1.本发明属于智能控制技术领域，具体涉及一种人机交互智能轮椅的控制方法及装置、智能轮椅、存储介质。
背景技术：
2.人机交互智能轮椅（以下简称轮椅）作为一种先进的智能移动设备，通过检测和解读用户多模态的生理信号，如脑电、眼电、肌电等信号，来综合分析用户意图，转化为控制命令以操控轮椅移动，为残疾人群带来更加便利与自主的生活体验。
3.但是，在实际使用场景中，如复杂的医疗环境内，轮椅的导航与路径选择还面临一定困难。比如，医院内部空间复杂，各科室外观相近，并且岔路口较多，医院内人流量大且环境视野受限，信息牌与指示牌难以覆盖医院内所有位置，增加了用户依赖记忆进行路径选择的难度，因此容易出现用户无法辨别路径的关键节点而选择进入错误路径的情况。另外，人机交互控制过程需要用户高度集中注意力，长时间操控容易产生疲劳，也增加了选择错误路径的概率。一旦用户在关键位置选错分岔路口，发生路径偏离事件，后面需要绕路前往目的地，从而延长到达时间，这直接影响到达效率与使用体验。可见，现有人机交互智能轮椅无法在人机交互控制模式下自动导航纠偏，智能化程度不够。
技术实现要素：
4.本发明的目的在于提供一种人机交互智能轮椅的控制方法及装置、智能轮椅、存储介质，可以在人机交互控制模式下自动导航纠偏，从而提高智能化程度。
5.本发明第一方面公开一种人机交互智能轮椅的控制方法，包括：以预设频率实时采集轮椅周边的环境信息；在基于人机交互控制轮椅移动的过程中，根据所述环境信息确定轮椅的实际路径；计算轮椅的实际路径与导航路径之间的偏离距离；当所述偏离距离达到预设距离时，获取环境干扰评分和用户专注度；根据所述偏离距离、所述环境干扰评分和所述用户专注度，计算错过概率；其中，所述错过概率与所述偏离距离为正相关关系，所述错过概率与环境干扰评分为正相关关系，所述错过概率与所述用户专注度为负相关关系；若所述错过概率大于预设概率，发出偏航提示信息；若在预设时长内所述偏离距离未变小，控制轮椅移动返回所述导航路径。
6.本发明第二方面公开一种人机交互智能轮椅的控制装置，包括：采集单元，用于以预设频率实时采集轮椅周边的环境信息；路径确定单元，用于在基于人机交互控制轮椅移动的过程中，根据所述环境信息确定轮椅的实际路径；偏离计算单元，用于计算轮椅的实际路径与导航路径之间的偏离距离；
获取单元，用于在所述偏离距离达到预设距离时，获取环境干扰评分和用户专注度；概率计算单元，用于根据所述偏离距离、所述环境干扰评分和所述用户专注度，计算错过概率；其中，所述错过概率与所述偏离距离为正相关关系，所述错过概率与环境干扰评分为正相关关系，所述错过概率与所述用户专注度为负相关关系；报警单元，用于在所述错过概率大于预设概率时，发出偏航提示信息；控制单元，用于在预设时长内所述偏离距离未变小时，控制轮椅移动返回所述导航路径。
7.本发明第三方面公开一种智能轮椅，包括存储有可执行程序代码的存储器以及与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，用于执行第一方面公开的人机交互智能轮椅的控制方法。
8.本发明第四方面公开一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，其中，所述计算机程序使得计算机执行第一方面公开的人机交互智能轮椅的控制方法。
9.本发明的有益效果在于，通过以预设频率实时采集轮椅周边的环境信息，在基于人机交互控制轮椅移动的过程中，根据环境信息确定轮椅的实际路径，当轮椅的实际路径与导航路径之间的偏离距离较大时，获取当前的环境干扰评分和用户专注度；然后根据偏离距离、环境干扰评分和用户专注度计算错过概率；若错过概率大于预设概率，发出偏航提示信息；以及若在发出偏航提示信息后的预设时长内偏离距离未变小，控制轮椅移动返回导航路径，从而可以在脑电控制模式下进行自动导航纠偏，从而提高智能化程度。此外，基于偏离距离、环境干扰评分和用户专注度计算错过概率，可以提高错过概率的计算准确性，更加准确地识别完全偏航事件，当发生完全偏航事件时，视为用户不具有脑控返回导航路径的可能性，此时启动自动导航纠偏，可以避免在错过概率较小而用户尚有可能返回导航路径的情况下中止用户自主脑控操作，从而能够进一步提高智能化程度，以及提升用户体验性。
附图说明
10.此处的附图，示出了本发明所述技术方案的具体实例，并与具体实施方式构成说明书的一部分，用于解释本发明的技术方案、原理及效果。
