CN111733743A - 一种自动清扫方法及清扫系统 - Google Patents

Abstract

一种自动清扫系统及清扫方法，包括清扫车和监控管理后台，清扫方法包括：建立洁净参考基准和落叶参考基准；获取清扫区域的特征信息，与洁净参考基准对比，如为非洁净状态，则与落叶参考基准对比，根据对比结果执行落叶路面清扫作业或常规脏污路面清扫作业；清扫完成后，若仍为非洁净状态，则二次清扫，二次清扫完成后再对比，若仍认定为非洁净状态，自动调整洁净参考基准并上报至监控管理后台；当地面为洁净状态开启路面复原识别过程。本发明采用路面湿度传感器识别地面积水情况，简单直接，准确度高；根据地面情况实时调整参考基准，避免因地面状况变化而误判，并根据地面状况分别开启不同的清扫模式，提高了清扫效果。

Description

一种自动清扫方法及清扫系统

技术领域

本发明涉及自动清扫技术领域，尤其涉及一种自动清扫方法及清扫系统。

背景技术

现有的清扫装置智能化程度低，一般仍需人工操控，根据清扫路面的干湿状况人工对清扫参数进行设置和调整，无法实现自动识别路面状况、自动调整清扫模式的功能，导致清扫过程仍需投入大量的人力。特别是在落叶季到来时，落叶陆陆续续飘落至地面，单靠环卫人员每天一次的清扫量并不能满足保持地面洁净的要求，需要增加额外的清扫任务，导致环卫人员的工作量增大。现有的清扫技术中公开了根据地面的脏污程度设置不同的清扫时长、清扫参数等，主要是通过视觉传感器检测污染程度，用预设阈值进行对比，进行清扫模式切换。但当地面状况发生改变时，如路面出现裂痕、有油漆涂料等，如果设定阈值仍不变，会造成清扫模式与实际情况不匹配，造成误判；而且也无法检测地面干湿情况，从而无法调整转速和吸力，而干燥地面和积水地点上的垃圾(纸张、落叶、包装袋等)上的清扫难度是不一样的，从而导致清扫不干净，而通过视觉技术来识别积水，由于积水容易被地面上的垃圾或杂物覆盖，识别能力受到影响，也造成误判，从而影响清扫效果。另外，当路面的破损(地面裂纹、坑洞等)、痕迹(涂料、油漆等)通过人工化学或物理的方法进行修补，而使路面复原到最初的状态时，也不能智能识别这种复原，并及时更新为最初建立的参考基准，仍沿用带有痕迹的参考基准，这将导致对路面的脏污程度造成误判，影响清扫效果。

发明内容

本发明的目的是克服上述现有技术的缺点，提供一种可准确识别地面积水、并可自适应调整地面参考基准、根据地面情况自动切换清扫模式的自动清扫方法，以及实现该清扫方法的自动清扫系统。

本发明是通过以下技术方案来实现的：

一种清扫方法，包括如下步骤：

S1、建立或更新待清扫区域的洁净参考基准和落叶参考基准；其中，最初的洁净参考基准可通过扫描处理最初路面图片的方式得到，后续根据路面状态不断更新洁净参考基准，包括当路面复原后更新到最初的洁净参考基准；

S2、清扫作业前，获取清扫区域的特征信息，与洁净参考基准对比，若差异小于设定值，则认定为洁净状态，不进行清扫作业；若差异大于设定值，则认定为非洁净状态，执行S3步骤；

S3、将获得的特征信息与落叶参考基准对比，若差异小于设定值，则判断为落叶路面，执行落叶路面清扫作业；若差异大于设定值，则判断为常规脏污路面，执行常规脏污路面清扫作业；

S4、清扫完成后，再次获取清扫区域的特征信息，与洁净参考基准对比，若仍认定为非洁净状态，则重复S3步骤进行二次清扫，二次清扫完成后，再次获取清扫区域的特征信息，与洁净参考基准对比，若仍认定为非洁净状态，自动调整清扫区域的洁净参考基准并上报至监控管理后台，监控后台更新该区域的洁净参考基准；

