CN111684487A - 清洗方法、清洗控制系统、计算机可读存储介质、清洗系统、光学传感器及可移动平台 - Google Patents
清洗方法、清洗控制系统、计算机可读存储介质、清洗系统、光学传感器及可移动平台 Download PDFInfo
- Publication number
- CN111684487A CN111684487A CN201980008957.1A CN201980008957A CN111684487A CN 111684487 A CN111684487 A CN 111684487A CN 201980008957 A CN201980008957 A CN 201980008957A CN 111684487 A CN111684487 A CN 111684487A
- Authority
- CN
- China
- Prior art keywords
- dirty
- image data
- cleaning
- image
- reaches
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004140 cleaning Methods 0.000 title claims abstract description 174
- 238000000034 method Methods 0.000 title claims abstract description 87
- 230000003287 optical effect Effects 0.000 title claims abstract description 75
- 230000007246 mechanism Effects 0.000 claims abstract description 33
- 238000011109 contamination Methods 0.000 claims description 50
- 239000012530 fluid Substances 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 8
- 239000007788 liquid Substances 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 230000000149 penetrating effect Effects 0.000 claims description 3
- 239000011521 glass Substances 0.000 claims description 2
- 239000011248 coating agent Substances 0.000 claims 1
- 238000000576 coating method Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 claims 1
- 238000002347 injection Methods 0.000 claims 1
- 239000007924 injection Substances 0.000 claims 1
- 238000002360 preparation method Methods 0.000 claims 1
- 238000012216 screening Methods 0.000 claims 1
- 239000007921 spray Substances 0.000 claims 1
- 238000005406 washing Methods 0.000 description 11
- 238000007639 printing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000010926 purge Methods 0.000 description 8
- 230000015572 biosynthetic process Effects 0.000 description 6
- 239000002689 soil Substances 0.000 description 6
- 239000002699 waste material Substances 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000002956 ash Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- -1 leaves Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60S—SERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
- B60S1/00—Cleaning of vehicles
- B60S1/02—Cleaning windscreens, windows or optical devices
- B60S1/56—Cleaning windscreens, windows or optical devices specially adapted for cleaning other parts or devices than front windows or windscreens
- B60S1/60—Cleaning windscreens, windows or optical devices specially adapted for cleaning other parts or devices than front windows or windscreens for signalling devices, e.g. reflectors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/94—Investigating contamination, e.g. dust
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/50—Constructional details
- H04N23/55—Optical parts specially adapted for electronic image sensors; Mounting thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Abstract
一种清洗方法、清洗控制系统、计算机可读存储介质、清洗系统、光学传感器及可移动平台。清洗方法应用于光学传感器,光学传感器设有位于外侧的透光面,光学传感器用于通过透光面获取外部图像,并根据获取的外部图像生成相应的图像数据。清洗方法包括:获取光学传感器生成的图像数据(101);将图像数据与图像参考数据进行比较,确定图像数据是否包括脏污图像数据(102);若图像数据包括脏污图像数据,则确定脏污图像数据是否达到脏污程度阈值(103);及若确定脏污图像数据达到脏污程度阈值,则控制清洗机构清洗透光面(104)。
Description
技术领域
本申请涉及清洗领域,尤其涉及一种清洗方法、清洗控制系统、计算机可读存储介质、清洗系统、光学传感器及可移动平台。
背景技术