11.除非特别说明或另有定义，不同附图中，相同的附图标记代表相同或相似的技术特征，对于相同或相似的技术特征，也可能会采用不同的附图标记进行表示。
12.图1是本发明实施例公开的一种人机交互智能轮椅的控制方法的流程图；图2是本发明实施例公开的一种人机交互智能轮椅的控制装置的结构示意图；图3是本发明实施例公开的一种智能轮椅的结构示意图。
13.附图标记说明：201、采集单元；202、路径确定单元；203、偏离计算单元；204、获取单元；205、概率计算单元；206、报警单元；207、控制单元；301、存储器；302、处理器。
具体实施方式
14.为了便于理解本发明，下面将参照说明书附图对本发明的具体实施例进行更详细的描述。
15.除非特别说明或另有定义，本文所使用的所有技术和科学术语与所属技术领域的技术人员通常理解的含义相同。在结合本发明的技术方案以现实的场景的情况下，本文所使用的所有技术和科学术语也可以具有与实现本发明的技术方案的目的相对应的含义。本文所使用的“第一、第二
…”
仅仅是用于对名称的区分，不代表具体的数量或顺序。本文所使用的术语“和／或”包括一个或多个相关的所列项目的任意的和所有的组合。
16.需要说明的是，当元件被认为“固定于”另一个元件，它可以是直接固定在另一个元件上，也可以是存在居中的元件；当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件，也可以是同时存在居中元件；当一个元件被认为是“安装在”另一个元件，它可以是直接安装在另一个元件，也可以是同时存在居中元件。当一个元件被认为是“设在”另一个元件，它可以是直接设在另一个元件，也可以是同时存在居中元件。
17.除非特别说明或另有定义，本文所使用的“所述”、“该”为相应位置之前所提及或描述的技术特征或技术内容，该技术特征或技术内容与其所提及的技术特征或技术内容可以是相同的，也可以是相似的。此外，本文所使用的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
18.本发明实施例公开一种人机交互智能轮椅的控制方法。该方法的执行主体可为智能轮椅（以下简称轮椅）或与轮椅通信连接的电子设备，如计算机电脑、笔记本电脑、平板电脑等电子设备，或内嵌于轮椅中的控制装置，或内嵌于电子设备中的控制装置，本发明对此不作限定。
19.如图1所示，该方法包括以下步骤110~170：110、以预设频率实时采集轮椅周边的环境信息。
20.在本发明实施例中，在轮椅上可以配置有多种传感器，实现传感采集获得轮椅周边的环境信息。尤其的，在本实施例中，轮椅上至少配置有图像传感器（具体为摄像头），该摄像头安装于轮椅前端，能够实时捕获周边的图像信息，基于图像信息可识别得到环境信息，环境信息包括但不限于道路形态（如直道、弯道、岔路口等）、医院大楼类别（门诊、住院、食堂等）、科室门牌、电梯口、卫生间等。其中，预设频率可设置为10hz。
21.在一些实施例中，执行步骤110之前，还可以通过采集不同用户的历史操作数据，包括脑电数据、眼动数据、环境数据、控制数据等，并进行分类整理与长期存储，根据存储的大量用户的历史操作数据，学习得到各个用户类别对应的个性化参数，包括但不限于稳态视觉诱发电位（steady-state visual evoked potential，ssvep）频率、眼动特征、即时定位与地图构建（simultaneous localization and mapping，slam）参数。
22.其中，ssvep频率为通过统计不同用户选择各频率的视觉刺激的概率，学习得到各个用户类别对应的最佳频率组合。眼动特征为通过聚类与降维等方法学习得到各个用户类别在不同任务下的眼动轨迹模式及特征参数范围。slam参数为通过历史环境信息相关性分析，学习得到各个用户类别对应的最佳关键帧间隔、地图优化频率等。
23.基于此，在执行步骤110之前，可以先获取用户的目标历史操作数据，并对该目标历史操作数据进行分类，确定用户所属的目标用户类别，并获取该目标用户类别对应的个性化参数进行设置。具体的设置过程包括，例如调整ssvep频率，修改眼动识别的参数，更新slam的关键帧间隔等，从而可以优化系统性能，使得系统性能最大限度的适应个体需求。