S5、清扫车结束清扫作业，返回待机点。

作为进一步优选的技术方案，所述S1步骤中建立待清扫区域的洁净参考基准的方法为：当待清扫区域地面为洁净状态时，通过视觉传感器获取地面图像，将图像转化为RGB格式，然后进行灰度转化得到灰度图；将灰度图与区域坐标关联，生成灰度地图；提取灰度地图的路面特征信息，得到待清扫区域的洁净参考基准。RGB转灰度可采用现有的灰度转化算法，如Gray＝R×0.299+G×0.587+B×0.114。洁净参考基准中设定特征值的偏差范围，当实际特征值超出设定阈值时，则认定为非洁净。

本发明适用于各种类型路面的清扫，所述待清扫区域的路面可为铺砖路面、水泥路面、沥青路面、石料砌块路面或碎石路面，也可为其它类型的路面。所述路面特征包括色彩、形状、纹理等中的一个或多个。

作为进一步优选的技术方案，所述S1步骤中建立待清扫区域的落叶参考基准的方法为：将清扫区域内的落叶图片转化成灰度图，提取灰度图的特征信息，得到待清扫区域的落叶参考基准；所述落叶特征包括形状、颜色和纹理中的一个或多个。将落叶参考基准录入系统。

作为进一步优选的技术方案，所述S2、S4步骤中获取清扫区域的特征信息的方法为：通过清扫车上的视觉传感器获取地面图像，并从获得的地面图像中提取清扫区域的特征信息。

所述S3步骤中将获得的特征信息与落叶参考基准对比的方法为：将视觉传感器获取的地面图像与落叶参考基准的图像进行匹配，匹配方法采用dHash(差异值哈希)算法，得到64位hash值后，使用汉明距离量化两张图像的相似性，若汉明距离大于设定值，则判定为落叶；若汉明距离小于设定值，则判定为非落叶。

作为进一步优选的技术方案，所述S3步骤中落叶路面清扫作业的方法为：通过路面湿度传感器检测地面湿度，若路面湿度传感器反馈值小于设定值，判定为干燥路面，降下清扫刷进行清扫，清扫参数为默认值；若路面湿度传感器反馈值大于设定值，判定为湿润路面，则降下清扫刷，增大清扫刷转速和风机吸力进行清扫。因为湿润路面上落叶容易贴服在路面上，难以以常规的清扫模式来清扫。

作为进一步优选的技术方案，所述S3步骤中常规脏污路面清扫作业的方法为：

通过路面湿度传感器检测地面湿度，若路面湿度传感器反馈值小于设定值，判定为干燥路面，降下清扫刷进行清扫，清扫参数为默认值，并在清扫过程中通过灰尘传感器检测清扫时的扬尘浓度，当超过设定阈值时，清扫过程中进行洒水；若路面湿度传感器反馈值大于设定值，判定为湿润路面，降下清扫刷，增大清扫刷转速和吸力进行清扫。因为泥土、生活垃圾(如烟头、纸质品、塑料制品等)湿水后清扫难度加大。

路面湿度传感器作为进一步优选的技术方案，所述S3步骤中执行落叶路面清扫作业或常规脏污路面清扫作业过程中，如水箱的液位传感器小于设定值时，停止清扫并自动返回加水点加水；如垃圾箱的传感器检测到垃圾已满时，停止清扫并自动前往垃圾站倾倒垃圾；加水完成或倾倒垃圾后，若清扫任务未完成，则返回停止清扫点继续工作；若任务已完成，则返回待机点。

作为进一步优选的技术方案，所述S4步骤中自动调整清扫区域的洁净参考基准的方法为：获取清扫区域最新的路面特征信息，将其作为清扫区域新的洁净参考基准，并保留该清扫区域最初的洁净参考基准，同时将更新后的洁净参考基准上报监控管理后台；监控后台更新该区域的洁净参考基准，并将该最新的洁净参考基准同步至系统中其它清扫车，其它清扫车同时保留该清扫区域最初的洁净参考基准。系统中其它清扫车同步更新该清扫区域的洁净参考基准，后续系统中的清扫车对该区域进行清扫作业时，参考最新的参考基准，并与最初的洁净参考基准对比；如二次清扫完成后提取的特征信息与系统中保存的洁净参考基准不一致，则更新为最新的洁净参考基准，当与最初的洁净参考基准相一致，则更新为最初的洁净参考基准。

