CN115158237B - 一种智能洗车系统集成的装置及方法 - Google Patents

Abstract

本说明书提供一种智能洗车系统集成的装置及方法，智能洗车系统集成的装置包括：车牌识别系统，用于获取车牌图像，基于车牌图像获取车牌信息，以及基于车牌信息，确定车辆信息；全自动洗车系统，用于基于车辆信息，确定洗车方案；以及基于洗车方案，执行洗车操作；洗车废水处理系统，用于对全自动洗车系统执行洗车操作时产生的废水进行处理；会员收费管理系统，用于在全自动洗车系统完成洗车操作后，确认洗车费用并进行收费。本说明书的智能洗车系统集成的装置及方法，通过车牌识别系统、全自动洗车系统、洗车废水处理系统以及会员收费管理系统，取代了人工洗车的方式，实现洗车过程的自动化和智能化，提升了用户体验。

Description

一种智能洗车系统集成的装置及方法

技术领域

本说明书涉及智能洗车技术领域，特别涉及一种智能洗车系统集成的装置及方法。

背景技术

现有的洗车产品一般是用户到店后，通过人工洗车或半自动洗车机加人工洗车的方式完成消费。这种洗车方式具有人工洗车成本高、效率低、洗车效果无法控制等缺点。

因此，希望提供一种智能洗车系统集成的装置及方法，能够实现洗车过程的自动化和智能化。

发明内容

本说明书实施例之一提供一种智能洗车系统集成的装置及方法，能够实现洗车过程的自动化和智能化。

第一方面，本说明书的一些实施例中提供了一种智能洗车系统集成的装置，包括：车牌识别系统，用于获取车牌图像，基于车牌图像获取车牌信息，以及基于车牌信息，确定车辆信息；全自动洗车系统，用于基于车辆信息，确定洗车方案；以及基于洗车方案，执行洗车操作；洗车废水处理系统，用于对全自动洗车系统执行洗车操作时产生的废水进行处理；会员收费管理系统，用于在全自动洗车系统完成洗车操作后，确认洗车费用并进行收费。

在一些实施例中，全自动洗车系统进一步用于：通过多个设置于不同位置的摄像头获取多个车身图像；基于图像识别模型对多个车身图像的处理，获取车身轮廓信息；图像识别模型为机器学习模型；基于车辆信息和车身轮廓信息，确定清洗路径。

在一些实施例中，全自动洗车系统进一步用于：将洗车操作分为多个洗车阶段；确定多个洗车阶段中每个洗车阶段的洗车参数；基于每个洗车阶段的洗车参数，执行每个洗车阶段的洗车操作。

在一些实施例中，洗车废水处理系统进一步用于：确定洗车操作的执行过程中的废水信息，废水信息包括废水产生速率、废水成分中至少一种；基于废水信息，确定废水处理方案。

第二方面，本说明书的一些实施例中提供了一种智能洗车系统集成的实现方法，方法包括：基于车牌识别系统获取车牌图像，基于车牌图像获取车牌信息，以及通过车牌识别系统基于车牌信息，确定车辆信息；通过全自动洗车系统基于车辆信息，确定洗车方案；以及通过全自动洗车系统基于洗车方案，执行洗车操作；通过洗车废水处理系统对全自动洗车系统执行洗车操作时产生的废水进行处理；通过会员收费管理系统在全自动洗车系统完成洗车操作后，确认洗车费用并进行收费。

在一些实施例中，通过全自动洗车系统基于车辆信息，确定洗车方案包括：基于全自动洗车系统，通过多个设置于不同位置的摄像头获取多个车身图像；通过全自动洗车系统，基于图像识别模型对多个车身图像的处理，获取车辆信息和车身轮廓信息；图像识别模型为机器学习模型；通过全自动洗车系统，基于车辆信息和车身轮廓信息，确定清洗路径。

在一些实施例中，通过全自动洗车系统基于车辆信息，确定洗车方案包括：基于全自动洗车系统，将洗车操作分为多个洗车阶段；基于全自动洗车系统，确定多个洗车阶段中每个洗车阶段的洗车参数；通过全自动洗车系统基于洗车方案，执行洗车操作包括：通过全自动洗车系统，基于每个洗车阶段的洗车参数，执行每个洗车阶段的洗车操作。