光学传感器包括依据光学原理进行测量的传感器,可用于工业、汽车、电子和零售自动化等产品中,而且由于光学传感器具有非接触、响应快、性能可靠等特点,尤其在工业自动化装置和机器人中获得广泛应用。在使用中,光学传感器的透光面不可避免的会出现脏污的状况,因此需要对光学传感器的透光面进行清洗。
发明内容
本申请提供改进的清洗方法、清洗控制系统、计算机可读存储介质、清洗系统、光学传感器及可移动平台。
根据本申请实施例的一个方面,提供一种清洗方法,应用于光学传感器,所述光学传感器设有位于外侧的透光面,所述光学传感器用于通过所述透光面获取外部图像,并根据获取的所述外部图像生成相应的图像数据;所述清洗方法包括:获取所述光学传感器生成的所述图像数据;将所述图像数据与图像参考数据进行比较,确定所述图像数据是否包括脏污图像数据;若所述图像数据包括所述脏污图像数据,则确定所述脏污图像数据是否达到脏污程度阈值;及若确定所述脏污图像数据达到所述脏污程度阈值,则控制清洗机构清洗所述透光面。
根据本申请实施例的另一个方面,提供一种清洗控制系统,其特征在于,包括一个或多个处理器,用于实现清洗方法。
根据本申请实施例的另一个方面,提供一种计算机可读存储介质,其特征在于,其上存储有程序,该程序被处理器执行时,实现清洗方法。
根据本申请实施例的另一个方面,提供一种清洗系统,包括:清洗机构;及清洗控制系统。
根据本申请实施例的另一个方面,提供一种光学传感器,包括:透光面;图像处理模块,用于获取透过所述透光面的外部图像,根据获取的所述外部图像生成相应的图像数据;及清洗系统。
根据本申请实施例的另一个方面,提供一种可移动平台,包括:机体;动力系统,设于所述机体,用于为所述可移动平台提供动力;光学传感器,设于所述机体;及清洗系统。
本申请可以有效确定脏污是否影响成像质量,在脏污影响成像质量时,及时地清洗透光面。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1所示为本申请清洗方法的一个实施例的流程图。
图2所示为本申请清洗系统的一个实施例的原理框图。
图3所示为本申请光学传感器和清洁机构的清洁执行装置的一个实施例的立体示意图。
图4所示为图3所示的光学传感器和清洁执行装置的立体分解示意图。
图5所示为本申请清洗系统的清洗控制系统的一个实施例的模块框图。
图6所示为本申请光学传感器的一个实施例的模块框图。
图7所示为本申请可移动平台的一个实施例的示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。除非另行指出,“前部”、“后部”、“下部”和/或“上部”等类似词语只是为了便于说明,而并非限于一个位置或者一种空间定向。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而且可以包括电性的连接,不管是直接的还是间接的。“多个”或者“若干”等类似词语表示两个及两个以上。
本申请实施例的清洗方法,应用于光学传感器,光学传感器设有位于外侧的透光面,光学传感器用于通过透光面获取外部图像,并根据获取的外部图像生成相应的图像数据。光学传感器可以包括各种形式的雷达,例如激光雷达、毫米波雷达等,单目摄像头、双目摄像头、红外传感器、紫外传感器等。该光学传感器可应用于普通车辆、自动驾驶车辆、无人飞行器等可移动平台。
清洗方法包括:获取光学传感器生成的图像数据;将图像数据与图像参考数据进行比较,确定图像数据是否包括脏污图像数据;若图像数据包括脏污图像数据,则确定脏污图像数据是否达到脏污程度阈值;及若确定脏污图像数据达到脏污程度阈值,则控制清洗机构清洗透光面。
通过本申请实施例的清洗方法,可以对透光面进行自动清洗,无需人工进行干预,清洗过程简单高效,且不会对其它模块造成影响。尤其当光学传感器数量多和/或安装位置较隐蔽时,该清洗方法显得尤为便利。
相关技术中,通过获取图像的像素,得知与脏污对应的像素的数量,进而根据脏污对应的像素的数量确定是否对透光面进行清洗。然而,这种方法无法有效确定脏污是否会影响成像质量,因此不能对透光面进行有效的清洗。本申请实施例的清洗方法包括若图像数据包括脏污图像数据,确定脏污图像数据是否达到脏污程度阈值,若脏污图像数据达到脏污程度阈值,则对透光面进行清洗。脏污图像数据达到脏污程度阈值时,表示脏污影响到图像质量,需要对透光面进行清洗,如此可以有效确定脏污是否影响成像质量,在脏污影响成像质量时,及时地清洗透光面,以保证图像质量,且可以避免或降低在脏污程度没有影响图像质量时,对透光面进行清洗而造成清洁介质等资源的浪费。
本申请实施例的清洗控制系统包括一个或多个处理器,用于实现清洗方法。本申请实施例的计算机可读存储介质,其上存储有程序,该程序被处理器执行时,实现清洗方法。本申请实施例的清洗系统包括清洗机构及清洗控制系统。本申请实施例的光学传感器包括透光面、图像处理模块及清洗系统。图像处理模块用于获取透过透光面的外部图像,根据获取的外部图像生成相应的图像数据。本申请实施例的可移动平台包括机体、动力系统、光学传感器和清洗系统。动力系统设于机体,用于为可移动平台提供动力。光学传感器设于机体。
图1所示为清洗方法100的一个实施例的流程图。清洗方法100应用于光学传感器,光学传感器设有位于外侧的透光面,光学传感器用于通过透光面获取外部图像,并根据获取的外部图像生成相应的图像数据。光学传感器可以包括镜头,镜头包括透光面。外部光线可以穿过透光面,进入光学传感器内,光学传感器可以将光信号转换为电信号。在一些实施例中,光学传感器可以通过视觉算法对获取的外部图像进行图像处理,将外部图像转换为图像数据。在一些实施例中,光学传感器可以用于相机、摄像机、摄像头等。
清洗方法100包括步骤101-104。在步骤101中,获取光学传感器生成的图像数据。图像数据可以包括像素值。
在步骤102中,将图像数据与图像参考数据进行比较,确定图像数据是否包括脏污图像数据。
在一些实施例中,图像参考数据可以预先存储于数据库中。在产品设计时,可以对光学传感器获取的不同的外部图像进行搜集,并生成相应的图像数据,对大量的图像数据进行分析处理并记录在数据库中,作为至少一部分的图像参考数据。
在一些实施例中,图像参考数据包括脏污图像参考数据和无脏污图像参考数据中的至少一者。在一些实施例中,可以对多张无脏污的外部图像进行搜集,并生成相应的无脏污的图像数据,对大量的无脏污的图像数据进行处理并记录在数据库中,作为无脏污图像参考数据。在一些实施例中,可以对多张不同脏污程度的外部图像进行搜集,并生成相应的图像数据,对大量的图像数据进行处理并记录在数据库中,作为脏污图像参考数据。在一些实施例中,可以在方法执行过程中更新数据库中的图像参考数据。
在一些实施例中,通过将图像数据的像素值和图像参考数据的像素值进行对比,确定图像数据是否包括脏污图像数据。图像质量与像素值关系紧密,像素值可以直接体现图像质量,通过比对像素值,可以准确、简单地确定图像数据是否包括脏污图像数据。
在一些实施例中,当图像数据与图像参考数据的像素值不相等时,则确定图像数据为脏污图像数据。图像参考数据可以包括无脏污图像参考数据和/或其他与脏污图像参考数据不同的数据。比较脏污图像数据的像素值和图像参考数据的像素值,若不相等,确定图像数据为脏污图像数据。如此可以简单准确地确定图像数据是否为脏污图像数据。在一个实施例中,图像参考数据可以包括多个离散的数据,图像数据与每个离散的数据的像素值均不相等时,则确定图像数据为脏污图像数据。在另一个实施例中,图像参考数据可以包括数据范围。图像数据与图像参考数据的数据范围内的数据的像素值均不相等,即图像数据不在数据范围内时,确定图像数据为脏污图像数据。