举例说明，当建立初始参考基准后，如果第二次清扫发现地面状况改变，如地面新增刹车痕、裂纹、坑洞或涂料油漆等，调整地面洁净参考基准并保留初始的洁净参考基准；当第三次清扫又发生地面状态改变导致基准改变时，继续调整地面参考基准，第二次的参考基准不保留，只保留初始扫描建立的洁净参考基准。当某一次参考基准与最初的参考基准一致时，则参考基准更新为最初的参考基准。因为地面状态如地面上的痕迹、破损等可通过化学清洗、物理修补等方式复原到初始洁净状态，上述这样做的好处是，当地面状态改变时，可根据地面现有状态智能调整地面参考基准，使清扫过程顺利进行，并保证清扫的洁净度。

作为进一步优选的技术方案，所述S2步骤中若认定为洁净状态，不进行清扫作业后还包括如下步骤：将获得的清扫区域的特征信息与最初的洁净参考基准对比，如差异在设定的范围内，则判定路面复原，将现有的参考基准更新为最初的洁净参考基准。

所述S4步骤中清扫完成后，再次获取清扫区域的特征信息，与洁净参考基准对比，若认定为洁净状态，则将获得的清扫区域的特征信息与最初的洁净参考基准对比，如差异在设定的范围内，则判定路面复原，将现有的参考基准更新为最初的洁净参考基准。

所述S4步骤中二次清扫完成后，再次获取清扫区域的特征信息，与洁净参考基准对比，若认定为洁净状态，则将获得的清扫区域的特征信息与最初的洁净参考基准对比，如差异在设定的范围内，则判定路面复原，将现有的参考基准更新为最初的洁净参考基准。

上述不断将目前的路面状况与最初的路面状态相对比，当发现状况接近时，判定为路面复原，将参考基准更换为最初的洁净参考基准，避免路面复原而没有被识别到而仍以带有痕迹的路面为基准，而导致路面即使有垃圾仍探测不到，仍认定为洁净路面，从而影响清扫效果。

一种自动清扫系统，实现上述清扫方法，包括清扫车和监控管理后台，多辆所述清扫车与监控管理后台相连。

所述清扫车包括作业模块、检测模块和控制模块，所述作业模块、检测模块分别与所述控制模块相连，所述作业模块包括清扫组件、喷洒组件和储物组件，所述检测模块包括视觉传感器、路面湿度传感器和粉尘传感器，所述控制模块包括主控单元、数据处理单元、存储单元和通信单元。

所述清扫组件包括扫地刷、升降机构、电机、吸尘风机，所述扫地刷和吸尘风机设置于车体周围，所述升降机构与扫地刷相连，用于清扫时降下扫地刷，所述电机与扫地刷相连驱动扫地刷执行扫地任务。

所述喷洒组件包括水箱、水泵、洒水喷头、液位传感器，所述液位传感器设置于水箱中，所述洒水喷头通过所述水泵与水箱相连通。

所述储物组件包括垃圾箱和设置在所述垃圾箱内的距离传感器，所述距离传感器用于检测垃圾装载量。

所述视觉传感器设置于车体上，用于获取地面图像。

所述路面湿度传感器为接触式路面传感器或/和非接触式路面传感器，非接触式路面传感器设置于车体上，接触式路面传感器可升降设置于车体上，用于检测地面的干湿状态，路面湿度传感器可为接触式或非接触式，或者两者的结合。接触式传感器可采用水浸传感器，其主要利用液体导电原理进行检测，正常时两极探头被空气绝缘，在浸水状态下探头导通，水浸传感器可安装在清扫刷旁，通过电机控制升降，探测时降下，清扫时升起。非接触式可采用非浸入式路面传感器，其主要通过红外遥感测量，远距离探测地表所反射或辐射红外特性差异的信息，以确定地面物体性质、状态和变化规律的遥感技术。红外遥感测量可检测车体外的路面状况，在清扫车进入清扫区域前即可得知清扫区域的路面状态，提前做好清扫准备工作。对于难于通过红外遥感技术的清扫区域，则可启动接触式如水浸传感器，对清扫区域进行直接探测。接触式与非接触式结合，可全面应用于各种清扫场所。路面湿度传感器工作时，先通过视觉传感器采集并处理得到地面灰度图，与初始扫描的灰度地图进行对比，当灰度值在设定阈值范围外时，判定有脏污，进而在脏污区域对地面进行干湿探测。

所述粉尘传感器用于检测清扫时的扬尘浓度。

所述主控单元负责系统的逻辑控制。

所述数据处理单元用于分析地表面的图像特征，并与参考基准进行比对。数据处理单元提取地面图像的地面特征值，如灰度、形状、纹理等特征值，根据作业需要与地面参考基准或落叶参考基准比对，以判断地面的状态。