在一些实施例中，通过洗车废水处理系统对全自动洗车系统执行洗车操作时产生的废水进行处理包括：通过洗车废水处理系统，确定洗车操作的执行过程中的废水信息，废水信息包括废水产生速率、废水成分中至少一种；通过洗车废水处理系统基于废水信息，确定废水处理方案；基于洗车废水处理系统执行废水处理方案。

第三方面，本说明书提供了一种智能洗车系统集成的系统，系统包括至少一个处理器以及至少一个存储器；至少一个存储器用于存储计算机指令；至少一个处理器用于执行计算机指令中的至少部分指令以实现上述第二方面中任意一项的方法。

第四方面，本说明书提供了一种计算机可读存储介质，存储介质存储计算机指令，当计算机指令被处理器执行时实现上述第二方面中任意一项的方法。

本说明书的智能洗车系统集成的装置及方法，通过车牌识别系统、全自动洗车系统、洗车废水处理系统以及会员收费管理系统，取代了人工洗车的方式，实现洗车过程的自动化和智能化，提升了用户体验。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的智能洗车系统集成的装置120的应用场景100的示意图；

图2是根据本说明书一些实施例所示的智能洗车系统集成的装置120的示例性结构图；

图3是根据本说明书一些实施例所示的智能洗车系统集成的实现方法的示例性流程图；

图4是根据本说明书一些实施例所示的确定清洗路径的示意性流程图；

图5是根据本说明书一些实施例所示的确定洗车方案的示意性流程图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是本说明书一些实施例的智能洗车系统集成的装置120的应用场景100的示意图。

在一些实施例中，应用场景100可以包括用户终端110、智能洗车系统集成的装置120(以下简称洗车系统)和服务器130。

服务器130可以通过网络(图中未示出)与洗车系统120、用户终端110进行通信以提供在线洗车服务的各种功能。在一些实施例中，用户终端110可以发送洗车请求给服务器130，并接收服务器130的反馈信息。服务器130可以向洗车系统120发送指令，洗车系统120接收该指令，并根据该指令对相关车辆进行处理(例如，通过摄像头1211拍摄车牌图像或车身图像)。服务器130也可以接收洗车系统120发送的信息(例如，车牌图像或车身图像等)，并根据该信息生成指令(例如，洗车指令)。以上各设备之间的信息传递关系仅作为示例，本说明书并不局限于此。

用户终端110指用户所使用的一个或多个终端设备或软件。在一些实施例中，使用用户终端110的可以是一个或多个用户，可以包括直接使用洗车服务的用户，也可以包括其他相关用户。在一些实施例中，用户终端140可以是移动设备110-1、平板计算机110-2、膝上型计算机110-3、台式计算机110-4等或其他具有输入和/或输出功能的设备中的一种或其任意组合。

在一些实施例中，移动装置110-1可包括可穿戴设备和智慧移动装置等或其任意组合。

在一些实施例中，智能移动设备可以包括智能电话、个人数字助理(PDA)、游戏设备、导航设备、手持终端(POS)等或其任意组合。

在一些实施例中，台式计算机110-4可以是车载计算机、车载电视等。

例如，其他具有输入和/或输出功能的设备移动装置110-1可包括设置在公共场所的专用问答终端。

在一些实施例中，用户可以是指司机、客户或其他洗车服务请求者。

上述示例仅用于说明所述用户终端110设备范围的广泛性而非对其范围的限制。

服务器130可以用于管理资源以及处理来自本系统至少一个组件或外部数据源(例如，云数据中心)的数据和/或信息。在一些实施例中，服务器130可以是单一服务器或服务器组。该服务器组可以是集中式或分布式的(例如，服务器130可以是分布式系统)，可以是专用的也可以由其他设备或系统同时提供服务。在一些实施例中，服务器130可以是区域的或者远程的。在一些实施例中，服务器130可以在云平台上实施，或者以虚拟方式提供。仅作为示例，所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。

