CN106894481A - 一种基于智能马桶自动检测并清洁污垢方法及系统 - Google Patents

Abstract

本发明公开了一种基于智能马桶自动检测并清洁污垢方法，包括以下步骤：S1、采集马桶内部图像信息，根据采集的马桶内部图像信息对马桶内部进行区域划分，对马桶内部图像信息进行灰度处理，根据灰度处理结果对马桶内污垢进行检测以定位出污垢所在区域；S2、利用清洁装置对污垢所在区域进行清洁；S3、清洁结束后，再次采集马桶内部图像信息，并对马桶内部图像信息进行灰度处理；S4、根据步骤S3中灰度处理结果判断马桶内是否存在污垢；若不存在污垢，则停止清洁，若存在污垢，定位出污垢所在区域并重复步骤S2，直至步骤S3的灰度处理结果表明马桶内不存在污垢为止。

Description

一种基于智能马桶自动检测并清洁污垢方法及系统

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于智能马桶自动检测并清洁污垢方法及系统。

背景技术

随着现代科学的不断进步和发展，人们对物质生活水平的要求也越来越高，智能马桶得到很多的关注，智能马桶走进千家万户将是未来的发展趋势。为了使马桶使用起来更加卫生，而且不依靠人力对马桶进行洗刷，方便人们的使用。因此应用于智能马桶自动检测并清洁污垢方法的研究有着非常重要的意义。

目前针对智能马桶自动清洁的研究有很多，主要采用的方式如下：

1)马桶内部的前后喷头对马桶内侧进行冲洗。

2)马桶自动在内部喷洒除臭剂和清洁剂进行清洁。

目前的市场上的马桶自动清洁方式主要以冲水清洁为主，然而这种冲水式清洁效果并不是很好，无法彻底清洗干净，仍需要人用抹布或清洁刷进行清洗。

发明内容

基于背景技术存在的技术问题，本发明提出了一种基于智能马桶自动检测并清洁污垢方法及系统。

本发明提出的基于智能马桶自动检测并清洁污垢方法，包括以下步骤：

S1、采集马桶内部图像信息，根据采集的马桶内部图像信息对马桶内部进行区域划分，对马桶内部图像信息进行灰度处理，根据灰度处理结果对马桶内污垢进行检测以定位出污垢所在区域；

S2、利用清洁装置对污垢所在区域进行清洁；

S3、清洁结束后，再次采集马桶内部图像信息，并对马桶内部图像信息进行灰度处理；

S4、根据步骤S3中灰度处理结果判断马桶内是否存在污垢；若不存在污垢，则停止清洁；若存在污垢，定位出污垢所在区域并重复步骤S2、S3，直至步骤S3的灰度处理结果表明马桶内不存在污垢为止。

优选地，步骤S1具体包括对马桶内部图像信息进行灰度处理，根据灰度处理结果对马桶内污垢进行检测以定位出污垢所在区域；

优选地，采用SURF-ORB算法对马桶内污垢进行检测以定位出污垢所在区域，具体包括：

提取SURF特征点；对马桶内部图像信息进行灰度处理后，将其转化成积分图像I_Σ(x,y)：

采用高斯微分模板和图像的卷积转化为方框滤波的方式对上述积分图像进行滤波，构成图像金字塔，再通过Hessian矩阵对图像金字塔的各层进行相应极值点检测，得到马桶内部图像信息在相应空间的极值，若某一点的极值相对于其周围及上下尺度所有像素点的值最大或最小，则将该点作为候选特征点，然后分别在图像和尺度空间进行插值运算找出需要的特征点分布和尺度值，并识别特征点所在的区域，根据公式求得特征点的方向；