在另一些实施例中,当图像数据与图像参考数据的像素值的数据差值达到差值阈值时,则确定图像数据为脏污图像数据。图像参考数据可以包括无脏污图像参考数据和/或其他与脏污图像参考数据不同的数据。如此,允许一定的误差裕度,尤其是在图像参考数据的数据量不够多时,可以较准确地确定图像数据是否为脏污图像数据。在一个实施例中,图像参考数据可以包括多个离散的数据,图像数据与每个离散的数据的像素值的差值均达到差值阈值时,则确定图像数据为脏污图像数据。在另一个实施例中,图像参考数据可以包括数据范围。图像数据与图像参考数据的数据范围的端点像素值的差值达到差值阈值时,确定图像数据为脏污图像数据。
在一些实施例中,通过将图像数据和图像参考数据的脏污图像参考数据和无脏污图像参考数据中的至少一者进行对比,确定图像数据是否包括脏污图像数据。脏污图像参考数据和无脏污图像参考数据不同,可以用于区分脏污图像和无脏污图像。在一个实施例中,可以通过将图像数据的像素值和图像参考数据的脏污图像参考数据的像素值和无脏污图像参考数据的像素值中的至少一者进行对比,确定图像数据是否包括脏污图像数据。
在一个实施例中,通过将图像数据和无脏污图像参考数据进行对比,确定图像数据是否包括脏污图像数据。若图像数据与无脏污图像参考数据匹配,确定图像数据为无脏污图像数据,否则确定图像数据为脏污图像数据。不同的脏污状况较多较复杂,相对于脏污图像数据的采集,无脏污图像数据的采集更准确、方便,因此通过将图像数据和无脏污图像参考数据进行对比,可以更准确地确定图像数据是否包括脏污图像数据。在一个实施例中,当图像数据与无脏污图像参考数据的像素值不相等时,说明图像数据与无脏污图像参考数据不匹配,则确定图像数据为脏污图像数据。在另一个实施例中,当图像数据与无脏污图像参考数据的像素值的数据差值达到差值阈值时,说明图像数据与无脏污图像参考数据不匹配,则确定图像数据为脏污图像数据。详细描述参见上文。若光学传感器生成的多个图像数据中至少一个图像数据与无脏污图像参考数据不匹配,确定光学传感器生成的多个图像数据包括脏污图像数据。
在另一个实施例中,通过将图像数据和脏污图像参考数据进行对比,确定图像数据是否包括脏污图像数据。若图像数据与脏污图像参考数据匹配,确定图像数据为脏污图像数据,否则确定图像数据为无脏污图像数据。通过与脏污图像参考数据进行对比,可以直接确定图像数据是否为脏污图像数据。在一个实施例中,当图像数据与脏污图像参考数据的像素值不相等时,说明图像数据与脏污图像参考数据不匹配,则确定图像数据为无脏污图像数据,否则确定图像数据为脏污图像数据。在一个实施例中,脏污图像参考数据可以包括多个离散的数据,图像数据与每个离散的数据的像素值均不相等时,则确定图像数据为无脏污图像数据,否则为脏污图像数据。在另一个实施例中,脏污图像参考数据可以包括数据范围。图像数据与脏污图像参考数据的数据范围内的数据的像素值均不相等,即图像数据不在数据范围内时,确定图像数据为无脏污图像数据。图像数据在脏污图像参考数据的数据范围内时,确定图像数据为脏污图像数据。
在另一些实施例中,当图像数据与脏污图像参考数据的像素值的数据差值达到脏污数据差值阈值时,认为图像数据与脏污图像参考数据不匹配,则确定图像数据为无脏污图像数据,否则确定图像数据为脏污图像数据。在一个实施例中,图像参考数据可以包括多个离散的数据,图像数据与每个离散的数据的像素值的差值均达到脏污数据差值阈值时,则确定图像数据为无脏污图像数据,否则为脏污图像数据。在另一个实施例中,图像参考数据可以包括数据范围。图像数据与图像参考数据的数据范围的端点像素值的差值达到脏污数据差值阈值时,认为图像数据与脏污图像参考数据不匹配,确定图像数据为无脏污图像数据,否则为脏污图像数据。
若至少一个图像数据与脏污图像参考数据匹配,确定光学传感器生成的多个图像数据包括脏污图像数据。若所有的图像数据均与脏污图像参考数据不匹配,可以确定光学传感器生成的多个图像数据不包括脏污图像数据。
在另一个实施例中,通过将图像数据和图像参考数据的脏污图像参考数据和无脏污图像参考数据进行对比,确定图像数据是否包括脏污图像数据。图像数据分别与脏污图像参考数据和无脏污图像参考数据进行对比。若图像数据与脏污图像参考数据匹配,且与无脏污图像参考数据不匹配,确定图像数据为脏污图像数据。若图像数据与无脏污图像参考数据匹配,且与脏污图像参考数据不匹配,确定图像数据为无脏污图像数据。可以参考上文所述的方法来确定图像数据是否与脏污图像参考数据匹配,且确定图像数据是否与无脏污图像参考数据匹配。
在一个实施例中,若图像数据与无脏污图像参考数据不匹配,且与脏污图像参考数据不匹配,可以根据图像数据与无脏污图像参考数据的近似度,和图像数据与脏污图像参考数据的近似度,确定图像数据与其中近似度较高的图像参考数据匹配。若图像数据与无脏污图像参考数据的近似度高,确定图像数据为无脏污图像数据,否则确定图像数据为脏污图像数据。在一个实施例中,图像数据包括数据范围,“近似度”可以包括图像数据与图像参考数据的端点像素值的最小数据差值,图像数据与脏污图像参考数据的最小数据差值和图像数据与无脏污图像参考数据的最小数据差值中较小的表示近似度较高。在另一个实施例中,图像数据包括离散的数据,“近似度”可以包括与离散的数据的像素值的数据差值的平均值。
在另一个实施例中,若图像数据与无脏污图像参考数据不匹配,且与脏污图像参考数据不匹配,可以根据其他因素确定图像数据为无脏污图像数据或脏污图像数据。在确定了图像数据为无脏污图像数据或脏污图像数据后,可以更新对应的图像参考数据。
将图像数据和图像参考数据的脏污图像参考数据和无脏污图像参考数据进行对比,可以确定图像数据是否为脏污图像数据,进而可以确定光学传感器生成的多个图像数据是否包括脏污图像数据。如此,可以更准确地确定图像数据是否包括脏污图像数据。
在一些实施例中,根据获取到光学传感器生成的图像数据,实时将图像数据与图像参考数据进行比较,以及时判断确定所述图像数据是否包括脏污图像数据。从而有助于及时对光学传感器是否有脏污进行判断,提高对脏污进行判断和处理的效率。
在步骤103中,若图像数据包括脏污图像数据,则确定脏污图像数据是否达到脏污程度阈值。
在一个实施例中,从图像数据中筛选出脏污图像数据,并根据筛选出的脏污图像数据,确定脏污图像数据是否达到脏污程度阈值。在确定图像数据为脏污图像数据时,将该图像数据选出,将生成的多个图像数据中的脏污图像数据均选出,从而可以获得一个或多个脏污图像数据。进而确定筛选出的脏污图像数据是否达到脏污程度阈值。在一个实施例中,可以从所有图像数据中筛选出所有脏污图像数据。在另一个实施例中,可以从透光面部分区域对应的图像数据中,例如透光面中心区域对应的图像数据中,筛选出脏污图像数据,即筛选出部分区域内的脏污对应的脏污图像数据。如此,筛选出的脏污图像数据可以用于后续步骤中,降低后续步骤的数据处理量,提高处理速度。
在一个实施例中,可以通过大量可靠性测试,对脏污的程度进行划分,不同的脏污程度对应的图像数据不同,对应不同的图像数据范围,可以根据图像数据范围确定脏污程度阈值。在一个实施例中,可以设定脏污达到需要清洗的脏污程度对应的图像数据范围的最小值为脏污程度阈值。可以通过比对脏污图像数据和脏污程度阈值,确定脏污图像数据是否达到脏污程度阈值。
在一个实施例中,将脏污图像数据与图像参考数据进行比较,以确定脏污图像数据是否达到脏污程度阈值。图像参考数据可以包括多个数据,脏污图像数据与多个数据进行比较,可以更准确地判断脏污图像数据是否达到脏污程度阈值。图像参考数据可以包括脏污图像参考数据和/或无脏污图像参考数据,可以将脏污图像数据与脏污图像参考数据和/或无脏污图像参考数据进行比较,以确定脏污图像数据是否达到脏污程度阈值。