图2是本说明书一些实施例的智能洗车系统集成的装置120的示例性结构图。智能洗车系统集成的装置120包括：用于获取车牌图像的车牌识别系统121，基于车牌图像获取车牌信息，以及基于车牌信息，确定车辆信息；用于基于车辆信息，确定洗车方案；以及基于洗车方案，执行洗车操作的全自动洗车系统122；用于对全自动洗车系统执行洗车操作时产生的废水进行处理的洗车废水处理系统123；用于在全自动洗车系统完成洗车操作后，确认洗车费用并进行收费的会员收费管理系统124。

在一些实施例中，车牌识别系统121可以包括带图像识别功能的摄像头1211，摄像头1211可以用于获取车牌图像并提取车牌信息。在一些实施例中，车牌识别系统121还可以包括安防、HSD铝合金硬质快速门、显示屏、支撑显示屏的立柱、支撑摄像头1211的支座、LED补光灯等设备。

在一些实施例中，全自动洗车系统122可以包括通过计算机设计相关程序来实现自动清洗、打蜡、风干清洗轮辋等清洗工作。

在一些实施例中，洗车废水处理系统123可以包括原水箱、磁混凝反应室、磁分离室、气浮室、电催化氧化室、回用水箱、磁种回收系统、污泥浓缩池、污泥脱水系统和电控柜中的一种或多种。

在一些实施例中，会员收费管理系统124还可以包括会员收费管理界面，用户可以通过会员收费管理界面，实现在线下单、充值或付费等操作。

在一些实施例中，智能洗车系统集成的装置120可以应用于多个联网的会员店，响应于用户的洗车请求，会员收费管理系统124可以获取用户的当前定位，并基于用户的当前定位确定与会员的当前定位距离最近的会员店，进一步地，向用户推荐该会员店，可以同时向用户发送该会员店的相关信息，例如，用户的当前定位和该会员店的距离、到达该会员的路线等。

本说明书的智能洗车系统集成的装置，通过车牌识别系统、全自动洗车系统、洗车废水处理系统以及会员收费管理系统，取代了人工洗车的方式，实现洗车过程的自动化和智能化，提升了用户体验。通过向用户提供距离最近的会员店进行洗车服务，可以为用户洗车提供了便利，提升了用户体验。

在一些实施例中，智能洗车系统集成的装置120还包括用于获取用户的导航、位置信息的广告推广系统125，根据用户的导航信息，确定用户偏好，从而进行相应的广告推广。例如，广告推广系统125根据用户的位置信息、导航信息，向用户推荐用户所在位置附近的洗车店、商店或餐馆等。

在一些实施例中，基于车牌图像获取车牌信息由车牌识别模型执行。

在一些实施例中，车牌识别系统121还用于在环境光线较差且识别车牌的结果的置信度较低时，控制LED补光灯进行照射。

在一些实施例中，全自动洗车系统122进一步用于：通过多个设置于不同位置的摄像头获取多个车身图像；基于图像识别模型对多个车身图像的处理，获取车辆信息和车身轮廓信息；基于车辆信息和车身轮廓信息，确定清洗路径。

在一些实施例中，全自动洗车系统122进一步用于：获取车身的整体污垢程度；基于整体污垢程度，确定预设的清洗时长。

在一些实施例中，全自动洗车系统122进一步用于：识别车身不同区域的污垢程度。

在一些实施例中，全自动洗车系统122进一步用于：获取车温、环境温度；基于车温、环境温度确定高压水枪喷射的水温。

在一些实施例中，全自动洗车系统122进一步用于：获取车辆的洗车频率，洗车参数还相关于洗车频率。

在一些实施例中，全自动洗车系统122进一步用于：将洗车操作分为多个洗车阶段；确定多个洗车阶段中每个洗车阶段的洗车参数；基于每个洗车阶段的洗车参数，执行每个洗车阶段的洗车操作。

在一些实施例中，洗车操作分为三个洗车阶段。

在一些实施例中，第一阶段的清洗时长相关于车身的整体污垢程度。

在一些实施例中，第二清洗阶段的洗车液在不同污垢程度的车身处，涂抹的量不同。

在一些实施例中，第三清洗阶段的清洗时长相关于前面阶段的洗车液的用量。

在一些实施例中，洗车废水处理系统123进一步用于：确定洗车操作的执行过程中的废水信息，废水信息包括废水产生速率、废水成分中至少一种；基于废水信息，确定废水处理方案。

