1.医用搬运机器人路径智能规划系统，其特征在于，该系统包括以下模块：

环境图像模块，用于在医用搬运机器人运动过程中通过视觉传感器采集连续帧的环境图像；

区域提取模块，用于对任意帧环境图像进行区域分割并基于不同区域的颜色和面积筛选出疑似障碍物区域，通过不同区域的相对亮度从疑似障碍物区域中提取出若干高光区域；

模糊处理模块，用于利用高光区域在所属疑似障碍物区域中的空间分布特征以及疑似障碍物区域中边缘信息的规则程度的综合结果，从而筛选出疑似障碍物区域中的障碍物区域，进一步利用障碍物区域中边缘信息所对应的梯度和灰度分布特征，并结合所述综合结果对障碍物区域进行去模糊处理，得到增强环境图像；

其中，所述障碍物区域的获取方法具体包括：

将由高光区域在所属疑似障碍物区域中的面积占比特征，以及高光区域与所属疑似障碍物区域内的其他高光区域之间的位置关系综合反映出来的分布情况，作为疑似障碍物区域中高光区域的分布离散性；

获取任意疑似障碍物区域中的边缘信息并通过边缘信息拟合直线信息，将所述直线信息在所述边缘信息中的占比作为所述疑似障碍物区域的规整程度；

综合每帧HSV环境图像的每个疑似障碍物区域的规整程度以及高光区域的分布离散性，筛选出HSV环境图像中的障碍物区域；

路径规划模块，用于利用增强环境图像对医用搬运机器人进行路径规划。

2.根据权利要求1所述医用搬运机器人路径智能规划系统，其特征在于，所述对任意帧环境图像进行区域分割并基于不同区域的颜色和面积筛选出疑似障碍物区域，包括的具体方法为：根据像素点之间的距离和灰度值对每帧环境图像中的像素点使用DBSCAN聚类算法进行聚类处理，得到若干个初始连通域；

对于任意环境图像中的若干初始连通域，根据连通域的面积使用K均值聚类算法对所有连通域进行聚类，得到若干个类簇；

对于任意一帧的环境图像，计算所述环境图像中每个类簇中所包含的所有初始连通域的面积平均值，将所述面积平均值最大的类簇中对应的所有初始连通域记为无关区域；将所述环境图像中除无关区域之外的所有连通域，记为疑似障碍物区域。

3.根据权利要求1所述医用搬运机器人路径智能规划系统，其特征在于，所述通过不同区域的相对亮度从疑似障碍物区域中提取出若干高光区域，包括的具体方法为：将每帧RGB格式的环境图像转换为HSV的环境图像记为HSV环境图像，使用大小的窗口将每帧HSV环境图像中每个疑似障碍物区域划分成若干个区域，记为等分区域，其中为预设的窗口参数；

根据任意HSV环境图像中每一个等分区域的整体V通道水平与所述环境图像的整体V通道水平之间的差异，作为所述等分区域为高光区域的可能性；

利用等分区域是高光区域的可能性的大小筛选出若干个高光区域。

4.根据权利要求1所述医用搬运机器人路径智能规划系统，其特征在于，所述疑似障碍物区域中高光区域的分布离散性的具体获取方法为：以每帧HSV环境图像的左下角的顶点为原点，水平向右为横轴正方向，竖直向上为纵轴正方向构建直角坐标系，得到每帧HSV环境图像的直角坐标系，获取每帧HSV环境图像中每个疑似障碍物区域的最小外接圆；

对于任意一帧HSV环境图像，将任意高光区域记为目标高光区域，获取目标高光区域以外的高光区域中，距离所述目标高光区域最近的高光区域，记为所述目标高光区域的高光参考区域；

利用高光区域在所属疑似障碍物区域对应最小外接圆上的面积占比，以及高光区域与对应高光参考区域之间的距离大小，计算在疑似障碍物区域中高光区域的分布离散性，其中所述分布离散性与所述面积占比呈负相关，所述分布离散性与所述距离大小呈正相关。

5.根据权利要求1所述医用搬运机器人路径智能规划系统，其特征在于，所述疑似障碍物区域的规整程度的具体获取方法为：通过Canny边缘检测算法获取每帧HSV环境图像的每个疑似障碍物区域中的若干条边缘线，并使用霍夫直线检测算法对每条边缘线进行直线检测，得到每帧HSV环境图像的每个疑似障碍物区域的若干条直线段；

获取疑似障碍物区域中边缘线和对应直线段之间在数量和长度上的差异，作为疑似障碍物区域的规整程度。

6.根据权利要求1所述医用搬运机器人路径智能规划系统，其特征在于，所述障碍物区域的具体获取方法为：结合疑似障碍物区域的规整程度以及疑似障碍物区域中高光区域的分布离散性，得到疑似障碍物区域的可能性，其中所述可能性与所述规整程度和所述分布离散性均呈正相关；

若疑似障碍物区域的障碍可能性大于或等于预设的障碍区域阈值，则将所述疑似障碍物区域记为障碍物区域。

7.根据权利要求1所述医用搬运机器人路径智能规划系统，其特征在于，所述利用障碍物区域中边缘信息所对应的梯度和灰度分布特征，并结合所述综合结果对障碍物区域进行去模糊处理，得到增强环境图像，包括的具体方法为：对于任意HSV环境图像中的障碍物区域，根据所述障碍物区域中边缘像素点的梯度分布以及每个边缘像素点的灰度与所有边缘像素点的整体灰度水平之间的平均差异，获取障碍物区域的模糊程度；

将每帧HSV环境图像的每个障碍物区域的模糊程度和障碍可能性之间的和值作为锐化因子，将锐化因子与图像锐化算法结合，从而对每帧HSV环境图像的每个障碍物区域进行去模糊操作，得到若干帧增强环境图像。

8.根据权利要求7所述医用搬运机器人路径智能规划系统，其特征在于，所述将锐化因子与图像锐化算法结合，从而对每帧HSV环境图像的每个障碍物区域进行去模糊操作，包括的具体方法为：利用USM锐化算法对每个障碍物区域进行锐化处理，在锐化处理过程中利用每个障碍物区域对应的锐化因子对USM锐化算法中的缩放因子进行乘积调节。

9.根据权利要求1所述医用搬运机器人路径智能规划系统，其特征在于，所述利用增强环境图像对医用搬运机器人进行路径规划，包括的具体方法为：使用SLAM技术分析连续帧的增强环境图像，构建出医院的环境模型，并使用Dijkstra算法在所述环境模型中计算医用搬运机器人的行进路径。