获得目标的有关信息,如目标距离、方位、高度、速度、姿态、甚至形状等参数，建立三维点云图，形成使用场景的区域模型。

S2，将所区域模型进行训练测试，最后形成深度学习模型；在这个过程中，需要利用到训练样本集和测试样本集，通过训练样本集对深度学习模型进行训练；通过测试样本集对深度学习模型进行测试，根据测试结果对深度学习模型进行修正，配合训练样本集的训练，得到训练和测试完成的深度学习模型

S3，深度学习模型图形化处理，形成区域图，并将所述区域图传送给控制器；经过将深度学习模型进行图像化处理后，形成区域图，区域图传输进入到控制器中，还可以通过无线接收器和无线发射器将区域图信息传输至外部的终端。

S4，在控制器的区域图中，选取特定目标点；工作人员选定特定目标点，即本发明的行进终点目的地，至于选定方法，可以通过外部终端进行选定，也可以提前设定，将设定信息提前置入到控制器中，设定方法可以是编程设定。

S5，通过识别系统获取当前待检测图像信息；利用识别系统中的车载摄像头5和增加设置的深度相机，对当前所处环境进行图像信息采集，形成待检测的图像信息。

S6，将待检测图像信息输入至预先训练好的深度学习模型中；此时深度学习模型已经测试和训练完毕，将整个环境以深度学习模型的形式进行存在，此时将待检测的图像信息输入至深度学习模型中，进行图像的对比。

S7，根据所深度学习模型从当前待检测图像信息中识别出追踪目标物；其中，追踪目标物与特定目标点相匹配；在本算法中，采用的是匹配度的方式判断识别出的初始目标物是否为追踪目标物，以提高目标识别的准确性，避免误判。

而匹配度设置有阈值来进行表示，详细地，在根据深度学习模型从当前待检测图像信息中识别出追踪目标物时，可以先根据深度学习模型从当前待检测图像信息中识别出初始目标物，然后获取初始目标物与特定目标点之间的匹配度，若匹配度大于预设阈值，则将初始目标物作为追踪目标物。若匹配度的值过小，则说明根据深度学习模型从当前待检测图像信息中识别出来的初始目标物与特定目标点之间的差距过大，不予采信，重新去识别新的目标，直到找到的追踪目标物与特定目标点的匹配度达到了预设的阈值，从而判定该追踪目标物即为S4中的特定目标点。而具体的阈值则是根据实际情况经过技术人员多次试验得出。

S8，采用追踪算法对追踪目标物在当前待检测图像的下一帧图像中的位置进行追踪。追踪算法可以是相关滤波法、均值漂移算法、运动目标建模法等。例如，可以采用相关滤波法中的KCF算法。而KCF算法则是比较成熟的滤波算法，这里不对其进行具体的限制和解释说明。

采用追踪算法对追踪目标物在当前待检测图像的下一帧图像中的位置进行追踪的步骤之后，还可以获取场景的地图信息以及机器人的预设追踪参数。然后根据地图信息、追踪目标物在当前待检测图像的下一帧图像中的位置以及预设追踪参数生成追踪指令，以控制机器人根据追踪指令对追踪目标物进行追踪。采用追踪算法在当前待检测图像的下一帧图像中对追踪目标物进行追踪后，还可以获取场景的地图信息以及预设追踪参数，以生成用于控制机器人进行行走追踪的追踪命令。

本申请的KCF算法，是以基于ROS下应用深度相机或者车载摄像头5的KCF追踪算法实现机器人的追踪动作。启动ROS环境后，打开深度相机的节点，并发出可播放深度图像和rgb图像的topic，查看ROS的topic列表中是否有车载摄像头5或者深度相机采集的图像和rgb图像的topic，然后进行编译，编译完成后启动追踪程序。追踪程序启动后，用户可以在图像窗口内通过输入设备框选所要跟踪的目标，并对速度进行规划。