在一些实施例中，废水成分还相关于车身的整体污垢程度。

在一些实施例中，洗车废水处理系统123进一步用于：基于对洗车操作所属的洗车阶段、车况、水压参数的处理，确定废水处理方案。

图3是根据本说明书一些实施例所示的智能洗车系统集成的方法的示例性流程图。在一些实施例中，流程300可以由洗车系统120执行。

步骤310，基于车牌识别系统获取车牌图像，基于车牌图像获取车牌信息，以及通过车牌识别系统基于车牌信息，确定车辆信息。在一些实施例中，步骤310可以由车牌识别系统121执行。

在一些实施例中，车牌识别系统121可以包括摄像头1211，基于车牌识别系统获取车牌图像可以由摄像头1211执行。摄像头1211的数量可以为一个或多个。

在一些实施例中，车牌图像可以为任何格式的图像，例如jpg、png、jpeg等图像格式。

在一些实施例中，车牌识别系统121可以在接收到用户的指示(例如，下单操作)后，控制摄像头1211进行拍摄，以获取车牌图像。

在一些实施例中，车牌信息可以包括车牌号码。

在一些实施例中，车牌识别系统121可以采用多种识别方法获取车牌信息，例如采用光学字符识别(Optical Character Recognition，OCR)的方式对车牌信息进行识别。在一些实施例中，车牌识别系统121也可以基于车牌识别模型对车牌图像进行识别，以获取车牌信息。其中，车牌识别模型为机器学习模型。

在一些实施例中，车牌识别系统121还可以包括LED补光灯，车牌识别系统121还可以用于在环境光线较差且车牌识别模型识别车牌的结果的置信度较低时，控制LED补光灯进行照射。

置信度可以是包括车牌识别模型识别车牌的结果的可信程度。例如，车牌识别模型识别车牌的结果的置信度为95％或可能性较高等。置信度可以通过实数、百分数或等级等来表示。例如，置信度可以是0至1之间的一个实数值。

置信度的计算与车牌识别模型识别车牌的结果的可信程度的取值相关，例如，若车牌识别模型识别车牌的结果的可信程度的取值为p，则该结果的置信度为K，可以基于公式(1)确定结果的置信度。其中，车牌识别模型识别车牌的结果的可信程度可以基于车牌识别模型的输出直接获取。

得到置信度的取值后即可基于设定置信度阈值来确认车牌识别模型识别车牌的结果是否可信，例如，当置信度低于置信度阈值时，则判断车牌识别模型识别车牌的结果不可靠，并开启LED补光灯进行照射，直至置信度大于或等于置信度阈值。

在一些实施例中，车辆信息可以包括车型，例如，车型可以包括小型车、微型车、紧凑车型、中等车型、高级车型、豪华车型、三厢车型、CDV车型、MPV车型、SUV等。

在一些实施例中，车辆信息还可以包括车身的整体污垢程度、车身不同区域的污垢程度、车温、环境温度、洗车频率等。

在一些实施例中，可以利用预设数据库查询或匹配识别的车牌号码，获取车型。

在一些实施例中，预设数据库可以设置在服务器130或洗车系统120中。预设数据库还可以存储各个车辆对应的洗车频率，通过预设数据库查询或匹配识别的车牌号码，获取该车辆对应的洗车频率。

步骤320，通过全自动洗车系统基于车辆信息，确定洗车方案；以及通过全自动洗车系统基于洗车方案，执行洗车操作。

洗车方案是指全自动洗车系统122基于车辆信息确定的所有洗车步骤及参数，例如，待清洗车辆清洗路径、水枪使用情况、洗车液使用情况等。

在一些实施例中，洗车方案可以包括清洗路径。例如，全自动洗车系统122可以基于车辆信息(例如，车身的整体污垢程度、车身不同区域的污垢程度)，优先对车辆上污垢程度较高的区域进行清洗，再对污垢程度较低的区域进行清洗。在一些实施例中，清洗路径与车型相关。例如，洗车系统120可以基于历史洗车数据，预先为各类车型设定对应的清洗路径。