24.可选的，摄像头持续采集轮椅周边的环境信息，根据摄像头采集的环境信息，基于slam导航系统，实时构建并更新医院内部的数字地图进行导航。基于此，在执行步骤110之后，以及步骤130之前，还可以包括以下步骤111~113：111、根据环境信息，构建并更新数字地图。
25.具体的，以预设频率获取的环境信息包括多个采集时刻的环境信息，预设频率根据每两个相邻的采集时刻之间的时间间隔（即slam的关键帧间隔）而确定。基于此，步骤111可以包括：检测并提取上一采集时刻与当前采集时刻采集到的环境信息中的特征点，通过比对两个采集时刻的两组特征点间的映射关系，计算得到轮椅移动方向与轮椅在空间中的位移，根据该位移确定轮椅的位置变化信息，然后持续基于上一采集时刻与当前采集时刻采集到的环境信息以及轮椅的位置变化信息进行融合，构建并更新数字地图，最终实现医院内环境的实时三维重建与用户轨迹的实时构建。其中，数字地图的更新采用概率统计方法，可以有效剔除错误数据对地图信息造成的干扰或偏差。通过持续监测环境信息，实时构建医院内部数字地图。当环境发生改变时，如临时设立障碍物，系统可以实时感知并重新规划导航路径，保证行驶安全。
26.112、根据用户响应于第一激励信号的脑电信号和眼电信号，确定目的地信息。
27.在初次使用slam导航系统时，需要用户通过基于人机交互选择目的地，然后根据用户选择的目的地确定目的地信息，目的地信息为如“第三病房”或“门诊部”等目的地的标识码信息。在本发明实施例中，人机交互所采用的信号至少包括脑电和眼电两种模态的生理信号。
28.可选的，步骤112可以包括：在安装于轮椅前端的电子屏上输出多个候选的目的地选项对应的第一激励信号，如图标、文字等。当用户佩戴脑电信号检测设备（如脑电头环或脑电头套）及眼动跟踪设备后，用户开始通过视觉搜索寻找最终选择的目的地选项。因此当检测到用户佩戴脑电信号检测设备及眼动跟踪设备时，智能轮椅启动脑电与眼电检测程序，开始采集和解析用户响应于第一激励信号的第一脑电信号和第一眼电信号。根据第一脑电信号和第一眼电信号，获得用户视觉注意的方向变化和定点注视信息，基于该用户的个人化模型解析出用户的视线运动轨迹和注意焦点，实时操控光标进行对应的移动，实现视觉跟踪。其中，用户的个人化模型用于表征用户在观看不同位置和选项时产生的脑电标准信号和眼电标准信号。当用户的视觉最终聚焦在某一目的地选项上时，检测到的脑电信号和眼电信号会出现相应的变化，当检测到这些变化，可确认用户选择的目的地，并在该目的地选项上停止光标移动，完成目的地选择。最后获取用户选择的目的地的标识码信息作为目的地信息。
29.113、根据目的地信息在数字地图上计算出导航路径，并在导航路径上标记多个关键节点。
30.当确定用户选择的目的地时，将用户选择的目的地选项作为最终的导航目的地，并将对应的目的地信息输入到slam导航系统，slam导航系统根据目的地信息，基于数字地
图与相关算法(如寻路算法)自动计算最优路径，即获得导航路径。其中，路径优化考虑的因素包括距离、时间、道路拥挤程度等。同时在导航路径上标记关键节点，如分叉口、电梯口、层间连接处等。
31.在基于人机交互控制轮椅移动的过程中，持续根据上一采集时刻与当前采集时刻采集到的轮椅的位置变化信息与环境信息，优化与修正最优路径，以更新导航路径。通过持续监测环境变化，实时调整导航路径，实现路径的智能优化选择与动态更新，可应对医院内环境变化，避免由此产生的路径选择错误，确保高精度导航。一旦用户进入电梯，slam导航系统会暂停导航，并提示用户在达到目的层间连接处后重新启动导航以继续最优路径。
32.120、在基于人机交互控制轮椅移动的过程中，根据环境信息确定轮椅的实际路径。
33.在一些实施例中，用户单一通过脑电信号控制轮椅进行移动，比如，可基于运动想象、ssvep或者p300等方式控制轮椅移动。其中，基于ssvep的方式具体为：智能轮椅可以与佩戴于用户头部的脑电信号检测设备通信连接，以及与安装于轮椅前端的电子屏通信连接，电子屏作为视觉刺激装置，可输出视觉刺激。当电子屏上发出不同频率的视觉刺激时，智能轮椅通过获取脑电信号检测设备采集到的第二脑电信号，若第二脑电信号存在ssvep，转换为控制指令控制轮椅移动。