所述存储单元用于存储地面基准特征数据和垃圾基准特征数据，包括落叶基准特征值，还可以包括其它垃圾如纸张、塑料包装等的特征数据。

所述通信单元采用4G/5G通信方式，用于与监控管理后台通信，将清扫车的状态信息上传至监控管理后台，并获取或接收调度监控后台的信息或指令。

本发明采用路面湿度传感器检测地面积水情况，超过设定阈值时切换清扫模式，相比于通过图像识别地面积水情况，简单直接，准确度高，保证清扫洁净度；通过视觉传感器对清扫后的路面进行扫描并提取特征，与预设路面特征进行对比，如果地面特征发生改变，则实时调整地面特征参考基准，避免因地面状况发生变化而造成误判(如难以除去的刹车痕、路面破损、涂料等)。

本发明还可以当地面为洁净状态，或清扫后路面为洁净状态时，通过将洁净状态的路面特征与最初的洁净参考基准相对比，识别出通过化学清洗、物理修补等方式复原的路面，将清扫区域的洁净参考基准更新为最初的洁净参考基准，避免路面复原而没有被探测到而仍以带有痕迹的路面为基准，而导致路面即使有垃圾仍探测不到，仍认定为洁净路面，从而影响清扫效果。

本发明还可以通过对地面状况进行识别，将地面区分成洁净和非洁净，对非洁净地面根据路面特征信息区分成落叶路面和常规脏污路面，对落叶路面和常规脏污路面又根据路面的干湿状况分别开启不同的清扫模式，提高了清扫作业的清扫效果和清扫效率；本发明的清扫车和清扫方法能够全程无需人工干预，完全实现自动化、智能化。

附图说明

图1为本发明实施例中清扫方法的流程图。

图2为本发明实施例中常规脏污路面清扫作业的方法的流程图。

图3为本发明实施例中清扫方法的另一种流程图。

图4为本发明实施例中自动清扫系统的系统架构图。

具体实施方式

清扫车对某一段路面执行清扫任务时，可先将该段路面分割成若干个小区域，对每一个小区域的清扫采用本发明的清扫方法，本发明的清扫方法具体阐述如下。

一种清扫方法，如图1所示，包括如下步骤：

S1、建立或更新待清扫区域的洁净参考基准和落叶参考基准；其中，最初的洁净参考基准可通过扫描处理最初路面图片的方式得到，后续根据路面状态不断更新洁净参考基准，包括当路面复原后更新到最初的洁净参考基准；

S2、清扫作业前，获取清扫区域的特征信息，与洁净参考基准对比，若差异小于设定值，则认定为洁净状态，不进行清扫作业；若差异大于设定值，则认定为非洁净状态，执行S3步骤；

S3、将获得的特征信息与落叶参考基准对比，若差异小于设定值，则判断为落叶路面，执行落叶路面清扫作业；若差异大于设定值，则判断为常规脏污路面，执行常规脏污路面清扫作业；

S4、清扫完成后，再次获取清扫区域的特征信息，与洁净参考基准对比，若仍认定为非洁净状态，则重复S3步骤进行二次清扫，二次清扫完成后，再次获取清扫区域的特征信息，与洁净参考基准对比，若仍认定为非洁净状态，自动调整清扫区域的洁净参考基准并上报至监控管理后台，监控后台更新该区域的洁净参考基准；

S5、清扫车结束清扫作业，返回待机点。

作为其中一种实施方式，所述S1步骤中建立待清扫区域的洁净参考基准的方法为：当待清扫区域地面为洁净状态时，通过视觉传感器获取地面图像，将图像转化为RGB格式，然后进行灰度转化得到灰度图；将灰度图与区域坐标关联，生成灰度地图；提取灰度地图的路面特征信息，得到待清扫区域的洁净参考基准。RGB转灰度可采用现有的灰度转化算法，如Gray＝R×0.299+G×0.587+B×0.114。图像的灰度转化使对图像的处理简单化，方便提取特征，降低计算量，提高识别速度。洁净参考基准中设定特征值的偏差范围，当实际特征值超出设定阈值时，则认定为非洁净。

本发明适用于各种类型路面的清扫，所述待清扫区域的路面可为铺砖路面、水泥路面、沥青路面、石料砌块路面或碎石路面，也可为其它类型的路面。所述路面特征包括色彩、形状、纹理等中的一个或多个。