在一些实施例中，洗车方案可以包括高压水枪参数，高压水枪参数可以包括高压水枪参数可以包括高压水枪压力、高压水枪流量、高压水枪方向、高压水枪冲洗时长等。例如，全自动洗车系统122可以基于车辆信息(例如，车身的整体污垢程度、车身不同区域的污垢程度)，对车身污垢程度较高的区域采用高压水枪进行冲洗。高压水枪清洗过程中，可以采用由下至上的清洗路径进行清洗，以避免砂石划伤车身。

在一些实施例中，洗车方案可以包括洗车液参数，洗车液参数可以包括洗车液种类、洗车液用量、洗车液使用区域等。例如，全自动洗车系统122可以基于车辆信息(例如，车身的整体污垢程度、车身不同区域的污垢程度)，确定洗车液种类、洗车液用量、洗车液使用区域等洗车液参数。

在一些实施例中，全自动洗车系统122可以基于车辆信息(例如，车身的整体污垢程度、车身不同区域的污垢程度)，优先对车辆上污垢程度较高的区域进行清洗，再对污垢程度较低的区域进行清洗，基于车辆信息对车身污垢程度较高的区域采用高压水枪进行冲洗，以及基于车辆信息确定洗车液种类、洗车液用量、洗车液使用区域等洗车液参数。

在一些实施例中，车牌识别系统121可以通过多个设置于不同位置的摄像头1211获取多个车身图像，基于图像识别模型对多个车身图像的处理，获取车辆信息和车身轮廓信息，基于车辆信息和车身轮廓信息，确定清洗路径。关于图像识别模型的详细说明，可参见本说明书中图4的相关说明。

洗车操作是指全自动洗车系统122对待清洗车辆执行的所有动作。在一些实施例中，洗车操作是由全自动洗车系统122的机械装置(例如，机械臂)执行的。例如，全自动洗车系统122控制机械臂使用气枪吹去车身空隙中的水分。

在一些实施例中，洗车操作可以由全自动洗车系统122根据洗车方案，控制机械装置执行。洗车操作可以包括用清水清洗、在车身上涂抹洗车液、冲洗干净等操作。

在一些实施例中，可以将洗车操作分为多个洗车阶段，确定多个洗车阶段中每个洗车阶段的洗车参数，基于每个洗车阶段的洗车参数，执行每个洗车阶段的洗车操作。关于多个洗车阶段的详细说明，可参见本说明书中图5的相关说明。

步骤330，通过洗车废水处理系统对全自动洗车系统执行洗车操作时产生的废水进行处理。

在一些实施例中，洗车废水处理系统123可以对全自动洗车系统执行洗车操作时产生的废水进行收集、过滤、消毒、净化等处理。

在一些实施例中，洗车废水处理系统123可以确定洗车操作的执行过程中的废水信息，废水信息包括废水产生速率、废水成分中至少一种，基于废水信息，确定废水处理方案。关于多个洗车阶段及确定废水处理方案的详细说明，可参见本说明书中图5的相关说明。

步骤340，通过会员收费管理系统在全自动洗车系统完成洗车操作后，确认洗车费用并进行收费。

在一些实施例中，会员收费管理系统124可以根据洗车方案，确定洗车费用。例如，会员收费管理系统124可以根据高压水枪冲洗时长、洗车液用量等参数，确定洗车费用。

在一些实施例中，会员收费管理系统124确定洗车费用后，生成账单(例如，二维码等)，用户通过账单进行支付(例如，在线支付、自动扣款等)。会员收费管理系统124可以将账单发送至服务器130，再由服务器130发送至用户终端110。

本说明书的智能洗车系统集成的实现方法，通过车牌识别系统、全自动洗车系统、洗车废水处理系统以及会员收费管理系统，取代了人工洗车的方式，实现洗车过程的自动化和智能化，提升了用户体验。

图4是根据本说明书一些实施例所示的确定清洗路径的示意性流程图。在一些实施例中，流程400可以由全自动洗车系统122执行。

步骤410，通过多个设置于不同位置的摄像头获取多个车身图像。

车身图像可以指与车身有关的图像。车身图像可以包括从不同角度获取的车身的图像。车身图像也可以包括局部图和整体图。局部图可以包括不同的车身结构的图片。例如，车身图像可以指车身的左视图、右视图、俯视图、左车门的左视图等。

