1.一种辅助用户至智能马桶的安全路径生成及跌倒判断方法，其特征在于，包括：接收来自TOF相机的初始图像；将初始图像转换成初始安全区域图像；若接收到实时图像时，分割初始安全区域图像映射在实时图像上的部分作为实时检测区域图像；根据初始安全区域图像和实时检测区域图像生成实时安全区域模型；判断实时检测区域图像上是否有用户图像；若实时用户图像上有用户图像时，则在实时检测区域图像上分割出用户图像；将用户图像转换成用户位置；接收来自输入设备的请求信息，请求信息包括目的地位置；在实时安全区域模型上生成由用户位置至目的地位置的安全路径；接收来自TOF相机的实时图像；在实时图像上建立用户的节点位置；基于世界参考系和用户的关节位置生成用户的姿态角度；判断用户的姿态角度是否位于安全角度范围内；若用户的姿态角度超过安全角度范围时，则生成跌倒信号；若生成跌倒信号时，则将跌倒信号发送至输出设备。
2.根据权利要求1所述的一种辅助用户至智能马桶的安全路径生成及跌倒判断方法，其特征在于，所述根据初始安全区域图像和实时检测区域图像生成实时安全区域模型的步骤，具体包括：判断实时检测区域图像上是否有新增障碍物图像；若实时检测区域图像上有新增障碍物图像时，则将实时检测区域图像转换成实时安全区域模型；若实时检测区域图像上没有新增障碍物图像时，则将初始安全区域模型作为实时安全区域模型。
3.根据权利要求1所述的一种辅助用户至智能马桶的安全路径生成及跌倒判断方法，其特征在于，所述将用户图像转换成用户位置的步骤，具体包括：对实时用户图像进行三维重建并建立实时用户模型；将实时用户模型转换成用户位置。
4.根据权利要求1所述的一种辅助用户至智能马桶的安全路径生成及跌倒判断方法，其特征在于，所述将初始图像转换成初始安全区域图像的步骤，具体包括：对初始图像进行三维重建并建立初始三维网格模型；在初始三维网格模型上分割出初始安全区域模型；将初始安全区域模型转换成初始安全区域图像。
5.根据权利要求4所述的一种辅助用户至智能马桶的安全路径生成及跌倒判断方法，其特征在于，对初始图像进行三维重建并建立初始三维网格模型的步骤，具体包括：对初始图像进行预处理并转换成初始三维点云；对初始三维点云进行预处理并建立初始三维点云的法向量；利用ICP算法估计相机位姿；根据相机位姿对带有法向量的初始三维点云进行点云融合并生成初始融合点云；利用泊松重建算法将初始融合点云转换成初始三维网格模型。
6.根据权利要求1所述的一种辅助用户至智能马桶的安全路径生成及跌倒判断方法，其特征在于，采用卷积神经网络在实时图像上建立用户的关节位置。
7.根据权利要求1或6所述的一种辅助用户至智能马桶的安全路径生成及跌倒判断方法，其特征在于，所述用户的节点位置包括头部、颈关节、肩关节、肘关节、手部、髋关节、膝关节、踝关节和盆骨关节。
8.根据权利要求1所述的一种辅助用户至智能马桶的安全路径生成及跌倒判断方法，其特征在于，所述世界参考系基于实时图像的边缘线建立。
9.根据权利要求1所述的一种辅助用户至智能马桶的安全路径生成及跌倒判断方法，其特征在于，基于实时图像的世界参考系和用户的关节位置生成用户的姿态角度的步骤，包括：将用户的关节位置转换为姿态线；基于姿态线和世界参考系生成用户的姿态角度。
10.根据权利要求9所述的一种辅助用户至智能马桶的安全路径生成及跌倒判断方法，其特征在于，在颈关节位置和两个髋关节位置之间连线的中点之间构建连线或在颈关节位置和两个膝关节位置之间连线的中点之间构建连线或在颈关节位置和两个踝关节位置之间连线的中点之间构建连线可作为姿态线。