作为其中一种实施方式，所述S1步骤中建立待清扫区域的落叶参考基准的方法为：将清扫区域内的落叶图片转化成灰度图，提取灰度图的特征信息，得到待清扫区域的落叶参考基准；所述落叶特征包括形状、颜色和纹理中的一个或多个。具体地，一段路面对应的可能出现的落叶种类一般是可以预见的，可通过处理这些种类的落叶图片(拍摄或素材库调取)，提取这些种类落叶的特征值，存入系统作为参考基准。

作为其中一种实施方式，所述S2、S4步骤中获取清扫区域的特征信息的方法为：通过清扫车上的视觉传感器获取地面图像，并从获得的地面图像中提取清扫区域的特征信息。

所述S3步骤中将获得的特征信息与落叶参考基准对比的方法为：将视觉传感器获取的地面图像与落叶参考基准的图像进行匹配，匹配方法采用dHash(差异值哈希)算法，得到64位hash值后，使用汉明距离量化两张图像的相似性，若汉明距离大于设定值，则判定为落叶；若汉明距离小于设定值，则判定为非落叶。

可理解地，现有较多关于图像识别的技术，均可用于本发明中对地面图像的比较和识别，如将拍摄的地面图像与预存的地面基准图像相比较，判别是否为洁净地面，比较的差异值以允许的偏差根据实际情况具体设定；将拍摄的图像与预存的落叶基准图像比较，识别是否为落叶，落叶的特征值根据路面上可能覆盖的落叶的种类进行提取和设定。

作为其中一种实施方式，所述S3步骤中落叶路面清扫作业的方法为：通过路面湿度传感器检测地面湿度，若路面湿度传感器反馈值小于设定值，判定为干燥路面，降下清扫刷进行清扫，清扫参数为默认值；若路面湿度传感器反馈值大于设定值，判定为湿润路面，则降下清扫刷，增大清扫刷转速和风机吸力进行清扫。因为湿润路面上落叶容易贴服在路面上，难以以常规的清扫模式来清扫。

作为其中一种实施方式，如图2所示，所述S3步骤中常规脏污路面清扫作业的方法为：

通过路面湿度传感器检测地面湿度，若路面湿度传感器反馈值小于设定值，判定为干燥路面，降下清扫刷进行清扫，清扫参数为默认值，并在清扫过程中通过灰尘传感器检测清扫时的扬尘浓度，当超过设定阈值时，清扫过程中进行洒水；若路面湿度传感器反馈值大于设定值，判定为湿润路面，降下清扫刷，增大清扫刷转速和吸力进行清扫。因为泥土、生活垃圾(如烟头、纸质品、塑料制品等)湿水后清扫难度加大。

作为其中一种实施方式，所述S3步骤中执行落叶路面清扫作业或常规脏污路面清扫作业过程中，如水箱的液位传感器小于设定值时，停止清扫并自动返回加水点加水；如垃圾箱的传感器检测到垃圾已满时，停止清扫并自动前往垃圾站倾倒垃圾；加水完成或倾倒垃圾后，若清扫任务未完成，则返回停止清扫点继续工作；若任务已完成，则返回待机点。

作为其中一种实施方式，所述S4步骤中自动调整清扫区域的洁净参考基准的方法为：获取清扫区域最新的路面特征信息，将其作为清扫区域新的洁净参考基准，并保留该清扫区域最初的洁净参考基准，同时将更新后的洁净参考基准上报监控管理后台；监控后台更新该区域的洁净参考基准，并将该最新的洁净参考基准同步至系统中其它清扫车，其它清扫车同时保留该清扫区域最初的洁净参考基准。系统中其它清扫车同步更新该清扫区域的洁净参考基准，后续系统中的清扫车对该区域进行清扫作业时，参考最新的参考基准，并与最初的洁净参考基准对比；如二次清扫完成后提取的特征信息与系统中保存的洁净参考基准不一致，则更新为最新的洁净参考基准，当与最初的洁净参考基准相一致，则更新为最初的洁净参考基准。