其中，图像检测Hessian矩阵为：

所述公式为：

通过ORB算法对SURF算法提取的具有尺度不变性的特征点进行描述得到描述子；

根据高斯分布，在SURF特征点像素领域内选择像素块对，经过RBF平滑处理后得到相应图像块的描述子分段函数τ；

选择m个(x_i,y_i)位置对，BRIEF描述子为一个包含m个二进制比较准则的矢量：

将得到的特征点的方向信息添加至描述子中求取特征描述子的方向，具体包括：在检测到的特征点位置对(x_i,y_i)定义一个矩阵Q：

定义特征点方向θ对应的旋转矩阵为R_θ，构造的特征点对矩阵为：

Q_θ＝R_θQ；

将特征点方向加到描述子中：

g_m(p,θ)＝f_m(p)|(x_i,y_i)∈Q_θ。

优选地，步骤S2具体包括利用清洁装置对污垢所在区域进行清洁；

优选地，采用嵌入式控制器控制清洁装置对污垢所在区域进行清洁；

优选地，所述清洁装置包括清洁刷、清洁剂储存单元、水储存单元；

清洁过程具体包括嵌入式控制器控制清洁刷移动到污垢所在区域内，并控制清洗剂储存单元对污垢所在区域喷洒清洗剂、水储存单元对污垢所在区域喷洒水，然后嵌入式控制器控制清洁刷对污垢所在区域进行刷洗。

优选地，步骤S4具体包括将步骤S1中灰度处理结果与步骤S3中灰度处理结果进行特征点匹配，若特征点匹配成功，表明污垢没有清理干净，马桶内还存在污垢，则利用清洁装置对污垢所在区域再次进行清洁，直至步骤S1中灰度处理结果与步骤S3中灰度处理结果进行特征点匹配不成功为止。

优选地，步骤S4中将步骤S1中灰度处理结果与步骤S3中灰度处理结果进行特征点匹配具体包括：

进行贪婪搜索以构成所需的特征描述子，再利用ORB算法提取出步骤S1中灰度处理结果以及步骤S3中灰度处理结果中的污垢关键点和特征描述子，计算出每两个关键点之间的最短和次最短汉明距离，当两个汉明距离的比例小于0.8且两个汉明距离均小于50时，则判定这两个关键点是匹配的。

本发明提出的基于智能马桶自动检测并清洁污垢系统，包括：

第一采集处理模块，用于采集马桶内部图像信息并对上述图像信息进行灰度处理；

第一检测模块，用于对第一采集处理模块的灰度处理结果进行检测以定位出污垢所在区域；

清洁模块，用于根据第一检测模块以及第二检测模块的检测结果对污垢所在区域进行清洁；

第二采集处理模块，用于在清洁模块工作完成后采集马桶内部图像信息并对上述图像信息进行灰度处理；

第二检测模块，用于根据第二采集处理模块的灰度处理结果判断马桶内是否存在污垢，且定位出污垢所在区域。

优选地，第一检测模块具体用于采用SURF-ORB算法对马桶内污垢进行检测以定位出污垢所在区域：

提取SURF特征点；对采集的马桶内部图像信息进行灰度处理后，将其转化成积分图像I_Σ(x,y)：

采用高斯微分模板和图像的卷积转化为方框滤波的方式对上述积分图像进行滤波，构成图像金字塔，再通过Hessian矩阵对图像金字塔的各层进行相应极值点检测，得到马桶内部图像信息在相应空间的极值，若某一点的极值相对于其周围及上下尺度所有像素点的值最大或最小，则将该点作为候选特征点，然后分别在图像和尺度空间进行插值运算找出需要的特征点分布和尺度值，并识别特征点所在的区域，根据公式求得特征点的方向；