这里需要说明的是，为了节省时间成本，S1-S4步骤中，可以提前进行操作，建立好模型，并进行测试和验证，训练等，形成深度学习模型。等到特定搬运时间，直接可进行S5-S8步骤，从而使得目标被识别追踪，令本申请带着货物可以朝着特定目标处行进。

在本申请中，在上述实现过程中，本申请的识别系统获取特定目标点以及当前待检测图像信息后，会通过深度学习模型准确的从待检测图像信息中识别出与特定目标点匹配的追踪目标物，再采用追踪算法对当前待检测图像的下一帧图像中的追踪目标物的位置进行追踪，以实现对目标物进行智能的识别以及追踪，再结合硬件系统中的控制系统从而实现本申请的机器人行走控制。

这里还需要强调的是，在本申请的目标识别算法中，S1-S7中，利用的激光SLAM算法系统(配合64线激光雷达4)来实现自主定位(配合本身自带设置的GNSS定位模块)、自动建图、路径规划等。激光SLAM算法的通过识别系统首先对输入图像进行预处理，生成实例级位姿分割和密集光流。然后，对预处理后的图像跟踪静态背景结构和动态位姿的特征。接着在全局批量优化中细化根据特征轨迹估计得到的相机位姿和目标运动，并根据每一帧更新局部地图。该系统能够输出相机位姿，静态结构，动态目标位姿的轨迹，并可以估计其随时间的位姿变化情况。整个系统概述由图像预处理、跟踪和建图三个主要部分组成。

系统的输入是双目图像或RGB-D图像。对于双目图像，首先采用双目深度估计方法(该方法于2014年已经被提出，这里不做赘述)提取深度信息，生成深度地图，所得数据被处理为RGB-D形式。

预处理主要是两个方面，一是将静态背景与(动态)目标实现鲁棒地分离，二是保证对于动态目标的长期跟踪。为了实现这一目标，我们利用了计算机视觉的最新技术，例如水平语义分割和密集光流估计，以确保高效的目标运动分割和鲁棒的目标跟踪要求。

利用密集光流可以最大化跟踪运动目标上点的数量。大多数运动目标只占图像的一小部分。因此，使用稀疏特征匹配不能保证鲁棒性和长期的特征跟踪。我们的方法利用了密集光流，通过对语义mask内的所有点进行采样来显著增加(对于运动)目标(提取出的)点的数量。密集光流还可以通过分配给目标mask每个点的唯一标识符来持续地跟踪多个位姿。在语义分割失败的情况下，可以恢复目标mask。

光流估计就是当给定两帧图像时，下一帧图像和上一帧图像中每一个点有什么不同，而且不同点移动到了什么位置。实现找出人眼所能看到的东西。这个过程是Lucas-Kanade发现的，简称L-K。

但是L-K有三个前提假设条件：

亮度恒定：一个像素点随着时间的变化，其亮度值(像素灰度值)是恒定不变的。这是光流法的基本设定。所有光流法都必须满足。(也就是说，一个物体当前的像素灰度值是恒定的，不改变的，光照不改变的情况下来进行)

小运动：时间的变化不会引起位置的剧烈变化。这样才能利用相邻帧之间的位置变化引起的灰度值变化，去求取灰度对位置的偏导数。所有光流法必须满足。

空间一致：即前一帧中相邻像素点在后一帧中也是相邻的。这是LK光流法独有的假定。因为为了求取x,y方向的速度，需要建立多个方程联立求解。而空间一致假设就可以利用邻域n个像素点来建立n个方程。

L-K光流估计方法的基本原理：

在亮度恒定，位移变化小，空间一致的相邻两帧图像中，找出位移后的像素值，主要是通过当前位置亮度在x和y方向，以及在相邻两帧中的灰度变化值来估计x和y变化了多少y，主要的方法是将图像进行缩小，只有缩小到足够小，才可以用泰勒展开，对缩小后的图片第一次LK得到位移值，然后按照一定的倍数放大当前采集到的位移值，再进行LK，重复此操作，直到达到原图的像素值时停止分层，得到最终的位移像素。