在一个实施例中,图像参考数据包括脏污图像参考数据。将脏污图像数据与脏污图像参考数据进行比较,以确定脏污图像数据是否达到脏污程度阈值。如此可以直接简单地确定脏污图像数据是否达到脏污程度阈值。图像参考数据可以包括表示不同脏污程度的脏污图像参考数据,脏污图像数据与多个不同脏污程度对应的脏污图像参考数据进行比较,可以确定当前透光面的脏污达到的脏污程度。在一个实施例中,若多个脏污图像数据与脏污图像参考数据的差值分别达到第一差值阈值,确定脏污图像数据达到脏污程度阈值。如此留出一定的误差裕度。第一差值阈值可以预先存储于数据库中。在一个实施例中,第一差值阈值可以在方法执行中更新。
在一个实施例中,若脏污图像数据与脏污图像参考数据的差值达到第一差值阈值的个数达到第一个数阈值,确定脏污图像数据达到脏污程度阈值。在第一差值阈值的个数达到一定数量时,说明脏污影响图像质量达到需要清洗的程度,若第一差值阈值的个数较少时,说明脏污影响较低,无需清洗,如此可以准确地确定脏污是否影响图像质量。第一个数阈值可以预先存储于数据库中。在一个实施例中,个数阈值可以在方法执行中更新。在一个实施例中,若每个脏污图像数据与每个脏污图像参考数据的差值均达到第一差值阈值,确定脏污图像数据达到脏污程度阈值。第一个数阈值为脏污图像数据的总个数。在另一个实施例中,第一个数阈值可以小于脏污图像数据的总个数。例如,第一个数阈值可以超过脏污图像数据的总个数的一半,从而超过半数的脏污图像数据中,每个脏污图像数据与每个脏污图像参考数据的差值均达到第一差值阈值,确定脏污图像数据达到脏污程度阈值。上述仅是一个例子,并不限于上面的例子,第一个数阈值可以根据实际应用设定。
在另一个实施例中,若多个脏污图像数据的总和与多个脏污图像参考数据的总和的差值达到第二差值阈值,则确定脏污图像数据达到脏污程度阈值。在一个实施例中,筛选出的所有脏污图像数据的总和与多个脏污图像参考数据的总和的差值达到第二差值阈值,确定脏污图像数据达到脏污程度阈值。从而在多个脏污图像数据各自未达到对应的脏污程度阈值,但脏污总体达到脏污程度阈值,则说明脏污总体影响到图像质量,需要进行清洗,如此可以及时对脏污进行清洗。
在另一个实施例中,图像参考数据包括无脏污图像参考数据。将脏污图像数据与无脏污图像参考数据进行比较,以确定脏污图像数据是否达到脏污程度阈值。无脏污图像参考数据较容易采集且较精确,如此可以简化数据采集过程,且较准确地确定脏污图像数据是否达到脏污程度阈值。在一个实施例中,若多个脏污图像数据与无脏污图像数据的差值分别达到第三差值阈值,确定脏污图像数据达到脏污程度阈值。若多个脏污图像数据与无脏污图像数据的差值分别达到第三差值阈值,说明脏污图像数据与无脏污图像数据相差较大,脏污程度达到需要清洗的程度,需进行清洗,如此可以及时进行清洗,且可以避免或降低无需清洗的情况下进行清洗造成的浪费。第三差值阈值可以预先存储于数据库中。在一个实施例中,第三差值阈值可以在方法执行中更新。
在一个实施例中,若多个脏污图像数据与无脏污图像参考数据的差值达到第三差值阈值的个数达到第二个数阈值,确定脏污图像数据达到脏污程度阈值。若达到第三差值阈值的脏污图像数据数量较多,说明脏污程度达到需要清洗的程度,需进行清洗,如此可以及时进行清洗,且可以避免或降低无需清洗的情况下进行清洗造成的浪费。第二个数阈值可以预先存储于数据库中。在一个实施例中二个数阈值可以在方法执行中更新。在一个实施例中,若每个脏污图像数据与每个无脏污图像参考数据的差值均达到第三差值阈值,确定脏污图像数据达到脏污程度阈值。第二个数阈值为脏污图像数据的总个数。在另一个实施例中,第二个数阈值可以小于脏污图像数据的总个数。
在另一个实施例中,若多个脏污图像数据的总和与多个无脏污图像参考数据的总和的差值达到第四差值阈值,则确定脏污图像数据达到脏污程度阈值。在一个实施例中,筛选出的所有脏污图像数据的总和与多个脏污图像参考数据的总和的差值达到第三差值阈值,确定脏污图像数据达到脏污程度阈值。从而在多个脏污图像数据各自未达到对应的脏污程度阈值,但脏污总体达到脏污程度阈值,则说明脏污总体影响到图像质量,需要进行清洗,如此可以及时对脏污进行清洗。
在一个实施例中,清洗方法100包括根据脏污图像数据,确定脏污类型。不同的脏污类型可对应不同的脏污图像数据。脏污类型表示不同类型的脏污,例如树叶、泥土、液体、灰层等。在一个实施例中,将脏污图像数据的像素值与图像参考数据的像素值进行比较,确定脏污类型。图像参考数据可以包括不同脏污类型对应的图像参考数据。可以在不同工况下获取外部图像,对生成的图像数据进行采集,处理分析,确定脏污类型和对应的图像参考数据,可以对应存储于数据库中。
通过对比脏污图像数据与多种脏污类型分别对应的脏污图像参考数据,确定脏污类型。脏污图像数据与其中一种脏污类型对应的脏污图像参考数据的差值小于类型差值阈值时,确定脏污图像数据属于该脏污类型。可以将筛选出的脏污图像数据归类至对应的脏污类型中。进一步确定脏污类型对应的脏污图像数据是否达到脏污类型对应的脏污程度阈值。不同的脏污类型可以对应不同的脏污程度阈值。对于相同像素数目的脏污,不同类型的脏污对图像质量的影响不同,例如雨水相对于泥土对图像质量的影响较小,所以通过确定脏污图像数据所属的脏污类型,并根据脏污类型对应的脏污图像参考数据来确定脏污图像数据是否达到脏污程度阈值,可以更加有效地确定脏污是否影响图像质量。
在一个实施例中,将脏污类型对应的脏污图像数据与该脏污类型对应的脏污程度阈值进行对比,确定脏污类型对应的脏污图像数据是否达到对应的脏污程度阈值。
在另一个实施例中,将脏污类型对应的脏污图像数据与该脏污类型对应的脏污图像参考数据进行比较,确定脏污类型对应的脏污图像数据是否达到对应的脏污程度阈值。在一个实施例中,若脏污类型对应的脏污图像数据与该脏污类型对应的脏污图像参考数据的差值分别达到第五差值阈值,确定该脏污类型对应的脏污图像数据达到对应的脏污程度阈值。在一个实施例中,若脏污类型对应的脏污图像数据与脏污图像参考数据的差值达到第五差值阈值的个数达到第三个数阈值,确定脏污图像数据达到脏污程度阈值。在另一个实施例中,若脏污类型对应的多个脏污图像数据的总和与该脏污类型对应的多个脏污图像参考数据的总和的差值达到第六差值阈值,则确定脏污图像数据达到脏污程度阈值。
在一个实施例中,若脏污类型为多种,则确定多种脏污类型对应的脏污图像数据是否达到脏污类型对应的脏污程度阈值。可以通过上文所述的方法,分别确定每种脏污类型对应的脏污图像数据是否达到对应的脏污程度阈值。针对不同的脏污类型确定是否达到脏污程度阈值,可以更准确地确定脏污是否影响图像质量,需要进行清洗。
在另一个实施例中,若脏污类型为多种,确定多种脏污类型对应的脏污图像数据的总和是否达到脏污程度阈值。在一个实施例中,不同脏污类型对图像质量的影响不同,可以根据不同脏污类型对图像质量的影响程度设置影响系数。脏污图像数据的总和可以为多种脏污类型对应的脏污图像数据乘以对应的系数之后的总和。从而在多种脏污类型对应的脏污图像数据各自未达到对应的脏污程度阈值,但脏污图像数据的总和达到脏污程度阈值,则说明脏污总体影响到图像质量,需要进行清洗,如此可以及时对脏污进行清洗。
在步骤104中,若确定脏污图像数据达到脏污程度阈值,则控制清洗机构清洗透光面。
脏污图像数据达到脏污程度阈值,说明脏污影响到图像质量,需要对透光面进行清洗。以此,控制清洗机构清洗透光面,实现对透光面的清洗。若脏污图像数据未达到脏污程度阈值,则不对透光面进行清洗。
在一个实施例中,若脏污类型对应的脏污图像数据达到脏污类型对应的脏污程度阈值,则控制清洗机构清洗透光面。不同的脏污类型对图像的影响不同,在脏污类型对应的脏污图像数据达到脏污类型对应的脏污程度阈值时,对透光面进行清洗,如此可以更及时地清洗透光面,且可以更有效地避免或降低在脏污程度没有影响图像质量时,对透光面进行清洗而造成清洁介质等资源的浪费。