其中，图像检测Hessian矩阵为：

所述公式为：

通过ORB算法对SURF算法提取的具有尺度不变性的特征点进行描述得到描述子；

根据高斯分布，在SURF特征点像素领域内选择像素块对，经过RBF平滑处理后得到相应图像块的描述子分段函数τ；

选择m个(x_i,y_i)位置对，BRIEF描述子为一个包含m个二进制比较准则的矢量：

将得到的特征点的方向信息添加至描述子中求取特征描述子的方向，具体包括：在检测到的特征点位置对(x_i,y_i)定义一个矩阵Q：

定义特征点方向θ对应的旋转矩阵为R_θ，构造的特征点对矩阵为：

Q_θ＝R_θQ；

将特征点方向加到描述子中：

g_m(p,θ)＝f_m(p)|(x_i,y_i)∈Q_θ。

优选地，所述清洁模块包括清洁刷、清洁剂储存单元、水储存单元；

清洁过程具体包括清洁刷移动到污垢所在区域内，清洗剂储存单元对污垢所在区域喷洒清洗剂、水储存单元对污垢所在区域喷洒水，然后清洁刷对污垢所在区域进行刷洗。

优选地，第二检测模块具体采用将第一采集处理模块的灰度处理结果与第二采集处理模块的灰度处理结果进行特征点匹配的方式来判断马桶内是否存在污垢，若特征点匹配成功则表明马桶内还存在污垢。

优选地，第二检测模块具体用于：

进行贪婪搜索以构成所需的特征描述子，再利用ORB算法提取出第一采集处理模块的灰度处理结果以及第二采集处理模块的灰度处理结果中的污垢关键点和特征描述子，计算出每两个关键点之间的最短和次最短汉明距离，当两个汉明距离的比例小于0.8且两个汉明距离均小于50时，则判定这两个关键点是匹配的。

本发明首先对马桶内部图像信息进行进行采集并对采集的图像信息进行灰度处理，根据灰度处理结果对马桶内污垢进行检测以定位出污垢所在的区域，定位出污垢所在区域后，利用清洁装置对污垢所在区域进行清洁，使马桶内的污垢能及时的被清理干净；为确保马桶内的污垢是否已清理干净，本发明继续对马桶内部图像信息进行采集且对采集的图像信息进行灰度处理，再根据灰度处理的结果判断马桶内是否存在污垢，若不存在污垢，表明马桶内污垢已被清理干净，达到了清洁的效果；若存在污垢，表明马桶内的污垢在第一次清洁过程中没有清洁干净，此时再次利用清洁装置对污垢所在区域进行清洁，清洁完成后，再次对马桶内部图像进行采集且判断，直至判断结果表明马桶内不存在污垢时停止清洁动作，如此，对马桶内部图像信息进行多次采集和检测，可对清洁装置进行的清洁工作进行检查，防止出现马桶内某位置污垢难以清洁导致马桶清洁不干净的情况发生，提高了对马桶内污垢清洁的效果；进一步地，本发明对马桶内部进行区域划分，当马桶内有污垢时，定位出污垢所在的区域，再利用清洁装置对污垢所在区域进行针对性的清洁，保证了对马桶内污垢进行清洁的针对性，从而提高了对马桶内污垢的清洁效果，同时避免了在清洁过程中清洁用品的浪费。

附图说明

图1为一种基于智能马桶自动检测并清洁污垢方法的步骤示意图；

图2为一种基于智能马桶自动检测并清洁污垢系统的结构示意图。

具体实施方式

如图1所示，图1为本发明提出的一种基于智能马桶自动检测并清洁污垢方法。

参照图1，本发明提出的基于智能马桶自动检测并清洁污垢方法，包括以下步骤：

S1、采集马桶内部图像信息，根据采集的马桶内部图像信息对马桶内部进行区域划分，对马桶内部图像信息进行灰度处理，根据灰度处理结果对马桶内污垢进行检测以定位出污垢所在区域；

对采集的马桶内部图像信息进行灰度处理，再根据上述灰度处理结果对马桶内污垢进行检测以定位出污垢所在区域；

优选地，采用SURF-ORB算法对马桶内污垢进行检测以定位出污垢所在区域，具体包括：

提取SURF特征点；对采集的马桶内部图像信息进行灰度处理后，将其转化成积分图像I_Σ(x,y)：

采用高斯微分模板和图像的卷积转化为方框滤波的方式对上述积分图像进行滤波，构成图像金字塔，再通过Hessian矩阵对图像金字塔的各层进行相应极值点检测，得到马桶内部图像信息在相应空间的极值，实现在以极值点为中心的3×3×3立体区域内非极大值抑制，若某一点的极值相对于其周围及上下尺度所有像素点的值最大或者最小，则称该点为候选特征点，然后分别在图像和尺度空间进行插值运算找出需要的特征点分布和尺度值，并识别特征点所在的区域，根据下述公式求得特征点的方向；

