1.一种基于计算机视觉的工作路面异常检测及路径优化方法，其特征在于，包括:采集实时工作路面图像，并进行图像预处理，得到预处理后工作路面图像；

对所述预处理后路面图像进行区域分割，得到所述工作路面的ROI区域图像；

获取所述ROI区域图像中最远端边缘区域，计算所述最远端边缘区域的灰度梯度值；

将所述灰度梯度值和预设阈值进行比较，确定所述工作路面图像是否存在异常；

当所述灰度梯度值大于所述预设阈值时，确定所述工作路面图像存在异常；

对于存在异常的所述工作路面，获取其路面异常边缘区域；

判断所述路面异常边缘区域的异常类型；并根据所述异常类型对所述工作路面进行评估，获取评估结果；

判断所述路面异常边缘区域的异常类型，包括：从左往右计算所述路面异常边缘区域的曲折度s,根据所述曲折度s的变化判断路面异常边缘区域的异常类型：当所述曲折度s先变大后变小时，该路面异常边缘区域为路面凸起异常；

当所述曲折度s先变小后变大时，该路面异常边缘区域为路面凹陷异常；

根据所述评估结果，优化工作路径。

2.根据权利要求1所述一种基于计算机视觉的工作路面异常检测及路径优化方法，其特征在于，将所述灰度梯度值和预设阈值进行比较，确定所述工作路面图像是否存在异常，包括：计算所述最远端边缘区域的灰度梯度值 ，将得到的灰度梯度值和预设阈值 进行比较；

当 ＜ 时，所述工作路面图像不存在异常；

当 ＞ 时，所述工作路面存在异常。

3.根据权利要求2所述一种基于计算机视觉的工作路面异常检测及路径优化方法，其特征在于，计算所述最远端边缘区域的灰度梯度值 ，将得到的灰度梯度值和预设阈值 进行比较，包括：灰度梯度值 的计算公式为：

其中， 表示所述最远端边缘区域的灰度梯度值， 表示 方向上相邻像素点的灰度值， 表示 方向上相邻像素点的灰度值。

4.根据权利要求1所述一种基于计算机视觉的工作路面异常检测及路径优化方法，其特征在于，在判断所述路面异常边缘区域的异常类型之后，还包括：当所述曲折度s先变大后变小时，对该路面异常边缘区域与不存在异常的路面区域进行颜色对比，当色调值差异大于 时，该路面异常边缘区域为路面障碍物异常。

5.根据权利要求1所述一种基于计算机视觉的工作路面异常检测及路径优化方法，其特征在于，计算所述曲折度s的表达式如下：其中，s表示该路面异常边缘区域的曲折度，表示路面异常边缘区域中像素的梯度方向角， 表示 左侧前一个像素的梯度方向角；

式中，计算所述梯度方向角 的表达式为：

其中， 表示 方向上相邻像素点的灰度值， 表示 方向上相邻像素点的灰度值。

6.根据权利要求1所述一种基于计算机视觉的工作路面异常检测及路径优化方法，其特征在于，根据所述评估结果，优化工作路径，包括：计算路面异常区域对待测物的异常值 ，根据异常值优化工作路径：当 时，所述工作路径不变；

当 时，对所述工作路径进行调整，避开所述路面异常区域。

7.根据权利要求6所述一种基于计算机视觉的工作路面异常检测及路径优化方法，其特征在于，计算路面异常区域对待测物的异常值 ，包括：通过待测物的高度H与路面异常高度h的差值得到高度异常值 ；

通过待测物的宽度D与路面异常宽度W的差值得到宽度异常值 ；

所述路面异常值 。

8.根据权利要求1所述一种基于计算机视觉的工作路面异常检测及路径优化方法，其特征在于，对预处理后路面图像进行区域分割，得到所述工作路面的ROI区域图像，包括：通过边缘检测技术对所述预处理后路面图像进行区域分割，获取所述工作路面中路面的ROI区域图像。