在一个实施例中,脏污类型为多种,若脏污类型对应的脏污图像数据达到脏污类型对应的脏污程度阈值,则控制清洗机构进行清洗透光面。在一个实施例中,若至少一种脏污类型对应的脏污图像数据达到脏污类型对应的脏污程度阈值,则控制清洗机构进行清洗透光面。在另一个实施例中,若多种脏污类型对应的脏污图像数据均达到脏污类型对应的脏污程度阈值,则控制清洗机构进行清洗透光面。
在一个实施例中,脏污类型为多种,确定多种脏污类型对应的脏污图像数据的总和是否达到脏污程度阈值;若多种脏污类型对应的脏污图像数据总和达到脏污程度阈值,则控制清洗机构清洗透光面。
通过本申请实施例的清洗方法100,可以对透光面进行自动清洗,无需人工进行干预,清洗过程简单高效,且不会对其它模块造成影响。尤其当光学传感器数量多和/或安装位置较隐蔽时,该清洗方法100显得尤为便利。而且本申请实施例的清洗方法中,确定脏污图像数据是否达到脏污程度阈值,若脏污图像数据达到脏污程度阈值,则对透光面进行清洗。如此可以有效确定脏污是否影响成像质量,且在脏污影响成像质量时,清洗透光面,可以及时清洗透光面,保证图像质量,同时可以避免或降低在脏污程度没有影响图像质量时,对透光面进行清洗而造成清洁介质等资源的浪费。
图2所示为清洗系统500的一个实施例的原理框图。清洗系统500包括清洗机构200及清洗控制系统300。参考图1和2,在一个实施例中,控制清洗机构进行清洗透光面的步骤104包括:控制清洗机构200的流体输送装置201将清洁介质推送入管路202,以使清洁介质通过管路202输送至喷嘴2031-203N,并通过喷嘴2031-203N喷出,来清洗透光面。在一些实施例中,清洁介质包括液体和/或气体。在一个实施例中,清洁介质包括如下至少一种:水、玻璃水、空气。
在一个实施例中,清洁介质包括液体,流体输送装置201包括泵,用于将液体泵入管道202中。在另一个实施例中,清洁介质包括气体,流体输送装置201可以包括压缩机或鼓风机等。流体输送装置201可以与清洗控制系统300连接,清洗控制系统300可以执行清洗方法100,可以控制流体输送装置201。在需要清洗时,控制流体输送装置201工作,清洗完成后,控制流体输送装置201停止工作。
在一个实施例中,控制清洗机构进行清洗透光面的步骤104包括:控制管路202上设置的开关装置2041-204N打开,使清洁介质流过。开关装置2041-204N可以与清洗控制系统300连接,清洗控制系统300可以控制开关装置2041-204N的开闭。在需要清洗时,控制开关装置2041-204N打开,清洗完成后,控制开关装置2041-204N关闭。开关装置2041-204N可以包括电磁阀。
在一个实施例中,清洗机构200包括连接流体输送装置201、至少一个喷嘴2031-203N、以及连通流体输送装置201与喷嘴2031-203N的至少一条管路2021-202N。至少一条管路2021-202N上设有开关装置2041-204N,用于控制管路的打开和闭合,以控制清洁介质可以流过对应的管路2021-202N,从对应的喷嘴2031-203N喷出,来清洁对应的透光面。至少一个喷嘴2031-203N对应多个光学传感器401-40N的透光面。在透光面对应的脏污图像数据达到脏污程度阈值时,控制对应的管路2021-202N上的开关装置2041-204N打开。多条管路2021-202N上分别设有控制管路通断的开关装置2041-204N,在其中一个或多个光学传感器401-40N的透光面需要清洗时,控制对应的开关装置2041-204N打开,使清洁介质可以流过对应的管路2021-202N,从对应的喷嘴2031-203N喷出,来清洁对应的透光面。无需清洁的透光面对应的开关装置2041-204N可以保持关闭。如此自动地实现对多个光学传感器中的一个或多个光学传感器的透光面进行清洗。
图3所示为光学传感器400和清洁机构200的清洁执行装置205的一个实施例的立体示意图。图4所示为光学传感器400和清洁执行装置205的一个实施例的立体分解示意图。光学传感器400包括设于外侧的透光面401。在图示实施例中,光学传感器400包括镜头。光学传感器400可组装于清洁执行装置205。
清洁执行装置205包括固定壳体206、组装于固定壳体206的喷嘴203和与喷嘴203连通的管路接头207。光学传感器400可固定组装于固定壳体206。在一个实施例中,固定壳体206设有安装孔208,光学传感器400穿设于安装孔208内,透光面401从安装孔208露出。喷嘴203组装于安装孔208的一侧,喷嘴203与透光面401相对应设置,透光面401在喷嘴203的喷射范围内。从喷嘴203喷出的清洁介质可以喷至透光面401上,对透光面401进行清洗。在一个实施例中,固定壳体206于安装孔208的外侧形成有喷嘴固定孔209,喷嘴203固定安装于喷嘴固定孔209内。
喷嘴203包括喷出口210,清洁介质从喷出口210喷出。喷出口210面向安装孔208,可以从透光面401的一侧倾斜面向透光面401,使喷出的清洁介质可以喷到透光面401上。在一个实施例中,喷出口210呈扇形开口,使清洁介质呈扇形喷出,喷出的力度更强、覆盖面积更广,如此可以有效地清洁透光面401。
管路接头207可以连通喷嘴203和管路(未图示)。在一个实施例中,管路接头207固定组装于固定壳体206。固定壳体206开设有与喷嘴203连通的通道211,管路接头207可以与通道211连通,进而与喷嘴203连通。在一个实施例中,通道211与喷嘴固定孔209连通。在另一个实施例中,管路接头207可以直接与喷嘴203连接。
图5所示为清洗控制系统300的一个实施例的模块框图。清洗控制系统300包括一个或多个处理器301,用于实现清洗方法100。清洗控制系统300的处理器301可以实现上文所述的清洗方法。在一些实施例中,
清洗控制系统300可以包括计算机可读存储介质304,计算机可读存储介质可以存储有可被处理器301调用的程序,可以包括非易失性存储介质。在一些实施例中,清洗控制系统300可以包括内存303和接口302。在一些实施例中,清洗控制系统300还可以根据实际应用包括其他硬件。
本申请实施例的计算机可读存储介质304,其上存储有程序,该程序被处理器301执行时,实现清洗方法100。
本申请可采用在一个或多个其中包含有程序代码的存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体,可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机可读存储介质的例子包括但不限于:相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
图6所示为光学传感器400的一个实施例的模块框图。光学传感器400包括透光面401(如图3所示)、图像处理模块402及清洗系统500。图像处理模块402用于获取透过透光面401的外部图像,根据获取的外部图像生成相应的图像数据。图像处理模块402可以通过视觉算法生成图像数据。清洗系统500可以为上文所述实施例的清洗系统。清洗系统500的清洗控制系统300可以与图像处理模块402设置于同一控制电路板上。