其中，图像检测Hessian矩阵为：

所述公式为：

通过ORB算法对SURF算法提取的具有尺度不变性的特征点进行描述得到描述子；

根据高斯分布，在SURF特征点像素领域内选择像素块对，经过RBF平滑处理后得到相应图像块的描述子分段函数τ；

选择m个(x_i,y_i)位置对，BRIEF描述子为一个包含m个二进制比较准则的矢量：

将得到的特征点的方向信息添加至描述子中求取特征描述子的方向，具体包括：在检测到的特征点位置对(x_i,y_i)定义一个矩阵Q：

定义特征点方向θ对应的旋转矩阵为R_θ，构造的特征点对矩阵为：

Q_θ＝R_θQ；

将特征点方向加到描述子中：

g_m(p,θ)＝f_m(p)|(x_i,y_i)∈Q_θ。

S2、利用清洁装置对污垢所在区域进行清洁；

本实施方式中，利用清洁装置对污垢所在区域进行清洁时：采用嵌入式控制器控制清洁装置对污垢所在区域进行清洁；所述清洁装置包括清洁刷、清洁剂储存单元、水储存单元；

清洁过程具体包括嵌入式控制器控制清洁刷移动到污垢所在区域内，并控制清洗剂储存单元对污垢所在区域喷洒清洗剂、水储存单元对污垢所在区域喷洒水，然后嵌入式控制器控制清洁刷对污垢所在区域进行刷洗；如此，通过对马桶内污垢进行定位，然后针对性的对污垢所在区域进行针对性的清洁，有利于提高对马桶内污垢的清洁效果。

S3、清洁结束后，再次采集马桶内部图像信息，并对上述图像信息进行灰度处理；有利于根据上述灰度处理结果来判断马桶在清洁结束后是否仍然存在污垢；

S4、根据步骤S3中灰度处理结果判断马桶内是否存在污垢；若不存在污垢，则停止清洁；若存在污垢，定位出污垢所在区域并重复步骤S2、S3，直至步骤S3的灰度处理结果表明马桶内不存在污垢为止，如此，通过采集马桶内的图像信息，再对马桶内部图像信息进行灰度处理，再根据灰度处理结果来判断马桶内是否存在污垢，如此重复检测保证了对马桶内污垢检测的精确性，直至马桶内部图像信息的灰度结果表明马桶内没有污垢时才停止清洁，保证了清洁的有效性。

其中，根据步骤S3中灰度处理结果判断马桶内是否存在污垢具体包括将步骤S1中灰度处理结果与步骤S3中灰度处理结果进行特征点匹配，若特征点匹配成功，表明污垢没有清理干净，马桶内还存在污垢，则利用清洁装置对污垢所在区域再次进行清洁，直至步骤S1中灰度处理结果与步骤S3中灰度处理结果进行特征点匹配不成功为止；其中，将步骤S1中灰度处理结果与步骤S3中灰度处理结果进行特征点匹配具体包括：

进行贪婪搜索以构成所需的特征描述子，再利用ORB算法提取出步骤S1中灰度处理结果以及步骤S3中灰度处理结果中的污垢关键点和特征描述子，计算出每两个关键点之间的最短和次最短汉明距离，当两个汉明距离的比例小于0.8且两个汉明距离均小于50时，则判定这两个关键点是匹配的。

在清洁装置完成清洁后，再次对马桶内部图像信息进行采集和检测，且将之前拍摄的图像信息与现在所拍摄到的图像信息进行特征点匹配，若特征点匹配成功，说明污垢没有清理干净，控制器将控制清洁刷对该清洁区域再次进行清洁，以此循环往复，直至污垢清理干净为止；采用上述循环往复的方式，可保证马桶内的污垢被清洁干净，避免对马桶进行几次清洁后仍存在污垢的情况发生，提高了对马桶内污垢的清洁效果，同时保证了本方法的清洁效果。