举例说明，当建立初始参考基准后，如果第二次清扫发现地面状况改变，如地面新增刹车痕、裂纹、坑洞或涂料油漆等，调整地面洁净参考基准并保留初始的洁净参考基准；当第三次清扫又发生地面状态改变导致基准改变时，继续调整地面参考基准，第二次的参考基准不保留，只保留初始扫描建立的洁净参考基准。当某一次参考基准与最初的参考基准一致时，则参考基准更新为最初的参考基准。因为地面状态如地面上的痕迹、破损等可通过化学清洗、物理修补等方式复原到初始洁净状态，上述这样做的好处是，当地面状态改变时，可根据地面现有状态智能调整地面参考基准，使清扫过程顺利进行，并保证清扫的洁净度。

如图3所示，作为其中一种实施方式，所述S2步骤中若认定为洁净状态，不进行清扫作业后还包括如下步骤：将获得的清扫区域的特征信息与最初的洁净参考基准对比，如差异在设定的范围内，则判定路面复原，将现有的参考基准更新为最初的洁净参考基准。

所述S4步骤中清扫完成后，再次获取清扫区域的特征信息，与洁净参考基准对比，若认定为洁净状态，则将获得的清扫区域的特征信息与最初的洁净参考基准对比，如差异在设定的范围内，则判定路面复原，将现有的参考基准更新为最初的洁净参考基准。

所述S4步骤中二次清扫完成后，再次获取清扫区域的特征信息，与洁净参考基准对比，若认定为洁净状态，则将获得的清扫区域的特征信息与最初的洁净参考基准对比，如差异在设定的范围内，则判定路面复原，将现有的参考基准更新为最初的洁净参考基准。

而当路面复原后，清扫车执行清扫任务，将实时的路面特征与最近的参考基准对比，如路面处于洁净状态，差异值必然会小于设定值，判断为洁净路面，但不排除路面复原的情况；当路面复原后，清扫车一次清扫后，判断为洁净状态，也不能排除路面复原的情况；同理，清扫车一次清扫后，判断为洁净状态，仍不能排除路面复原的情况。

上述不断将目前标准下判定为洁净的路面，与最初的路面状态相对比，当发现状况接近时，判定为路面复原，将参考基准更换为最初的洁净参考基准，避免路面复原而没有被识别到而仍以带有痕迹的路面为基准，而导致路面即使有垃圾仍探测不到，仍认定为洁净路面，从而影响清扫效果。

一种自动清扫系统，实现上述清扫方法，包括清扫车和监控管理后台，多辆所述清扫车与监控管理后台相连。

如图4所示，所述清扫车包括作业模块、检测模块和控制模块，所述作业模块、检测模块分别与所述控制模块相连，所述作业模块包括清扫组件、喷洒组件和储物组件，所述检测模块包括视觉传感器、路面湿度传感器和粉尘传感器，所述控制模块包括主控单元、数据处理单元、存储单元和通信单元。

所述清扫组件包括扫地刷、升降机构、电机、吸尘风机，所述扫地刷和吸尘风机设置于车体周围，所述升降机构与扫地刷相连，用于清扫时降下扫地刷，所述电机与扫地刷相连驱动扫地刷执行扫地任务。扫地刷可包括现有清扫车的可转动清扫的清扫刷，

所述喷洒组件包括水箱、水泵、洒水喷头、液位传感器，所述液位传感器设置于水箱中，所述洒水喷头通过所述水泵与水箱相连通。

所述储物组件包括垃圾箱和设置在所述垃圾箱内的距离传感器，所述距离传感器用于检测垃圾装载量。

所述视觉传感器设置于车体上，用于获取地面图像。清扫车上可设置不同用途的视觉传感器，用来获取清扫前和清扫后的地面图像，以及获取车身周边的障碍物用以避障行走。

所述路面湿度传感器为接触式路面传感器或/和非接触式路面传感器，非接触式路面传感器设置于车体上，接触式路面传感器可升降设置于车体上，用于检测地面的干湿状态，路面湿度传感器可为接触式或非接触式，或者两者的结合。接触式传感器可采用水浸传感器，其主要利用液体导电原理进行检测，正常时两极探头被空气绝缘，在浸水状态下探头导通，水浸传感器可安装在清扫刷旁，通过电机控制升降，探测时降下，清扫时升起。非接触式可采用非浸入式路面传感器，其主要通过红外遥感测量，远距离探测地表所反射或辐射红外特性差异的信息，以确定地面物体性质、状态和变化规律的遥感技术。红外遥感测量可检测车体外的路面状况，在清扫车进入清扫区域前即可得知清扫区域的路面状态，提前做好清扫准备工作。对于难于通过红外遥感技术的清扫区域，则可启动接触式如水浸传感器，对清扫区域进行直接探测。接触式与非接触式结合，可全面应用于各种清扫场所。路面湿度传感器工作时，先通过视觉传感器采集并处理得到地面灰度图，与初始扫描的灰度地图进行对比，当灰度值在设定阈值范围外时，判定有脏污，进而在脏污区域对地面进行干湿探测。