并且，通过建好的地图(区域图)，在地图上标记好特定目标点，设置好路径(根据追踪算法)，行走时间，作业时间(均设置与控制器中，以程序形式)，可以实现机器人定点搬运货物。特定目标点可以设置多个，从而实现多点搬运。

在本实施例中，搬运底座1的前端设置有避障装置6，避障装置6包括超声波传感器和单线避障激光雷达，超声波传感器和单线避障激光雷达均是对搬运本体前方的障碍物进行实时探测和反馈，监测出与障碍物的距离，超声波传感器由压电晶片组成，既可以发射超声波，也可以接收超声波。因此超声波传感器向外面某一个方向发射出超声波信号，在发射超声波时刻的同时开始进行计时，超声波通过空气进行传播，传播途中遇到障碍物就会立即返射传播回来，超声波传感器在收到反射波的时刻就立即停止计时。在空气中超声波的传播速度是340m/s，计时器通过记录时间t，就可以测算出从发射点到障碍物之间的距离长度(s)，即：s＝340t/2。在本实施例中，单线避障激光雷达主要是对车体前方障碍物进行探测，对环境实时感知，并完成建立图像工作，超声波传感器和单线避障激光雷达两者配合形成避障系统，且与控制器电连接，实现对行走组件的控制。

在本发明的一些实施例中，上述搬运箱3的前端还设置有自动大灯组件7，自动大灯组件7包括彼此电连接的大灯、光敏传感器以及电开关，电开关用于启停大灯，光敏传感器以及大灯均与电源电性连接，电开关和光敏传感器还与控制器通信连接。自动大灯组件7的设置，是为了本申请在室外光线条件不好的情况下特别适用，避免识别系统出现无法采集图像的情况，从而避免导致本申请出现停滞。自动大灯的原理，是通过光敏传感器进行环境中的光线强度进行感应，并将实时光线强度以数据形式传输给控制器，当控制器接收到环境中光线度数据下降到了一定值后，会发出开启信号，开启电开关，从而打开大灯，同理，也可以关闭大灯，从而实现大灯的自动感应；这里强调的是，控制器会发出两种信号(例如1和0信号)，控制器通过设置预设值，当光照强度下降到低于预设值，发出第一种信号，对电开关实现开启，当光照强度上升到该预设值后，发出第二种信号，从而令电开关实现关闭，至于第一种信号和发出第二种信号具体是哪个信号(1和0信号)控制开启，哪个控制关闭，前期进行设置好即可。

而在外部终端中，设置有显示单元，显示单元包括PC显示屏、智能手机屏或者智能平板显示屏。外部终端还可以是其他具有显示功能的电子设备，并且在实际使用中，还设置有输入设备，可以外部终端发出指令做出选择等操作，将操作信号发送给控制器，实现对本申请机器人的控制。外部终端优选为PC机，智能手机，智能平板等设备。

这里需要说明的是，在本申请中，上文所描述的控制器中设置有处理器以及存储器。

说明如下，其中，这里的存储器可以是但不限于，随机存取存储器(Random AccessMemory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(ProgrammableRead-Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read-OnlyMemory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory，EEPROM)等。

这里的处理器可以是一种集成电路芯片，具有信号处理能力。该处理器102可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

还需要说明的是，还包括防碰撞杆8，防碰撞杆8设置于搬运底座1的前端。通过设置防碰撞杆8，避免可能的避障装置6反应不及，导致本申请受损，提高本申请的安全性，也提高对可能的货物和人造成受伤。