如图2所示，图2为本发明提出的一种基于智能马桶自动检测并清洁污垢系统。

参照图2，本发明提出的基于智能马桶自动检测并清洁污垢系统，包括：

第一采集处理模块，用于采集马桶内部图像信息并对上述图像信息进行灰度处理；

第一检测模块，用于对第一采集处理模块的灰度处理结果进行检测以定位出污垢所在区域；第一检测模块采用SURF-ORB算法对马桶内污垢进行检测以定位出污垢所在区域，具体包括：

提取SURF特征点；对采集的马桶内部图像信息进行灰度处理后，将其转化成积分图像I_Σ(x,y)：

采用高斯微分模板和图像的卷积转化为方框滤波的方式对上述积分图像进行滤波，构成图像金字塔，再通过Hessian矩阵对图像金字塔的各层进行相应极值点检测，得到马桶内部图像信息在相应空间的极值，若某一点的极值相对于其周围及上下尺度所有像素点的值最大或者最小，则称该点为候选特征点，然后分别在图像和尺度空间进行插值运算找出需要的特征点分布和尺度值，并识别特征点所在的区域，根据下述公式求得特征点的方向；

其中，图像检测Hessian矩阵为：

所述公式为：

通过ORB算法对SURF算法提取的具有尺度不变性的特征点进行描述得到描述子；

根据高斯分布，在SURF特征点像素领域内选择像素块对，经过RBF平滑处理后得到相应图像块的描述子分段函数τ；

选择m个(x_i,y_i)位置对，BRIEF描述子为一个包含m个二进制比较准则的矢量：

将得到的特征点的方向信息添加至描述子中求取特征描述子的方向，具体包括：在检测到的特征点位置对(x_i,y_i)定义一个矩阵Q：

定义特征点方向θ对应的旋转矩阵为R_θ，构造的特征点对矩阵为：

Q_θ＝R_θQ；

将特征点方向加到描述子中：

g_m(p,θ)＝f_m(p)|(x_i,y_i)∈Q_θ。

清洁模块，用于根据第一检测模块以及第二检测模块的检测结果对污垢所在区域进行清洁；所述清洁模块包括清洁刷、清洁剂储存单元、水储存单元；

具体清洁过程包括清洁刷移动到污垢所在区域内，清洗剂储存单元对污垢所在区域喷洒清洗剂、水储存单元对污垢所在区域喷洒水，然后清洁刷对污垢所在区域进行刷洗；如此针对污垢所在区域对马桶内的污垢进行清洁，提高了对马桶内污垢清洁的针对性，有利于提高对马桶内污垢的清洁效果。

第二采集处理模块，用于在清洁模块工作完成后采集马桶内部图像信息并对上述图像信息进行灰度处理；第二检测模块采用将第一采集处理模块的灰度处理结果与第二采集处理模块的灰度处理结果进行特征点匹配的方式来判断马桶内是否存在污垢，若特征点匹配成功则表明马桶内还存在污垢；其中，第二检测模块采用将第一采集处理模块的灰度处理结果与第二采集处理模块的灰度处理结果进行特征点匹配时，具体包括：

进行贪婪搜索以构成所需的特征描述子，再利用ORB算法提取出第一采集处理模块的灰度处理结果以及第二采集处理模块的灰度处理结果中的污垢关键点和特征描述子，计算出每两个关键点之间的最短和次最短汉明距离，当两个汉明距离的比例小于0.8且两个汉明距离均小于50时，则判定这两个关键点是匹配的。

第二检测模块，用于根据第二采集处理模块的灰度处理结果判断马桶内是否存在污垢，且定位出污垢所在区域，定位出污垢所在区域后，清洁装置则对污垢所在区域进行针对性的清洁，提高整个清洁过程的针对性和有效性。