摄像头可以设置在全自动洗车系统中的洗车空间内的不同位置处。例如，可以在洗车空间内部的左边、右边、上边，可以通过与不同位置的摄像头连接来获取车身图像。例如，通过在车辆左边的摄像头可以获取车身的左视图。

步骤420，基于图像识别模型对多个车身图像的处理，获取车身轮廓信息。图像识别模型为机器学习模型。

车身轮廓信息可以指与车辆外形有关的信息。

图像识别模型可以用于确定车身轮廓信息。图像识别模型可以是机器学习模型，例如，图像识别模型可以是卷积神经网络模型。图像识别模型的输入可以包括同一车辆的多个车身图像，输出可以包括该车辆的轮廓信息。例如，车辆的轮廓曲线。

在一些实施例中，图像识别模型可以通过训练得到。例如，向初始图像识别模型输入训练样本，并基于标签和初始图像识别模型的输出结果建立损失函数，对初始图像识别模型的参数进行更新，当初始图像识别模型的损失函数满足预设条件时模型训练完成，其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。

在一些实施例中，训练样本可以为多个历史任意车身图像，训练样本可以基于历史数据获取。训练样本的标签可以是车身图像对应车身轮廓信息。标签可以人工标注。

步骤430，基于车辆信息和车身轮廓信息，确定清洗路径。

在一些实施例中，可以根据车辆信息和车身轮廓信息进行比较，可以确定车型对应的原始轮廓信息和改装轮廓信息，并基于改装轮廓信息确定改装部位的清洗路径，通过在对原始轮廓信息对应的预设的清洗路径上加上改装轮廓信息对应的改装部位清洗路径可以确定当前车辆清洗路径。其中，原始轮廓信息可以基于车辆信息获取，预设的清洗路径为原始轮廓信息对应的清洗路径。改装轮廓信息可以包括改装部位的位置、尺寸等。改装部位的位置可以是改装部位相对于车身的位置。例如，改装轮廓信息可以指车辆加装了尾翼，以及尾翼的尺寸。

在一些实施例中，可以获取车身的整体污垢程度，并基于整体污垢程度，确定预设的清洗时长。

车身的整体污垢程度可以指用来评价车身上的污泥、污点等污物对车身整体干净程度影响的指标。整体污垢程度可以通过污物的大小、数量、厚度来体现。在一些实施例中，整体污垢程度可以用数字来表示。可以预设整体污垢程度和数字的对应关系。数字越大，车身的污垢程度越高。例如，整体污垢程度为5的车身比整体污垢程度为3的整体污垢程度要高。

在一些实施例中，可以通过污垢识别模型来确定整体污垢程度。污垢识别模型可以为卷积神经网络模型。污垢识别模型的输入为多个车身图像，输出为对应车辆的车身的整体污垢程度。在一些实施例中，也可以通过污垢识别模型确定洗车过程中实时的整体污垢程度。

在一些实施例中，全自动洗车系统可以用于识别车身不同区域的区域污垢程度。区域污垢程度可以指车身不同区域的污垢程度。车身的不同区域可以根据车身结构来确定。例如，车身的不同区域可以是左侧车门区域、尾部区域。

在一些实施例中，可以通过污垢识别模型来确定车身不同区域的区域污垢程度。在一些实施例中，多个车身图像可以包括车身不同区域的局部图像，污垢识别模型的输入可以包括多个车身不同区域的局部图像，输出可以包括车身的不同区域以及对应的区域污垢程度。

在一些实施例中，污垢识别模型的输出可以通过向量来表示。例如，污垢识别模型的输出为((1,3),(2,4))，其中，1和2表示对应的车身的不同区域，比如，1可以代表左车门区域，2可以代表右车门区域，3可以代表左车门区域的污垢程度，4可以代表右车门区域的污垢程度。

清洗时长可以指对车辆清洗的时长。清洗时长可以包括清洗车辆整体的总清洗时长以及清洗车辆不同区域的区域清洗时长。

在一些实施例中，可以预设整体污垢程度和总清洗时长的对应关系，根据对应关系确定总清洗时长。对应关系可以根据历史整体污垢程度和对应的历史总清洗时长确定。例如，可以将当前车辆的整体污垢程度和历史数据中的历史整体污垢程度作比较，将与当前车辆的整体污垢程度相同或差值小于预设阈值的历史整体污垢程度对应的车辆的历史总清洗时长作为当前车辆的总清洗时长。整体污垢程度越高，对应的总清洗时长越长。