图7所示为可移动平台700的一个实施例的示意图。可移动平台700可以包括移动小车、无人飞行器、汽车、机器人或其他可移动装置。可移动平台700包括机体701、动力系统702、光学传感器703和清洗系统500。动力系统702设于机体,用于为可移动平台700提供动力。在一些实施例中,动力系统702可以包括电机。光学传感器703设于机体701,可以用来拍摄图像。在一些实施例中,可移动平台700可以利用光学传感器703拍摄的图像进行测距、追踪跟随等。清洗系统500可以为上文所述实施例的清洗系统。清洗系统500可以清洗光学传感器703的透光面。
在其他一些实施例中,清洗系统500的清洗控制系统300可以设置于可移动平台外,例如设于控制中心。控制中心例如超级计算中心、计算平台等。光学传感器703生成图像数据,发送给清洗控制系统300。
在一个实施例中,可移动平台700还包括GPS装置,用于获取可移动平台700的位置信息。若确定脏污图像数据达到脏污程度阈值,控制清洗机构清洗透光面,并将脏污图像数据以及当前的位置信息进行存储。例如,通过GPS装置获取可移动平台700的当前位置信息,确定脏污图像数据达到脏污程度阈值时,同时存储脏污图像数据与可移动平台700的当前位置信息。有利于用户根据可移动平台700的位置与光学传感器703之间的关系,对出行路线进行合理规划。
应当理解,本申请的各部分可以用硬件、软件或它们的组合来实现。在上述实施例中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或硬件来实现。例如,如果用硬件来实现,可用下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明实施例所提供的方法和装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
本专利文件披露的内容包含受版权保护的材料。该版权为版权所有人所有。版权所有人不反对任何人复制专利与商标局的官方记录和档案中所存在的该专利文件或者该专利披露。
Claims (31)
1.一种清洗方法,应用于光学传感器,所述光学传感器设有位于外侧的透光面,所述光学传感器用于通过所述透光面获取外部图像,并根据获取的所述外部图像生成相应的图像数据;其特征在于,所述清洗方法包括:
获取所述光学传感器生成的所述图像数据;
将所述图像数据与图像参考数据进行比较,确定所述图像数据是否包括脏污图像数据;
若所述图像数据包括所述脏污图像数据,则确定所述脏污图像数据是否达到脏污程度阈值;及
若确定所述脏污图像数据达到所述脏污程度阈值,则控制清洗机构清洗所述透光面。
2.根据权利要求1所述的清洗方法,其特征在于,所述将所述图像数据与图像参考数据进行比较,确定所述图像数据是否包括脏污图像数据,包括:
通过将所述图像数据的像素值和所述图像参考数据的像素值进行对比,确定所述图像数据是否包括脏污图像数据。
3.根据权利要求1所述的清洗方法,其特征在于,所述将所述图像数据与图像参考数据进行比较,确定所述图像数据是否包括脏污图像数据,包括:
通过将所述图像数据和所述图像参考数据的脏污图像参考数据和无脏污图像参考数据中的至少一者进行对比,确定所述图像数据是否包括脏污图像数据。
4.根据权利要求2所述的清洗方法,其特征在于,所述将所述图像数据与图像参考数据进行比较,确定所述图像数据是否包括脏污图像数据,包括:
当所述图像数据与所述图像参考数据的像素值的数据差值达到差值阈值时,则确定所述图像数据为所述脏污图像数据。
5.根据权利要求2所述的清洗方法,其特征在于,
当所述图像数据与所述图像参考数据的像素值不相等时,则确定所述图像数据为所述脏污图像数据。
6.根据权利要求1所述的清洗方法,其特征在于,包括:
从所述图像数据中筛选出所述脏污图像数据;
根据筛选出的所述脏污图像数据,确定所述脏污图像数据是否达到所述脏污程度阈值。
7.根据权利要求1所述的清洗方法,其特征在于,所述若所述图像数据包括所述脏污图像数据,则确定所述脏污图像数据是否达到脏污程度阈值,包括:
将所述脏污图像数据与所述图像参考数据进行比较,以确定所述脏污图像数据是否达到脏污程度阈值。
8.根据权利要求7所述的清洗方法,其特征在于,包括:
将所述脏污图像数据与所述脏污图像参考数据进行比较,以确定所述脏污图像数据是否达到脏污程度阈值。
9.根据权利要求8所述的清洗方法,其特征在于,所述将所述脏污图像数据与所述脏污图像参考数据进行比较,以确定所述脏污图像数据是否达到脏污程度阈值,包括:
若多个所述脏污图像数据与所述脏污图像参考数据的差值分别达到第一差值阈值,确定所述脏污图像数据达到脏污程度阈值。
10.根据权利要求9所述的清洗方法,其特征在于,所述将所述脏污图像数据与所述脏污图像参考数据进行比较,以确定所述脏污图像数据是否达到脏污程度阈值,包括:
若所述脏污图像数据与所述脏污图像参考数据的差值达到第一差值阈值的个数达到第一个数阈值,确定所述脏污图像数据达到脏污程度阈值;或者,
若多个所述脏污图像数据的总和与多个所述脏污图像参考数据的总和的差值达到第二差值阈值,则确定所述脏污图像数据达到脏污程度阈值。
11.根据权利要求7所述的清洗方法,其特征在于,所述图像参考数据包括无脏污图像参考数据,
所述将所述脏污图像数据与所述图像参考数据进行比较,以确定所述脏污图像数据是否达到脏污程度阈值,包括:
将所述脏污图像数据与所述无脏污图像参考数据进行比较,以确定所述脏污图像数据是否达到脏污程度阈值。
12.根据权利要求11所述的清洗方法,其特征在于,所述将所述脏污图像数据与所述无脏污图像参考数据进行比较,以确定所述脏污图像数据是否达到脏污程度阈值,包括:
若多个所述脏污图像数据与所述无脏污图像数据的差值分别达到第三差值阈值,确定所述脏污图像数据达到脏污程度阈值。
13.根据权利要求12所述的清洗方法,其特征在于,所述将所述脏污图像数据与所述无脏污图像参考数据进行比较,以确定所述脏污图像数据是否达到脏污程度阈值,包括:
若多个所述脏污图像数据与所述无脏污图像参考数据的差值达到第三差值阈值的个数达到第二个数阈值,确定所述脏污图像数据达到脏污程度阈值;或者,
若多个所述脏污图像数据的总和与多个所述无脏污图像参考数据的总和的差值达到第四差值阈值,则确定所述脏污图像数据达到脏污程度阈值。
14.根据权利要求1所述的清洗方法,其特征在于,所述清洗方法包括:根据所述脏污图像数据,确定脏污类型。
15.根据权利要求14所述的清洗方法,其特征在于,所述根据所述脏污图像数据,确定脏污类型,包括:
将所述脏污图像数据的像素值与所述图像参考数据的像素值进行比较,确定所述脏污类型。
16.根据权利要求14所述的清洗方法,其特征在于,所述若所述图像数据包括所述脏污图像数据,则确定所述脏污图像数据是否达到脏污程度阈值,包括:
确定所述脏污类型对应的所述脏污图像数据是否达到所述脏污类型对应的所述脏污程度阈值。
17.根据权利要求16所述的清洗方法,其特征在于,所述若确定所述脏污图像数据达到所述脏污程度阈值,则控制清洗机构清洗所述透光面,包括:
若所述脏污类型对应的所述脏污图像数据达到所述脏污类型对应的所述脏污程度阈值,则控制所述清洗机构清洗所述透光面。
18.根据权利要求16所述的清洗方法,其特征在于,包括:
若所述脏污类型为多种,则确定多种所述脏污类型对应的所述脏污图像数据是否达到所述脏污类型对应的脏污程度阈值;
若脏污类型对应的所述脏污图像数据达到所述脏污类型对应的脏污程度阈值,则控制所述清洗机构进行清洗所述透光面。
19.根据权利要求16所述的清洗方法,其特征在于,包括:
若所述脏污类型为多种,确定多种所述脏污类型对应的所述脏污图像数据的总和是否达到所述脏污程度阈值;
若多种脏污类型对应的所述脏污图像数据总和达到所述脏污程度阈值,则控制所述清洗机构清洗所述透光面。