首先对马桶内部图像信息进行进行采集并对采集的图像信息进行灰度处理，根据灰度处理结果对马桶内污垢进行检测以定位出污垢所在的区域，定位出污垢所在区域后，利用清洁装置对污垢所在区域进行清洁，使马桶内的污垢能及时的被清理干净；为确保马桶内的污垢是否已清理干净，继续对马桶内部图像信息进行采集且对采集的图像信息进行灰度处理，再根据灰度处理的结果判断马桶内是否存在污垢，若不存在污垢，表明马桶内污垢已被清理干净，达到了清洁的效果；若存在污垢，表明马桶内的污垢在第一次清洁过程中没有清洁干净，此时再次利用清洁装置对污垢所在区域进行清洁，清洁完成后，再次对马桶内部图像进行采集且判断，直至判断结果表明马桶内不存在污垢时停止清洁动作，如此，对马桶内部图像信息进行多次采集和检测，可对清洁装置进行的清洁工作进行检查，防止出现马桶内某位置污垢难以清洁导致马桶清洁不干净的情况发生，提高了对马桶内污垢清洁的效果；进一步地，对马桶内部进行区域划分，当马桶内有污垢时，定位出污垢所在的区域，再利用清洁装置对污垢所在区域进行针对性的清洁，保证了对马桶内污垢进行清洁的针对性，从而提高了对马桶内污垢的清洁效果，同时避免了在清洁过程中清洁用品的浪费。

本实施方式中，通过SURF-ORB算法对马桶内污垢进行检测，识别出污垢在马桶内的哪个区域，再利用清洁装置对污垢所在区域里的所有污垢进行多次清洁，直到清洁干净为止。可以有效避地清理干净马桶里的污垢，保证马桶的干净卫生，预防病菌的滋生，也提供一个健康、卫生、清洁的如厕环境。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于智能马桶自动检测并清洁污垢方法，其特征在于，包括以下步骤：

S1、采集马桶内部图像信息，根据采集的马桶内部图像信息对马桶内部进行区域划分，对马桶内部图像信息进行灰度处理，根据灰度处理结果对马桶内污垢进行检测以定位出污垢所在区域；

S2、利用清洁装置对污垢所在区域进行清洁；

S3、清洁结束后，再次采集马桶内部图像信息，并对马桶内部图像信息进行灰度处理；

S4、根据步骤S3中灰度处理结果判断马桶内是否存在污垢；若不存在污垢，则停止清洁；若存在污垢，定位出污垢所在区域并重复步骤S2、S3，直至步骤S3的灰度处理结果表明马桶内不存在污垢为止。

2.根据权利要求1所述的基于智能马桶自动检测并清洁污垢方法，其特征在于，步骤S1具体包括对马桶内部图像信息进行灰度处理，根据灰度处理结果对马桶内污垢进行检测以定位出污垢所在区域；

优选地，采用SURF-ORB算法对马桶内污垢进行检测以定位出污垢所在区域，具体包括：

提取SURF特征点；对马桶内部图像信息进行灰度处理后，将其转化成积分图像I_Σ(x,y)：

$I_{\mathrm{\Σ}}(x,y)=\underset{i=0}{\overset{i\≤x}{\Σ}}\underset{j=0}{\overset{j\≤y}{\Σ}}G(i,j);$

采用高斯微分模板和图像的卷积转化为方框滤波的方式对上述积分图像进行滤波，构成图像金字塔，再通过Hessian矩阵对图像金字塔的各层进行相应极值点检测，得到马桶内部图像信息在相应空间的极值，若某一点的极值相对于其周围及上下尺度所有像素点的值最大或最小，则将该点作为候选特征点，然后分别在图像和尺度空间进行插值运算找出需要的特征点分布和尺度值，并识别特征点所在的区域，根据公式求得特征点的方向；

其中，图像检测Hessian矩阵为：

$H(x,\mathrm{\σ})=\left[\begin{array}{cc}{L}_{xx}(x,\mathrm{\σ})& L_{xy}(x,\mathrm{\σ})\\ L_{xy}(x,\mathrm{\σ})& L_{yy}(x,\mathrm{\σ})\end{array}\right];$

所述公式为：

$\mathrm{\θ}=\arctan \left(\frac{m_{01}}{m_{10}}\right)=\arctan \left(\frac{\underset{x,y}{\Σ}yI(x,y)}{\underset{x,y}{\Σ}xI(x,y)}\right);$