所述粉尘传感器用于检测清扫时的扬尘浓度。

所述主控单元负责系统的逻辑控制。

所述数据处理单元用于分析地表面的图像特征，并与参考基准进行比对。数据处理单元提取地面图像的地面特征值，如灰度、形状、纹理等特征值，根据作业需要与地面参考基准或落叶参考基准比对，以判断地面的状态。

所述存储单元用于存储地面基准特征数据和垃圾基准特征数据，包括落叶基准特征值，还可以包括其它垃圾如纸张、塑料包装等的特征数据。

所述通信单元采用4G/5G通信方式，用于与监控管理后台通信，将清扫车的状态信息上传至监控管理后台，并获取或接收调度监控后台的信息或指令。

上列详细说明是针对本发明可行实施例的具体说明，该实施例并非用以限制本发明的专利范围，凡未脱离本发明所为的等效实施或变更，均应包含于本案的专利范围中。

Claims (10)

1.一种清扫方法，其特征在于，包括如下步骤：

S1、建立或更新待清扫区域的洁净参考基准和落叶参考基准；

S2、清扫作业前，获取清扫区域的特征信息，与洁净参考基准对比，若差异小于设定值，则认定为洁净状态，不进行清扫作业；若差异大于设定值，则认定为非洁净状态，执行S3步骤；

S3、将获得的特征信息与落叶参考基准对比，若差异小于设定值，则判断为落叶路面，执行落叶路面清扫作业；若差异大于设定值，则判断为常规脏污路面，执行常规脏污路面清扫作业；

S4、清扫完成后，再次获取清扫区域的特征信息，与洁净参考基准对比，若仍认定为非洁净状态，则重复S3步骤进行二次清扫，二次清扫完成后，再次获取清扫区域的特征信息，与洁净参考基准对比，若仍认定为非洁净状态，自动调整清扫区域的洁净参考基准并上报至监控管理后台，监控后台更新该区域的洁净参考基准；

S5、清扫车结束清扫作业，返回待机点。

2.根据权利要求1所述的一种清扫方法，其特征在于，所述S4步骤中自动调整清扫区域的洁净参考基准的方法为：获取清扫区域最新的路面特征信息，将其作为清扫区域最新的洁净参考基准，并保留该清扫区域最初的洁净参考基准，同时将更新后的洁净参考基准上报监控管理后台；监控后台更新该区域的洁净参考基准，并将该最新的洁净参考基准同步至系统中其它清扫车，其它清扫车同时保留该清扫区域最初的洁净参考基准。

3.根据权利要求1或2所述的一种清扫方法，其特征在于，所述S2步骤中若认定为洁净状态，不进行清扫作业后还包括如下步骤：将获得的清扫区域的特征信息与最初的洁净参考基准对比，如差异在设定的范围内，则判定路面复原，将现有的参考基准更新为最初的洁净参考基准；

所述S4步骤中清扫完成后，再次获取清扫区域的特征信息，与洁净参考基准对比，若认定为洁净状态，则将获得的清扫区域的特征信息与最初的洁净参考基准对比，如差异在设定的范围内，则判定路面复原，将现有的参考基准更新为最初的洁净参考基准；

所述S4步骤中二次清扫完成后，再次获取清扫区域的特征信息，与洁净参考基准对比，若认定为洁净状态，则将获得的清扫区域的特征信息与最初的洁净参考基准对比，如差异在设定的范围内，则判定路面复原，将现有的参考基准更新为最初的洁净参考基准。

4.根据权利要求1所述的一种清扫方法，其特征在于，所述S1步骤中建立待清扫区域的洁净参考基准的方法为：当待清扫区域地面为洁净状态时，通过视觉传感器获取地面图像，将图像转化为RGB格式，然后进行灰度转化得到灰度图；将灰度图与区域坐标关联，生成灰度地图；提取灰度地图的路面特征信息，得到待清扫区域的洁净参考基准；