20.根据权利要求14所述的清洗方法,其特征在于,所述根据所述脏污图像数据,确定脏污类型,包括:
通过对比所述脏污图像数据与多种所述脏污类型分别对应的脏污图像参考数据,确定所述脏污类型。
21.根据权利要求1所述的清洗方法,其特征在于,所述若确定所述脏污图像数据达到所述脏污程度阈值,则控制清洗机构清洗所述透光面,包括:
控制所述清洗机构的流体输送装置将清洁介质推送入管路,以使所述清洁介质通过所述管路输送至喷嘴,并通过所述喷嘴喷出,来清洗所述透光面。
22.根据权利要求21所述的清洗方法,其特征在于,所述清洁介质包括液体和/或气体。
23.根据权利要求22所述的清洗方法,其特征在于,所述清洁介质包括如下至少一种:水、玻璃水、空气。
24.根据权利要求21所述的清洗方法,其特征在于,所述若确定所述脏污图像数据达到所述脏污程度阈值,则控制清洗机构清洗所述透光面,包括:
控制所述管路上设置的开关装置打开,使所述清洁介质流过。
25.根据权利要求24所述的清洗方法,其特征在于,所述清洗机构包括连接所述流体输送装置和多个所述喷嘴的多条所述管路,多个所述喷嘴对应多个所述光学传感器的所述透光面;
所述控制所述管路上设置的开关装置打开,包括:
在所述透光面对应的所述脏污图像数据达到所述脏污程度阈值时,控制对应的所述管路上的开关装置打开。
26.一种清洗控制系统,其特征在于,包括一个或多个处理器,单独的或共同的工作,用于实现如权利要求1-25中任一项所述的清洗方法。
27.一种计算机可读存储介质,其特征在于,其上存储有程序,该程序被处理器执行时,实现如权利要求1-25中任意一项所述的清洗方法。
28.一种清洗系统,其特征在于,包括:
清洗机构;及
权利要求26所述的清洗控制系统,所述清洗控制系统用于控制所述清洗机构对所述透光面进行清洗。
29.根据权利要求28所述的清洗系统,其特征在于,所述清洗机构包括:
流体输送装置,与所述清洗控制系统相连接;
喷嘴,与所述光学传感器的所述透光面相对应,使所述透光面在所述喷嘴的喷射范围内;
管路,用于连通所述流体输送装置与所述喷嘴;及,
开关装置,安装在所述管路,用于控制管路的导通;
当所述清洗控制系统需要控制所述清洗机构对所述透光面进行清洗时,所述清洗控制系统控制所述流体输送装置输送所述清洗介质给所述管体,并控制所述开关装置导通所述管路,使得清洁介质流过对应的所述管路,从对应的所述喷嘴喷出,以清洗对应的所述透光面。
30.一种光学传感器,其特征在于,包括:
透光面;
图像处理模块,用于获取透过所述透光面的外部图像,根据获取的所述外部图像生成相应的图像数据;及
权利要求28或29所述的清洗系统,其中,所述喷嘴与所述透光面相对应设置,以实现当所述清洗介质从所述喷嘴喷出时,对应的所述透光面在所述喷嘴的喷射范围内。
31.一种可移动平台,其特征在于,包括:
机体;
动力系统,设于所述机体,用于为所述可移动平台提供动力;以及
权力要求30所述的光学传感器。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2019/084952 WO2020220185A1 (zh) | 2019-04-29 | 2019-04-29 | 清洗方法、清洗控制系统、计算机可读存储介质、清洗系统、光学传感器及可移动平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111684487A true CN111684487A (zh) | 2020-09-18 |
CN111684487B CN111684487B (zh) | 2024-03-19 |
Family
ID=72433274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980008957.1A Active CN111684487B (zh) | 2019-04-29 | 2019-04-29 | 清洗方法、清洗控制系统、计算机可读存储介质、清洗系统、光学传感器及可移动平台 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111684487B (zh) |
WO (1) | WO2020220185A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11209282B2 (en) * | 2019-07-02 | 2021-12-28 | Ford Global Technologies, Llc | Vehicle cleanliness detection and carwash recommendation |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE112017007735T5 (de) * | 2017-08-08 | 2020-04-23 | Ford Global Technologies, Llc | System und -verfahren zur fahrzeugüberprüfung |
CN113014194A (zh) * | 2021-03-10 | 2021-06-22 | 优兔创新有限公司 | 太阳能面板污迹清理方法、装置、计算机设备和存储介质 |
CN113409279A (zh) * | 2021-06-24 | 2021-09-17 | 北京车和家信息技术有限公司 | 激光雷达清洗系统的效果评估方法、装置、设备和介质 |
CN114589160B (zh) * | 2022-01-25 | 2023-05-16 | 深圳大方智能科技有限公司 | 一种室内施工用摄像头防护方法 |
CN115022547A (zh) * | 2022-06-09 | 2022-09-06 | 小米汽车科技有限公司 | 车载摄像头清洗方法、装置、车辆、存储介质及芯片 |
CN117341094A (zh) * | 2022-12-30 | 2024-01-05 | 玫瑰塑胶(昆山)有限公司 | 一种塑料制品制造的材料配比确定方法和系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102029976A (zh) * | 2009-09-29 | 2011-04-27 | 株式会社电装 | 车载光学传感器盖板以及车载光学传感器装置 |
CN105128825A (zh) * | 2014-05-27 | 2015-12-09 | 菲克川斯帕股份公司 | 用于清洁车载光学透镜的系统和方法 |
CN106231297A (zh) * | 2016-08-29 | 2016-12-14 | 深圳天珑无线科技有限公司 | 摄像头的检测方法及装置 |
CN106575366A (zh) * | 2014-07-04 | 2017-04-19 | 光实验室股份有限公司 | 关于检测和/或指示脏镜头状况的方法和装置 |
CN108668080A (zh) * | 2018-06-22 | 2018-10-16 | 北京小米移动软件有限公司 | 提示镜头脏污程度的方法及装置、电子设备 |
CN109099855A (zh) * | 2017-06-20 | 2018-12-28 | 福特全球技术公司 | 车辆清洁度检测系统和方法 |
CN109204239A (zh) * | 2017-07-05 | 2019-01-15 | 宁波恒帅微电机有限公司 | 车用光学传感器主动清洁装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100342543C (zh) * | 2004-03-30 | 2007-10-10 | 原相科技股份有限公司 | 能选取最佳距离封装光学感测模块的封装设备及其方法 |