通过ORB算法对SURF算法提取的具有尺度不变性的特征点进行描述得到描述子；

根据高斯分布，在SURF特征点像素领域内选择像素块对，经过RBF平滑处理后得到相应图像块的描述子分段函数τ；

$\mathrm{\&tau;}(p;x,y)=\left\{\begin{array}{cc}1& ifp\left(x\right)-p\left(y\right)<0\\ 0& eles\end{array}\right.;$

选择m个(x_i,y_i)位置对，BRIEF描述子为一个包含m个二进制比较准则的矢量：

$f_n\left(p\right)=\underset{1\&le;i\&le;m}{\&Sigma;}{2}^{i-1}\mathrm{\&tau;}(p;x_i,y_i);$

将得到的特征点的方向信息添加至描述子中求取特征描述子的方向，具体包括：在检测到的特征点位置对(x_i,y_i)定义一个矩阵Q：

$Q=\left[\begin{array}{c}{x}_1,x_2,...,x_{m-1},x_m\\ y_1,y_2,...,y_{m-1},y_m\end{array}\right];$

定义特征点方向θ对应的旋转矩阵为R_θ，构造的特征点对矩阵为：

Q_θ＝R_θQ；

将特征点方向加到描述子中：

g_m(p,θ)＝f_m(p)|(x_i,y_i)∈Q_θ。

3.根据权利要求1所述的基于智能马桶自动检测并清洁污垢方法，其特征在于，步骤S2具体包括利用清洁装置对污垢所在区域进行清洁；

优选地，采用嵌入式控制器控制清洁装置对污垢所在区域进行清洁；

优选地，所述清洁装置包括清洁刷、清洁剂储存单元、水储存单元；

清洁过程具体包括嵌入式控制器控制清洁刷移动到污垢所在区域内，并控制清洗剂储存单元对污垢所在区域喷洒清洗剂、水储存单元对污垢所在区域喷洒水，然后嵌入式控制器控制清洁刷对污垢所在区域进行刷洗。

4.根据权利要求1所述的基于智能马桶自动检测并清洁污垢方法，其特征在于，步骤S4具体包括：将步骤S1中灰度处理结果与步骤S3中灰度处理结果进行特征点匹配，若特征点匹配成功，表明污垢没有清理干净，马桶内还存在污垢，则利用清洁装置对污垢所在区域再次进行清洁，直至步骤S1中灰度处理结果与步骤S3中灰度处理结果进行特征点匹配不成功为止。

5.根据权利要求4所述的基于智能马桶自动检测并清洁污垢方法，其特征在于，步骤S4中将步骤S1中灰度处理结果与步骤S3中灰度处理结果进行特征点匹配具体包括：

进行贪婪搜索以构成所需的特征描述子，再利用ORB算法提取出步骤S1中灰度处理结果以及步骤S3中灰度处理结果中的污垢关键点和特征描述子，计算出每两个关键点之间的最短和次最短汉明距离，当两个汉明距离的比例小于0.8且两个汉明距离均小于50时，则判定这两个关键点是匹配的。

6.一种基于智能马桶自动检测并清洁污垢系统，其特征在于，包括：

第一采集处理模块，用于采集马桶内部图像信息并对上述图像信息进行灰度处理；

第一检测模块，用于对第一采集处理模块的灰度处理结果进行检测以定位出污垢所在区域；

清洁模块，用于根据第一检测模块以及第二检测模块的检测结果对污垢所在区域进行清洁；

第二采集处理模块，用于在清洁模块工作完成后采集马桶内部图像信息并对上述图像信息进行灰度处理；

第二检测模块，用于根据第二采集处理模块的灰度处理结果判断马桶内是否存在污垢，且定位出污垢所在区域。

7.根据权利要求6所述的基于智能马桶自动检测并清洁污垢系统，其特征在于，第一检测模块具体用于采用SURF-ORB算法对马桶内污垢进行检测以定位出污垢所在区域：

提取SURF特征点；对采集的马桶内部图像信息进行灰度处理后，将其转化成积分图像I_Σ(x,y)：

$I_{\mathrm{\&Sigma;}}(x,y)=\underset{i=0}{\overset{i\&le;x}{\&Sigma;}}\underset{j=0}{\overset{j\&le;y}{\&Sigma;}}G(i,j);$