在一些实施例中，还可以预设区域污垢程度和区域清洗时长的对应关系。总清洗时长由同一辆车辆的不同区域清洗时长组成。可以基于区域污垢程度确定区域清洗时长。区域污垢程度越高，对应的区域清洗时长越长。区域清洗时长可以根据历史数据确定，其详细内容可以参见本说明书其他部分内容的描述，例如，总清洗时长的确定方法。

在一些实施例中，可以将同一辆车的区域污垢程度进行排序，基于排序确定区域清洗时长占总清洗时长的比例，从而确定对应的区域清洗时长。例如，同一辆车的车尾部污垢程度为3，车头部的污垢程度为6，车顶部的污垢程度为3，车量的总清洗时长可以为20分钟，则可以设定区域污垢程度排位第一的车头的区域清洗时长为10分钟，车顶部和车尾部的区域清洗时长分别为5分钟。

在一些实施例中，还可以根据污垢程度设定洗车方案中的其他洗车参数。例如，可以基于污垢程度确定洗车液的用量、高压水枪喷出的水的射速、清洗时长等。仅作为示例的，对于整体污垢程度较高的车辆或者区域污垢程度较高的区域，在制定洗车方案时，可以增加对污垢程度较高的区域喷洒的洗车液的用量，增加高压水枪喷出的水的射速，增加对该区域的区域清洗时长等。

在一些实施例中，污垢识别模型可以通过训练得到。例如，向初始污垢识别模型输入训练样本，并基于标签和初始污垢识别模型的输出结果建立损失函数，对初始污垢识别模型的参数进行更新，当初始污垢识别模型的损失函数满足预设条件时模型训练完成，其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。

在一些实施例中，训练样本可以为至少一个，每一个训练样本包括同一个车辆的多个历史车身图像，训练样本可以基于历史数据获取。训练样本的标签可以是每一个车辆的整体污垢程度、不同区域以及对应的区域污垢程度。标签可以人工标注。

根据来车身的污垢程度自定义选择清洗时长可以，可以防止用水量的浪费或是清洗力度不够。通过对不同污垢程度的区域确定针对性的清洗方案，可以使清洗效率更高。

在一些实施例中，全自动洗车系统可以获取车温、环境温度，并基于车温、环境温度确定高压水枪喷射的洗车水温。

车温可以指车辆部件的温度。例如，车温可以是发动机的温度。发动机温度可以通过汽车仪表、排气管温度和/或冷却水温度表示。可以通过在排气管、冷却水管道处设置温度传感器，并获取车辆排气管温度、防冻液(冷却水)的温度作为发动机温度。环境温度可以通过洗车空间中的温度传感器获取。

可以通过机器学习模型和/或预设水温数据库来确定高压水枪喷射的水温。例如，预设水温数据库中包括车温、与车温对应的环境温度以及对应的洗车水温。其中，对应的汽车水温可以人工根据经验设定。可以将当前车辆的车温和环境温度与预设水温数据库中的车温、与车温对应的环境温度比较确定相似度，将与当前车辆的车温和环境温度相似度超过预设阈值的预设数据库中的车温、环境温度对应的洗车水温作为当前车辆的洗车水温。如可以将与当前车辆的车温和环境温度相似度最高的预设数据库中的车温、环境温度对应的洗车水温作为当前车辆的洗车水温。

由于在发动机温度高的时候清洗，发动机突然遇冷，可能会导致缸体变形开裂。同时，在高温下对车辆进行清洗会产生大量水蒸气，可能会对电路可能存在影响。因此，基于车温和环境温度来确定高压水枪喷射的水温，可以防止清洗对车辆造成损坏。