34.在实际应用中，用户戴上该脑电信号检测设备，同时观看电子屏上同步发出的不同频率的视觉刺激，如10hz、15hz或20hz的闪烁灯光等。用户根据想要的运动方向选择关注电子屏上对应频率的视觉刺激。例如，想前进则看频率为10hz的闪烁灯光，左转则看频率为15hz的闪烁灯光刺激，右转则看频率为20hz的闪烁灯光。因此，在电子屏发出不同频率的视觉刺激的同时，获取脑电信号检测设备采集到的第二脑电信号。当检测到第二脑电信号出现ssvep时，确定用户注意的位置（即用户视觉注意位置），该位置的视觉刺激频率对应的运动方向即为用户的运动意图。
35.其中，ssvep信号指的是当用户受到一个固定频率的视觉刺激时，用户的大脑视觉皮层所产生的一个连续的与刺激频率有关（刺激频率的基频或倍频处）的响应。例如，检测到15hz 的ssvep则识别用户的运动意图为左转。然后根据识别出的运动意图生成相应的控制指令对轮椅进行运动控制，轮椅接收控制指令后开始移动至与运动意图对应的方向。若第二脑电信号检测不到明显ssvep信号，判断为用户的运动意图结束或变化，发送停止指令至轮椅。
36.在另一些可能的实施例中，优选的，用户通过脑电信号和眼电信号结合控制轮椅进行移动，比如，采集用户的第二脑电信号和第二眼电信号来控制轮椅的转向和速度，从而提高控制精度和准确性。详细的，可以包括以下步骤1201~1203：1201、根据检测到的用户的第二脑电信号和第二眼电信号，确定目标控制意图和目标变化趋势。
37.首先，根据检测到的用户的第二脑电信号确定脑电控制意图，以及根据检测到的用户的第二眼电信号确定视觉控制意图。
38.其中，第二脑电信号包括用户的运动相关脑区(如枕叶区、顶叶区等)α波(8-13hz)和β波(13-30hz)的幅度与频率变化，根据第二脑电信号所判断产生的脑电控制意图包括第一转向方向和第一转向速度。其中，α波幅度增加对应第一转向方向(转左or转右)，β波频率
升高对应第一转向速度。
39.第二眼电信号包括用户的眼球水平运动产生的电压变化，根据第二眼电信号所判断的视觉控制意图包括第二转向方向和第二转向速度。电压偏负对应视线转左，电压偏正对应转右。电压变化幅度对应第二转向速度。
40.其次，根据脑电控制意图和视觉控制意图进行比对和融合处理，确定目标控制意图。
41.具体的，如果第二脑电信号检测的α波和β波变化判断出的第一转向方向及第一转向速度，与第二眼电信号检测的眼球水平运动变化判断出的第二转向方向及第二转向速度完全一致，则立即执行该转向方向和转向速度为目标控制意图。
42.如果，第一转向方向与第二转向方向一致，但第一转向速度与第二转向速度不同：如果两者判断的转向速度差异在一个预设的阈值范围内(如8~10以内)，则选择转向速度较大的那个输出，同时继续监测信号动态反馈，必要时可以适当调整；如果速度差异超出阈值范围，提示用户确认意图中准确的转向速度，提供可选速度选择，确定用户选择的速度输出。如果，第一转向方向与第二转向方向不同：检查α波、β波和eog的动态变化特征，分析两种信号判断转向方向不同的原因，必要时提示用户重新表现转向意图以获取更清晰的信号变化；提供可选的转向方向选择，选择用户决定的转向方向输出；如果分析后确认哪一种信号判断结果较为准确(如eog变化更清晰可靠)，则选用那种信号判断的结果作为目标控制意图。
43.最后，根据检测到的用户的第二脑电信号和第二眼电信号，确定目标变化趋势。具体的，检测α波、β波的动态变化，分析意图中的第一变化趋势，以及检测第二眼电信号的动态变化，分析意图中的第二变化趋势，第一变化趋势与第二变化趋势均用于表征意图中的加速、减速和匀速信息。当第一变化趋势与第二变化趋势相同时，确定对应的目标变化趋势为加速；当第一变化趋势与第二变化趋势相反时，确定对应的目标变化趋势为减速；当第一变化趋势与第二变化趋势均为稳定时，确定对应的目标变化趋势为匀速。
44.1202、根据目标控制意图和目标变化趋势，输出对应的控制命令以控制轮椅移动。
45.在用户基于人机交互控制轮椅移动过程中，根据上一采集时刻与当前采集时刻采集到的轮椅的位置变化信息，可实现轮椅当前位置的实时跟踪，确定轮椅的实际移动路径（简称实际路径）。
46.130、计算轮椅的实际路径与导航路径之间的偏离距离。
47.作为一种可选的实施方式，步骤130包括以下步骤1301~1304：1301、将轮椅的实际路径与导航路径在时间轴上对齐。
48.1302、获取与时间轴上各个时间点对应的第一位置点和第二位置点。其中，第一位置点位于实际路径上，第二位置点位于导航路径上。
49.具体的，获取轮椅的实际路径与导航路径，采用动态时间规整（dynamic time warping）算法将两条路径在时间轴上对齐，找出在时间轴上每个时间点两条路径上最匹配的位置点，即获得第一位置点和第二位置点。
50.1303、根据第一位置点和第二位置点，计算各个时间点对应的偏差距离。
51.该步骤中，计算各个时间点对应的偏差距离，指的是计算两条路径上每两个对应
于同一时间点的位置点（第一位置点和第二位置点）之间的偏差距离，该偏差距离可以是欧几里得距离或曼哈顿距离等距离指标值。
52.1304、将全部时间点对应的偏差距离加总计算，获得实际路径与导航路径之间的偏离距离。
53.最后，将时间轴上所有时间点对应的偏差距离加总得到总偏差距离，作为实际路径与导航路径之间的偏离距离，该距离反映整条路径的偏离程度。
54.140、当偏离距离达到预设距离时，获取环境干扰评分和用户专注度。
55.在本发明实施例中，若偏离距离小于预设距离，可视为轻微偏离，可不予处理。若偏离距离达到预设距离，视为偏离程度较大，需要进一步获取当前的环境干扰评分和用户专注度进行错过概率评估。其中，预设距离可以由开发人员预先设定的具体数值，如5cm、10cm或15cm等等。
56.作为一种可选的实施方式，步骤140中，获取环境干扰评分的具体实施方式可以包括：根据环境信息，确定轮椅周边环境的人流密度分值、噪声强度分值和光照指数分值，按照人流密度分值、噪声强度分值和光照指数分值各自对应的权重系数，进行加权求和计算获得总分值，根据该总分值确定环境干扰评分。例如，其计算公式可为：环境干扰评分人流密度分值噪声强度分值光照指数分值。
57.其中，w1、w2、w3分别为各干扰因子的权重系数，表示其对环境干扰的影响程度，w1 w2 w3=1，对环境干扰的影响程度越大，对应的权重系数的值越大，可根据实际情况设定合理权重系数的值。各干扰因子（包括人流密度、噪声强度和光照指数）的数据可采用传感器实时监测获得，并映射到0-1之间的分值。例如，可采用摄像头检测用户周边的人流密度，人流越密集，对应的人流密度分值越大。另外可使用声音传感器采集周边噪声数据，包括噪声总量及不同频段内的噪声强度，以此确定噪声强度分值，噪声越大，对应分值越大。另外可使用光照传感器检测环境光线强度，光线越暗淡，即环境光线强度越低，对应光照指数分值越大。
58.作为一种可选的实施方式，步骤140中，获取用户专注度的具体实施方式可以包括以下步骤1401~1402：1401、监测用户响应于第二激励信号的第三脑电信号和第三眼电信号。
59.在输出脑电激励信号的同时，可以使用眼动追踪设备实时记录用户的眼球运动信息作为第三眼球信号，包括眼球坐标、凝视时长、瞳孔变化等信息。
60.1402、根据第三脑电信号和第三眼电信号，确定用户专注度。
61.该步骤中，首先根据第三眼电信号确定眼动追踪结果，将第三脑电信号中的ssvep检测结果与眼动追踪结果进行综合，输出用户注意力在各视觉刺激之间的动态分布图，得到当前的用户专注度，可以是0-1的数值。通过ssvep检测结果与眼动追踪结果进行综合，可以提高判断准确性。
62.具体的，眼动追踪结果包括但不限于第一注意力值、第二注意力值、第三注意力值、第四注意力值和第五注意力值，用于与ssvep检测结果综合判断用户专注度。其中，根据眼球运动信息确定第一注意力值、第二注意力值、第三注意力值、第四注意力值和第五注意力值的实施方式包括：首先，根据眼球运动信息确定得到眼球运动轨迹。然后，根据眼球运动信息判断眼
球运动轨迹中是否存在定点凝视事件，若存在定点凝视事件，确定用户视线在相应的视觉刺激上的凝视时长，根据该凝视时长确定在相应的视觉刺激上的第一注意力值。通常的，若用户视线停留在某视觉刺激对应位置上有指定时长（通常3秒以上）的，判定存在定点凝视事件。
63.其次，分析眼球运动轨迹的空间密度分布，获得对应于各个视觉刺激的目标空间密度，根据各个视觉刺激对应的目标空间密度，确定用户响应于各个视觉刺激的第二注意力值，其中，目标空间密度越高（轨迹变化越小）的视觉刺激对应越高的第二注意力值。
64.再次，检测眼球运动轨迹中的回视次数(即视线再次转回先前凝视的区域)，根据回视次数确定第三注意力值。其中，回视次数越多，意味着更高的注意力集中度，第三注意力值越高。
65.从次，根据眼球运动轨迹，获得用户视线对应于各个视觉刺激的变化幅度，根据变化幅度确定对应于各个视觉刺激的第四注意力值。其中，通过观察用户视线在不同视觉刺激之间的动态变化过程，获得用户视线集中在各个视觉刺激上的变化幅度，变化幅度越小，说明该视觉刺激的第四注意力值越高。
66.最后，根据眼球运动信息确定得到瞳孔在视觉刺激呈现开始到结束期间的变化，即瞳孔扩张幅度，根据该瞳孔扩张幅度确定第五注意力值。其中，瞳孔扩张幅度越大，说明对应的注意力更集中，第五注意力值越大。
67.150、根据偏离距离、环境干扰评分和用户专注度，计算错过概率。
68.错过概率指的是用户错过导航路径上关键节点的概率，因为一旦错过关键节点，可能需要绕路前往，将会延长达到时间。本发明中通过评估用户错过关键节点的概率，可以更加精准的识别完全偏航事件。
69.其中，偏离距离用于表征轮椅实际路径与导航路径之间的偏差，偏离距离与错过概率为正相关关系，即偏离距离越大，错过概率越高；环境干扰评分用0-1之间的数值表示，值越大表示环境干扰越严重，环境干扰评分与错过概率为正相关关系，即环境干扰评分越大，错过概率越高；用户专注度也采用0-1之间的数值表示，值越高表示专注度越高，可以根据ssvep检测结果及眼动追踪结果计算得出，用户专注度与错过概率为负相关关系，即用户专注度越高，错过概率越低。
70.作为一种可选的实施方式，计算错过概率的公式可以为：错过概率；其中，a代表用户专注度，b代表偏离距离，c代表环境干扰评分，a、b、c的取值均在0-1之间，可以包括0和1，比如极端情况下，a=0表明用户专注度为0，有可能处于眩晕状态；c=1说明环境特别复杂。因此a、b、c的取值范围均为[0，1]。
[0071]
作为另一种可选的实施方式，计算错过概率的公式可以为：；其中，k1、k2和k3为修正系数，用以表示在不同用户、环境和导航任务下，a、b和c这3个因子的不同作用程度。k1、k2和k3统称为k。
[0072]
当k《1时，代表该因素的作用减弱，其在公式中的权重降低，错过概率低估，应放宽触发辅助控制措施的敏感度。其中，辅助控制措施至少包括步骤160中的偏航提示和步骤170中的纠偏控制。
[0073]
当k=1时，代表该因素作用正常，不需要修正，这为默认取值。
[0074]
当k》1时，代表该因素的作用增强，其在公式中的权重提高，错过概率高估，应提高
触发辅助控制措施的敏感度。
[0075]
可选的，在导航开始前，可以根据用户属性与当前轮椅周边的环境信息，确定修正系数k1、k2和k3的值，并设置用户专注度a的最小作用阈值amin、偏离距离b的最小作用阈值bmin、环境干扰评分c的最小作用阈值cmin和错过概率s的判断阈值s0。其中，用户属性主要包括：用户的视觉搜索能力、注意力集中度、手眼协调能力等。这些可以通过预测试评估获得相应参数，建立用户属性档案。不同的用户属性会导致k1、k2和k3的不同取值。
[0076]
例如，对于视觉搜索能力弱、注意力难以长时间集中的用户：其专注度a很容易受到干扰而下降，所以应适当增大k1，如取1.2，使a在公式中起更大作用，从而提高检测该用户偏差的敏感度。同时，环境干扰评分c也很容易对其造成较大影响，应增大k3，如取1.3，使环境干扰评分在公式中起更大的作用，对其触发辅助控制的敏感度也提高。而其操控轮椅也不太稳定，易产生较大幅度偏差，所以应适当减小k2，如取0.8，使偏离距离b在公式中起较小作用，避免其小幅正常操作引起误报。
[0077]
相反，对视觉搜索能力强、注意力集中且手眼协调性高的用户：其专注度a不易受干扰影响而出现较大下降，所以应适当减小k1，如取0.8，使a在公式中起较小作用，降低对其小幅偏差的检测敏感度。同时，其操控比较准确，正常操作中的小幅偏差不代表其真的错过，所以应适当增大k2，如取1.2，使b在公式中起更大作用，提高对较大偏差的检测敏感度，过滤小幅正常操作误报。而环境干扰对其影响也比较小，所以k3可取默认值1。
[0078]
k2和k3的设置需要考虑环境参数(路径复杂度、关键节点数、移动距离)与用户属性。环境越复杂、路径距离越长，其原则上k2和k3值也越大，如1.2-1.5，表示b和c在公式中的作用增强，错过概率高估，触发敏感度提高。但是，如果用户属性较强，其实际产生的偏差可能较小，此时k2和k3不宜太大，避免高估其错过概率，应适当降低，如1.1。如果用户属性较弱，其偏差会进一步放大，此时k2和k3应适度设置较大，如1.3，提高检测敏感度。
[0079]
k1是确定k2和k3值的首要考量因素。环境参数仅提供参考，最终k值设置还需要结合用户属性进行综合判断。因为：用户属性代表了操作者在执行任务中的生理与心理特征，是最终决定操作稳定性与误差产生可能性的主要因素。相比而言，环境参数仅提供了外在条件，它们对实际产生的偏差大小只有间接影响。
[0080]
举例来说，在复杂环境中，环境干扰可能更大，但如果操作者具备良好的视觉搜索能力与注意力集中能力，其实际产生的偏差可能较小。此时，即使环境较复杂，也不宜设置k2和k3太大，以免高估其错过概率。
[0081]
又举例来说，在简单环境中，如果操作者易分心且手眼协调能力差，其偏差可能反而较大。此时，应适度增加k2和k3，以防其较快失控脱离正常操作范围。所以，用户属性是最终决定操作失误及偏差产生的根本因素。环境复杂度只是其中一个参考维度，并不能完全代表实际产生的偏离量。
[0082]
amin、bmin、cmin和s0的设置也应考虑用户属性和环境情况。其中:amin、bmin和cmin代表各因子的最小作用阈值。当某因子值低于其对应的最小作用阈值时，其作用忽略。具体的：当a值低于amin时，表示用户注意力过低，无法有效完成任务，a的作用在公式中忽略，s值接近1，判断为需要触发辅助控制。当b值低于bmin时，表示用户的偏差过小，可以视为正常操控误差，b的作用在公式
中忽略，s值降低，判断为无需触发辅助控制。
[0083]
当c值低于cmin时，表示当前环境干扰程度很小，对用户影响微乎其微，c的作用在公式中忽略，s值降低，判断为无需触发辅助控制。
[0084]
160、若错过概率大于预设概率，发出偏航提示信息。
[0085]
其中，预设概率具体为上述错过概率s的判断阈值s0。当s值高于s0时，判断为需要触发辅助控制；当s值低于s0时，判断为无需触发辅助控制。s0的设置同样需要综合考虑用户属性与环境情况。其值越高，表示当前场景下允许的错过概率越大，触发敏感度降低。
[0086]
例如：对视觉搜索能力强、注意力集中且手眼协调度高的用户，在简单开阔环境中的常规操作任务。用户属性强，产生较大偏差的可能性小。环境简单，任务要求一般，允许较大容忍误差。此时可取s0较大值，如0.6-0.7，表示初始错过概率高，触发敏感度低，给予用户较长自主操作时间；对视觉搜索能力一般、注意力难以长时间集中且手眼协调性较差的用户，在比较复杂环境中的高精度操作任务。用户属性弱，易产生较大幅度偏差，环境复杂且高任务要求，要求高精度与较小误差。此时应取s0较小值，如0.3-0.4，表示初始错过概率低，触发敏感度高，以防用户较快产生无法自主纠正的较大偏差。
[0087]
若错过概率没有大于预设概率s0，可能因为用户本次操作与历史操作微小的误差产生较小的偏离距离，或用户虽然受到影响但没有完全遮挡，或用户注意力处于集中状态，即认为用户仍具有返回导航路径，可以准确返回关键节点的可能，此时仍有用户自主操作并且不设置报警提醒，避免用户体验感差。
[0088]
若错过概率大于预设概率s0，认为用户错过关键节点，可能由于专注度受到影响或视野受到阻挡，已经偏离导航路径，则启动报警提示系统发出偏航提示信息以提醒用户。
[0089]
170、若在预设时长内偏离距离未变小，控制轮椅移动返回导航路径。
[0090]
发出偏航提示信息后，可以判断在预设时长内偏离距离是否变小，若变小，判定在预设时长内用户有补偿操作（即向导航路径靠近或回归）；若未变小，判定在预设时长内用户没有补偿操作。
[0091]
若错过概率大于预设概率，且在预设时长内用户没有补偿操作，视为用户已经完全偏离导航路径，即用户没有准确返回关键节点的可能，此时，启动辅助控制模式，以控制轮椅返回导航路径上。
[0092]
步骤170中，控制轮椅移动返回导航路径的实施方式，可以包括：从导航路径上标记的多个关键节点中，确定出距离轮椅最近的目标关键节点，控制轮椅移动至目标关键节点。
[0093]
综上所述可见，实施本发明实施例，通过实时监测用户的注意力状态和移动轨迹，可以及时检测到用户注意力下降或偏离导航路径的情况，并计算错过关键节点的错过概率。当错过概率超过阈值时，可以主动启动辅助控制模式，控制轮椅返回导航路径，从而可以在脑电控制模式下进行自动导航纠偏，从而提高智能化程度。此外，基于偏离距离、环境干扰评分和用户专注度计算错过概率，可以提高错过概率的计算准确性，更加准确地识别完全偏航事件，当发生完全偏航事件时启动自动导航纠偏，可以避免在错过概率较小而用户尚有可能返回导航路径的情况下中止用户自主脑控操作，从而能够进一步提高智能化程度，以及提升用户体验性。
[0094]
除此之外，采用多模态生理信号来控制轮椅，通过脑电信号和眼电信号的融合，可
以实现对用户意图的精细理解和轮椅运动的准确控制，避免或减少误判导致的错误控制输出，延长自主操作时间。
[0095]
此外，通过动态调整错过概率的影响因子值，可以避免或减少由环境变化或个体差异导致的误报，最大限度地延长不同用户在各种工作环境下的自主操作时间，提高用户体验和移动效率。
[0096]
如图2所示，本发明实施例公开一种人机交互智能轮椅的控制装置，包括采集单元201、路径确定单元202、偏离计算单元203、获取单元204、概率计算单元205、报警单元206、控制单元207，其中，采集单元201，用于以预设频率实时采集轮椅周边的环境信息；路径确定单元202，用于在基于人机交互控制轮椅移动的过程中，根据环境信息确定轮椅的实际路径；偏离计算单元203，用于计算轮椅的实际路径与导航路径之间的偏离距离；获取单元204，用于在偏离距离达到预设距离时，获取环境干扰评分和用户专注度；概率计算单元205，用于根据偏离距离、环境干扰评分和用户专注度，计算错过概率；其中，错过概率与偏离距离为正相关关系，错过概率与环境干扰评分为正相关关系，错过概率与用户专注度为负相关关系；报警单元206，用于在错过概率大于预设概率时，发出偏航提示信息；控制单元207，用于在预设时长内偏离距离未变小时，控制轮椅移动返回导航路径。
[0097]
作为一种可选的实施方式，上述人机交互智能轮椅的控制装置还可以包括以下未图示的单元：构建更新单元，用于在采集单元201以预设频率实时采集轮椅周边的环境信息之后，以及在偏离计算单元203计算轮椅的实际路径与导航路径之间的偏离距离之前，根据环境信息构建并更新数字地图；目的确定单元，用于根据用户响应于第一激励信号的脑电信号和眼电信号，确定目的地信息；规划单元，用于根据目的地信息在数字地图上计算出导航路径，并在导航路径上标记多个关键节点。
[0098]
进一步可选的，控制单元207，具体用于在预设时长内偏离距离未变小时，从导航路径上标记的多个关键节点中，确定出距离轮椅最近的目标关键节点；控制轮椅移动至目标关键节点。
[0099]
作为一种可选的实施方式，偏离计算单元203包括以下未图示的子单元：对齐子单元，用于将轮椅的实际路径与导航路径在时间轴上对齐；获取子单元，用于获取与时间轴上各个时间点对应的第一位置点和第二位置点；其中，第一位置点位于实际路径上，第二位置点位于导航路径上；计算子单元，用于根据第一位置点和第二位置点，计算各个时间点对应的偏差距离；加总子单元，用于将全部时间点对应的偏差距离加总计算，获得实际路径与导航
路径之间的偏离距离。
[0100]
可选的，上述获取单元204，用于获取用户专注度的实施方式为：监测用户响应于第二激励信号的脑电信号和眼电信号；根据用户响应于第二激励信号的脑电信号和眼电信号，确定用户专注度。
[0101]
以及，上述获取单元204，用于获取环境干扰评分的实施方式为：根据环境信息，确定轮椅周边环境的人流密度分值、噪声强度分值和光照指数分值；按照人流密度分值、噪声强度分值和光照指数分值各自对应的权重系数，加权求和计算获得总分值，根据总分值确定环境干扰评分。
[0102]
如图3所示，本发明实施例公开一种智能轮椅，包括存储有可执行程序代码的存储器301以及与存储器301耦合的处理器302；其中，处理器302调用存储器301中存储的可执行程序代码，执行上述各实施例中描述的人机交互智能轮椅的控制方法。
[0103]
本发明实施例还公开一种计算机可读存储介质，其存储计算机程序，其中，该计算机程序使得计算机执行上述各实施例中描述的人机交互智能轮椅的控制方法。
[0104]
以上实施例的目的，是对本发明的技术方案进行示例性的再现与推导，并以此完整的描述本发明的技术方案、目的及效果，其目的是使公众对本发明的公开内容的理解更加透彻、全面，并不以此限定本发明的保护范围。
[0105]
以上实施例也并非是基于本发明的穷尽性列举，在此之外，还可以存在多个未列出的其他实施方式。在不违反本发明构思的基础上所作的任何替换与改进，均属本发明的保护范围。