采用高斯微分模板和图像的卷积转化为方框滤波的方式对上述积分图像进行滤波，构成图像金字塔，再通过Hessian矩阵对图像金字塔的各层进行相应极值点检测，得到马桶内部图像信息在相应空间的极值，若某一点的极值相对于其周围及上下尺度所有像素点的值最大或最小，则将该点作为候选特征点，然后分别在图像和尺度空间进行插值运算找出需要的特征点分布和尺度值，并识别特征点所在的区域，根据公式求得特征点的方向；

其中，图像检测Hessian矩阵为：

$H(x,\mathrm{\&sigma;})=\left[\begin{array}{cc}{L}_{xx}(x,\mathrm{\&sigma;})& L_{xy}(x,\mathrm{\&sigma;})\\ L_{xy}(x,\mathrm{\&sigma;})& L_{yy}(x,\mathrm{\&sigma;})\end{array}\right];$

所述公式为：

$\mathrm{\&theta;}=\arctan \left(\frac{m_{01}}{m_{10}}\right)=\arctan \left(\frac{\underset{x,y}{\&Sigma;}yI(x,y)}{\underset{x,y}{\&Sigma;}xI(x,y)}\right);$

通过ORB算法对SURF算法提取的具有尺度不变性的特征点进行描述得到描述子；

根据高斯分布，在SURF特征点像素领域内选择像素块对，经过RBF平滑处理后得到相应图像块的描述子分段函数τ；

$\mathrm{\&tau;}(p;x,y)=\left\{\begin{array}{cc}1& ifp\left(x\right)-p\left(y\right)<0\\ 0& eles\end{array}\right.;$

选择m个(x_i,y_i)位置对，BRIEF描述子为一个包含m个二进制比较准则的矢量：

$f_n\left(p\right)=\underset{1\&le;i\&le;m}{\&Sigma;}{2}^{i-1}\mathrm{\&tau;}(p;x_i,y_i);$

将得到的特征点的方向信息添加至描述子中求取特征描述子的方向，具体包括：在检测到的特征点位置对(x_i,y_i)定义一个矩阵Q：

$Q=\left[\begin{array}{c}{x}_1,x_2,...,x_{m-1},x_m\\ y_1,y_2,...,y_{m-1},y_m\end{array}\right];$

定义特征点方向θ对应的旋转矩阵为R_θ，构造的特征点对矩阵为：

Q_θ＝R_θQ；

将特征点方向加到描述子中：

g_m(p,θ)＝f_m(p)|(x_i,y_i)∈Q_θ。

8.根据权利要求6所述的基于智能马桶自动检测并清洁污垢系统，其特征在于，所述清洁模块包括清洁刷、清洁剂储存单元、水储存单元；

清洁过程具体包括清洁刷移动到污垢所在区域内，清洗剂储存单元对污垢所在区域喷洒清洗剂、水储存单元对污垢所在区域喷洒水，然后清洁刷对污垢所在区域进行刷洗。

9.根据权利要求6所述的基于智能马桶自动检测并清洁污垢系统，其特征在于，第二检测模块具体采用将第一采集处理模块的灰度处理结果与第二采集处理模块的灰度处理结果进行特征点匹配的方式来判断马桶内是否存在污垢，若特征点匹配成功则表明马桶内还存在污垢。

10.根据权利要求9所述的基于智能马桶自动检测并清洁污垢系统，其特征在于，第二检测模块具体用于：

进行贪婪搜索以构成所需的特征描述子，再利用ORB算法提取出第一采集处理模块的灰度处理结果以及第二采集处理模块的灰度处理结果中的污垢关键点和特征描述子，计算出每两个关键点之间的最短和次最短汉明距离，当两个汉明距离的比例小于0.8且两个汉明距离均小于50时，则判定这两个关键点是匹配的。