本申请的工作实施原理：首先，将本申请机器人置入所需要工作搬运货物的环境中，确保外部终端和搬运本体通信正常，控制器应用有目标识别算法，通过识别系统对周遭的环境进行前期识别，采集图像信息，进行训练和测试，形成深度学习模型，进行图像化处理，在外部的终端上进行显示以及内部感知自身位置信息，当本申请装配好货物后，工作人员选定特定目标点(运送终点)，选定可以提前选定，输入到本申请的控制器中，也可以通过外部终端进行选定，机器人启动识别系统，再次通过识别系统识别当前环境，将当前图像信息采集后，进行识别追踪目标物；确定该追踪目标物为选定的特定目标点后，通过控制器启动驱动电机，向特定目标点(运送终点)前进，在行进过程中，通过识别系统以及惯性测量单元(IMU)以及GNSS定位模块，配合控制器，进行路线调整，直到到达目的地，卸下货物，即可；后续若是无需更换特定目标点，则可以直接装货就可以进行运送即可；若是需要更换特定目标点(运送终点)，则再次重复识别，追踪目标物，确定特定目标点，运送到目的地的过程即可。这里所说的特定目标点(运送终点)，可以是多个，在特定目标点可以放下货物，或者重新运载新的货物后选择新的特定目标点再次进行搬运和行走。特定目标点可以设置多次。

因此，本发明的实施例至少具有如下优点或有益效果：

综上所述，本发明通过设置控制系统、搬运本体、识别系统以及通信系统，控制系统、识别系统和通信系统彼此通信连接，识别系统以及通信系统均设置于搬运本体，而控制系统包括控制器、惯性测量单元，在实施时，通过识别系统将整个场地进行识别形成场地图模型(区域图)，传输到控制器中，通过在区域图上选定特定目标(事先选定)，控制系统(应用有目标识别算法)则会按照深度学习模型中，进行识别从而追踪，实现本发明中的搬运本体向特定目标移动，从而实现搬运机器人将货物搬运至特定目标处，完成搬运任务；而在整个搬运过程中，只需要工作人员事先确认特定目即可，本申请的机器人就会自动朝着终点运行前进，进一步地，通过避障装置6，实现在行进中的避障；因此，本发明操作简单方便，不复杂。本发明通过设置控制系统、搬运本体、识别系统以及通信系统，搬运本体包括搬运底座1，搬运底座1下方设置有移动组件2，移动组件2包括转动轴和转动轮，转动轴贯穿搬运底座1的下端，转动轴的两端均设置有转动轮，转动轴上还设置有传动齿轮，传动齿轮啮合连接有驱动电机，驱动电机与控制系统电性连接，由控制系统来对驱动电机的启停进行控制，驱动电机设置于搬运底座1内，搬运底座1上方设置有搬运箱3，搬运箱3上将带运送货物内置，搬运本体通过控制系统和识别系统的配合，再联合驱动电机，对其启停进行控制，能够通过事先选定特定目标后，通过开启驱动电机，配合目标识别算法，以及识别系统，控制本发明的行进路线，不需要在路径上额外设置引导路径辅助，减少使用成本，提高本发明的智能性，简化实施方案，而引导路径辅助，需要再次识别和判定，这些都需要一定时间，而本发明未采用，则可以提高运送准确性和效率，运送效果好。本发明同样是通过本发明通过设置控制系统、搬运本体、识别系统以及通信系统，通过彼此的连接，在使用中可以实现在室外进行运送货物，也同样可以适用在某些场景下的室内进行搬运货物，具有适用性广泛的特点，适合在机器人智能领域进行推广使用。具有适用性广泛的特点，适合在机器人智能领域进行推广使用。

可以理解，附图所示的结构仅为示意，在实际中还可包括比附图中所示更多或者更少的组件，或者具有与附图所示不同的配置。附图中所示的各组件可以采用硬件、软件或其组合实现。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

综上所述，本申请实施例提供的一种室外可移动货物搬运机器人，其能够针对于现有技术的不足，提出解决方案，具有操作简单方便，运送效果好，适用范围广泛的特点，适用于机器人智能技术领域。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。