所述待清扫区域的路面为铺砖路面、水泥路面、沥青路面、石料砌块路面或碎石路面，所述路面特征包括色彩、形状、纹理中的一个或多个。

5.根据权利要求1所述的一种清扫方法，其特征在于，所述S1步骤中建立待清扫区域的落叶参考基准的方法为：将清扫区域内的落叶图片转化成灰度图，提取灰度图的特征信息，得到待清扫区域的落叶参考基准；所述落叶特征包括形状、颜色和纹理中的一个或多个。

6.根据权利要求1所述的一种清扫方法，其特征在于，所述S2、S4步骤中获取清扫区域的特征信息的方法为：通过清扫车上的视觉传感器获取地面图像，并从获得的地面图像中提取清扫区域的特征信息；

所述S3步骤中将获得的特征信息与落叶参考基准对比的方法为：将视觉传感器获取的地面图像与落叶参考基准的图像进行匹配，匹配方法采用dHash算法，得到64位hash值后，使用汉明距离量化两张图像的相似性，若汉明距离大于设定值，则判定为落叶；若汉明距离小于设定值，则判定为非落叶。

7.根据权利要求1所述的一种清扫方法，其特征在于，所述S3步骤中落叶路面清扫作业的方法为：通过路面湿度传感器检测地面湿度，若路面湿度传感器反馈值小于设定值，判定为干燥路面，降下清扫刷进行清扫，清扫参数为默认值；若路面湿度传感器反馈值大于设定值，判定为湿润路面，则降下清扫刷，增大清扫刷转速和风机吸力进行清扫。

8.根据权利要求1所述的一种清扫方法，其特征在于，所述S3步骤中常规脏污路面清扫作业的方法为：

通过路面湿度传感器检测地面湿度，若路面湿度传感器反馈值小于设定值，判定为干燥路面，降下清扫刷进行清扫，清扫参数为默认值，并在清扫过程中通过灰尘传感器检测清扫时的扬尘浓度，当超过设定阈值时，清扫过程中进行洒水；若路面湿度传感器反馈值大于设定值，判定为湿润路面，降下清扫刷，增大清扫刷转速和吸力进行清扫。

9.根据权利要求1所述的一种清扫方法，其特征在于，所述S3步骤中执行落叶路面清扫作业或常规脏污路面清扫作业过程中，如水箱的液位传感器小于设定值时，停止清扫并自动返回加水点加水；如垃圾箱的传感器检测到垃圾已满时，停止清扫并自动前往垃圾站倾倒垃圾；

加水完成或倾倒垃圾后，若清扫任务未完成，则返回停止清扫点继续工作；若任务已完成，则返回待机点。

10.一种自动清扫系统，实现如权利要求1至9任一项所述的清扫方法，其特征在于，包括清扫车和监控管理后台；

所述清扫车包括作业模块、检测模块和控制模块，所述作业模块、检测模块分别与所述控制模块相连，所述作业模块包括清扫组件、喷洒组件和储物组件，所述检测模块包括视觉传感器、路面湿度传感器和粉尘传感器，所述控制模块包括主控单元、数据处理单元、存储单元和通信单元；

所述清扫组件包括扫地刷、升降机构、电机、吸尘风机，所述扫地刷和吸尘风机设置于车体周围，所述升降机构与扫地刷相连，用于清扫时降下扫地刷，所述电机与扫地刷相连驱动扫地刷执行扫地任务；

所述喷洒组件包括水箱、水泵、洒水喷头、液位传感器，所述液位传感器设置于水箱中，所述洒水喷头通过所述水泵与水箱相连通；

所述储物组件包括垃圾箱和设置在所述垃圾箱内的距离传感器，所述距离传感器用于检测垃圾装载量；

所述视觉传感器设置于车体上，用于获取地面图像；

所述路面湿度传感器包括接触式路面传感器或/和非接触式路面传感器，非接触式路面传感器设置于车体上，接触式路面传感器可升降设置于车体上，用于检测地面的干湿状态；

所述粉尘传感器用于检测清扫时的扬尘浓度；

所述主控单元负责系统的逻辑控制；

所述数据处理单元用于分析地表面的图像特征，并与参考基准进行比对；

所述存储单元用于存储地面基准特征数据和垃圾基准特征数据；

所述通信单元用于与监控管理后台通信，将清扫车的状态信息上传至监控管理后台，并获取或接收调度监控后台的信息或指令。

Images