US20160307881A1 (en) * | 2015-04-20 | 2016-10-20 | Advanced Semiconductor Engineering, Inc. | Optical sensor module and method for manufacturing the same |
CN208213718U (zh) * | 2018-03-24 | 2018-12-11 | 北醒(北京)光子科技有限公司 | 一种光学测距传感器清洁系统 |
-
2019
- 2019-04-29 WO PCT/CN2019/084952 patent/WO2020220185A1/zh active Application Filing
- 2019-04-29 CN CN201980008957.1A patent/CN111684487B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102029976A (zh) * | 2009-09-29 | 2011-04-27 | 株式会社电装 | 车载光学传感器盖板以及车载光学传感器装置 |
CN105128825A (zh) * | 2014-05-27 | 2015-12-09 | 菲克川斯帕股份公司 | 用于清洁车载光学透镜的系统和方法 |
CN106575366A (zh) * | 2014-07-04 | 2017-04-19 | 光实验室股份有限公司 | 关于检测和/或指示脏镜头状况的方法和装置 |
CN106231297A (zh) * | 2016-08-29 | 2016-12-14 | 深圳天珑无线科技有限公司 | 摄像头的检测方法及装置 |
CN109099855A (zh) * | 2017-06-20 | 2018-12-28 | 福特全球技术公司 | 车辆清洁度检测系统和方法 |
CN109204239A (zh) * | 2017-07-05 | 2019-01-15 | 宁波恒帅微电机有限公司 | 车用光学传感器主动清洁装置 |
CN108668080A (zh) * | 2018-06-22 | 2018-10-16 | 北京小米移动软件有限公司 | 提示镜头脏污程度的方法及装置、电子设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11209282B2 (en) * | 2019-07-02 | 2021-12-28 | Ford Global Technologies, Llc | Vehicle cleanliness detection and carwash recommendation |
Also Published As
Publication number | Publication date |
---|---|
WO2020220185A1 (zh) | 2020-11-05 |
CN111684487B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111684487A (zh) | 清洗方法、清洗控制系统、计算机可读存储介质、清洗系统、光学传感器及可移动平台 | |
US11782142B2 (en) | Device designed to detect surroundings and method for cleaning a cover of a device of this type | |
US10705535B2 (en) | Systems and methods for performing simultaneous localization and mapping using machine vision systems | |
CN109466512A (zh) | 车辆传感器系统 | |
US20170305010A1 (en) | Systems and Methods for Performing Occlusion Detection | |
WO2010084521A1 (ja) | ウインドシールド上の雨滴を同定するための方法及び装置 | |
JP7272226B2 (ja) | 雨滴認識装置、車両制御装置、学習方法および学習済みモデル | |
US9313379B2 (en) | Camera washing system | |
CN110499727B (zh) | 一种基于多传感器的贴边清扫方法和清扫车 | |
EP3029388B1 (fr) | Système de filtrage à détection d'encrassement pour installation de chauffage, ventilation ou climatisation | |
US20200174156A1 (en) | Blockage detection & weather detection system with lidar sensor | |
CN116097121A (zh) | 增强型传感器清洁验证 | |
CN209334273U (zh) | 摄像装置 | |
CN113631909A (zh) | 包括传感器元件和封闭片的传感器装置 | |
Nagarajan et al. | Obstacle detection and avoidance for mobile robots using monocular vision | |
CN105628572A (zh) | 透镜、用于检测附着物量值的装置及家用电器 | |
KR20230090218A (ko) | 청소 결정을 위한 오염율 계산 방법 및 장치 | |
CN113130356B (zh) | 晶圆清洗的控制方法、控制装置和计算机可读存储介质 | |
WO2022054532A1 (ja) | 車両制御装置、車両制御方法、車両制御プログラム | |
US11420595B2 (en) | Cleaning unit for cleaning foreign matter from a cover, in particular a cover of a transmitter/receiver window of a driving environment sensor, and device for sensing the environment and method | |
CN112704449A (zh) | 用于洗碗机的清洗方法、装置及洗碗机 | |
US20230278528A1 (en) | Cleaning apparatus, roof module and method for cleaning a viewing area of a motor vehicle | |
US20210109345A1 (en) | Enhanced vehicle sensor cleaning | |
CN117382581A (zh) | 车辆传感器的清洗系统及车辆 | |
Ahmadi et al. | Sensor Lens Cleaning System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |