1.一种基于道路边缘检测的移动机器人障碍物识别方法,其特征在于：其具体步骤如下：

S1：获取边界线：移动机器人上安装的图像采集设备获取实时图像，包含实时图像上边界线lup和实时图像下边界线ldown；

S2：边缘检测：通过边缘检测算法得到道路边缘线lroad，进而确定道路边缘线lroad的方程yl＝Fl(x)；

S3：目标检测：使用深度学习网络框架实时图像进行目标检测，得到各检测目标边界框及其表征函数：f＝(x,y,w,h,c)；

S4：坐标值：利用表征函数f可求得各检测目标边界框左下角和右下角的坐标值分别为(xL,yL)和(xR,yR)；

S5：道路障碍物存在区域计算：计算道路边缘线lroad与所述的实时图像上边界线lup和实时图像下边界线ldown围成道路障碍物存在区域Ω；

S6：道路障碍物存在区域判断：判断各检测目标边界框左下角和右下角的坐标值(xL,yL)和(xR,yR)是否包含于所述的道路障碍物存在区域Ω并完成障碍物识别。

2.根据权利要求1所述的一种基于道路边缘检测的移动机器人障碍物识别方法，其特征在于：所述的步骤1的道路边缘线lroad的方程yl＝Fl(xl)，其中，Fl为分段函数：其中，yl和xl的单位均为px，所述的表征函数f＝(x,y,w,h,c)中的x，y，w，h的单位均为px，所述的px为像素单位，所述的x是所述的检测目标边界框的左上角横坐标值，所述的y是所述的检测目标边界框的左上角纵坐标值，所述的w是所述的检测目标边界框的横向宽度，所述的h是所述的检测目标边界框的竖直高度，所述的c是所述的检测目标边界框的识别率。

3.根据权利要求1所述的一种基于道路边缘检测的移动机器人障碍物识别方法，其特征在于：所述的步骤1的实时图像的尺寸大小为a*b，所述的a和b 的单位为px，所述的a为所述的实时图像的长度，所述的b为所述的实时图像的高度，所述的道路边缘方程F＝f(x,y)中x的取值范围为0≤x≤a，0≤x≤b。

4.根据权利要求1所述的一种基于道路边缘检测的移动机器人障碍物识别方法，其特征在于：所述的步骤2的边缘检测算法满足能实现道路边缘完整检测，所述的边缘检测算法的检测时间小于移动机器人的制动时间，所述的实时图像的目标检测时间小于移动机器人的制动时间。

5.根据权利要求1所述的一种基于道路边缘检测的移动机器人障碍物识别方法，其特征在于：所述的步骤4的各检测目标边界框表征函数f＝(x,y,w,h,c)与各检测目标边界框上的(xL,yL)和(xR,yR)满足如下关系：和

6.根据权利要求1所述的一种基于道路边缘检测的移动机器人障碍物识别方法，其特征在于：所述的步骤5的道路障碍物存在区域Ω是所述的实时图像中的二维点集，满足如下条件：Ω＝{(x,y)|q1≤x＜q2,q3≤x＜q4,…,qn‑1≤x＜qn,qn≤a；0≤y≤b}。

7.根据权利要求1所述的一种基于道路边缘检测的移动机器人障碍物识别方法，其特征在于：所述的步骤6中若所述的(xL,yL)和所述的(xR,yR)均包含于所述的道路障碍物存在区域Ω，则判定所述的(xL,yL)和所述的(xR,yR)所属于的所述的检测目标边界框选中的目标物体为障碍物。

8.根据权利要求1所述的一种基于道路边缘检测的移动机器人障碍物识别方法，其特征在于：所述的步骤6中若所述的(xL,yL)包含于所述的道路障碍物存在区域Ω，所述的(xR,yR)不包含于所述的道路障碍物存在区域Ω，则也判定所述的(xL,yL)和所述的(xR,yR)所属于的所述的检测目标边界框选中的目标物体为障碍物。

9.根据权利要求1所述的一种基于道路边缘检测的移动机器人障碍物识别方法，其特征在于：所述的步骤6中若所述的(xR,yR)包含于所述的道路障碍物存在区域Ω，所述的(xL,yL)不包含于所述的道路障碍物存在区域Ω，则也判定所述的(xL,yL)和所述的(xR,yR)所属于的所述的检测目标边界框选中的目标物体为障碍物。

10.根据权利要求1所述的一种基于道路边缘检测的移动机器人障碍物识别方法，其特征在于：所述的步骤6中若所述的(xL,yL)和所述的(xR,yR)均不包含于所述的道路障碍物存在区域Ω，则判定所述的(xL,yL)和所述的(xR,yR)所属于的所述的检测目标边界框选中的目标物体不是障碍物。