1.一种基于Std‑NMF的智能快递柜投递机器人视觉导航方法，具体步骤如下，其特征在于：步骤1：机器人从云端读取路径信息；

步骤2：路径信息采集与快递柜信息采集摄像头分别采集路径图片信息与快递柜图像信息；

步骤3：图像预处理，把RGB图像转换为YCrCb图像空间，并只保留Y分量信息；

步骤4：对图像进行显著性检测；

步骤5：根据显著性对图像分割；

步骤6：对图像进行非负矩阵分解；

步骤7：对图像的非负矩阵分解系数进行软阈值更新；

步骤8：把非负分解系数作为图像特征；

步骤9：使用双SVM模型分别对路径信息特征与快递柜信息特征进行分类；

步骤10：根据双SVM模型识别结果对投递机器人进行工作指导。

2.根据权利要求1所述的基于Std‑NMF的智能快递柜投递机器人视觉导航方法，其特征在于：所述步骤4中图像显著性检测表示为：

y＝DCT(x)                                          (1)g＝sign(y)                                           (2)s＝iDCT(g)                                          (3)z＝Winaer(s)                                         (4)其中，x是图像信息，DCT(·)是离散余弦变换，sign(·)是求符号函数，iDCT(·)是离散余弦反变换，Winaer(·)是维纳滤波器。

3.根据权利要求1所述的基于Std‑NMF的智能快递柜投递机器人视觉导航方法，其特征在于：所述步骤5图像分割表达为把采集的512×512的图像更具其显著性检测后图像进行分割，分割为16个32×32的图像块。

4.根据权利要求1所述的基于Std‑NMF的智能快递柜投递机器人视觉导航方法，其特征在于：所述步骤6非负矩阵分解表示为：

zi＝wh                                              (5)其中，w表示非负基矩阵，h表示非负系数矩阵。

5.根据权利要求1所述的基于Std‑NMF的智能快递柜投递机器人视觉导航方法，其特征在于：所述步骤7中软阈值更新公式为为：

λ＝mean(h)                                          (7)其中，mean(·)表示求均值函数。