在一些实施例中，可以获取车辆的洗车频率，进而可以基于洗车频率确定洗车参数。在一些实施例中，可以基于洗车频率确定高压水枪参数。

可以基于车牌信息通过预设数据库确定对应的洗车参数。可以预设洗车频率和洗车参数的关系。对应关系可以基于历史数据调整确定。例如，当前车辆洗车频率为10次/月，预设数据库中历史数据中不包括相同的洗车频率，只包括8次/月的洗车频率，可以将8次/月的洗车频率对应的洗车参数作为当前车辆的洗车参数，或者基于8次/月的洗车频率对应的洗车参数做调整，例如，减少对应的高压水枪的射速。洗车频率越高，可以对应较温和的洗车方案。例如，洗车频率越高，高压水枪的射速可以减小，可以使用温水洗车。

由于洗车频率过高会加快车辆漆面的磨损程度，通过调节高压水枪的射速和水温可以减小对车辆漆面的磨损程度。

根据不同的车型定制个性化的洗车方案，有助于提高清洗效率，增加洗车的智能化。

图5是根据本说明书一些实施例所示的确定洗车方案的示意性流程图。在一些实施例中，流程500可以由全自动洗车系统和洗车废水处理系统123执行。

步骤510，可以将洗车操作分为多个洗车阶段。

洗车操作可以包括用清水清洗、在车身上涂抹洗车液、冲洗干净。可以按照洗车操作的顺序将洗车操作分为第一洗车阶段、第二洗车阶段、第三洗车阶段。

在第一洗车阶段中，可以使用清水对车身整体进行大面积冲洗。

在第二洗车阶段中，可以先将洗车液和/或清水喷在车身上，在车身上产生泡沫，进行深度清洁，在深度清洁后，使用清水初步冲掉车身上的泡沫，直至车身泡沫初步清洗干净。在此期间，可以使用车刷对车辆进行刷洗。

在第三洗车阶段中，可以使用清水继续冲洗直至结束。

可以通过人工输入确定当前洗车阶段。还可以根据洗车用具确定当前洗车阶段，例如，当检测到全自动洗车系统正在使用喷洒洗车液的用具可以确定当前洗车阶段为第二洗车阶段。还可以根据洗车用具的使用顺序来确定当前洗车阶段，例如，当检测到全自动洗车系统已经使用过喷洒洗车液的用具，正在使用清水管对车进行清洗，可以确定当前洗车阶段为第三洗车阶段。

步骤520，确定多个洗车阶段中每个洗车阶段的阶段洗车参数。

在一些实施例中，全自动洗车系统可以确定每个洗车阶段的清洗时长、洗车液喷射在车身的部位以及用量等。

在一些实施例中，第一洗车阶段的阶段清洗时长可以相关于当前整体污垢程度。第一洗车阶段的阶段清洗时长正比于整体污垢程度，即当前整体污垢程度越高，第一洗车阶段的阶段清洗时长越长。

在一些实施例中，可以基于不同位置的摄像头获取的每一个洗车阶段的多个车身图像确定当前整体污垢程度，并基于当前整体污垢程度确定第一阶段的阶段清洗时长。关于当前污垢程度和清洗时长的详细内容可以参见本说明书其他部分的描述，例如，图3中关于整体污垢程度、总清洗时长的描述。

在一些实施例中，在第二洗车阶段中，可以基于当前区域污垢程度确定洗车液喷射在车身的部位以及用量。洗车液喷射在车身的位置可以为污垢所在的区域，当前区域污垢程度越高，在污垢所在的区域的洗车液的用量越多。关于当前区域污垢程度的详细内容可以参见本说明书其他部分的描述，例如，图3中关于区域污垢程度的描述。

在一些实施例中，第三洗车阶段的阶段清洗时长可以相关于第二洗车阶段的洗车液的用量。第三洗车阶段的阶段清洗时长正比于第二洗车阶段的洗车液的用量。第二洗车阶段的洗车液的用量越高，第三洗车阶段的阶段清洗时长越高。

基于整体污垢程度确定第一洗车阶段的清洗时长，并基于区域污垢程度确定洗车液喷射在车身的部位以及用量，可以提高清洗效率。第一洗车阶段和第二洗车阶段的清洗基于第二洗车阶段洗车液的用量确定第三阶段的清洗时长，可以减少洗车液在车身上的残留。

在一些实施例中，洗车方案中其他的参数(例如，高压水枪的水温)的确定可以参见本说明书其他部分的描述，例如，图3。

通过分段执行洗车，使得对洗车过程更便于把控，有助于精准控制洗车过程中车辆的状态，从而进行针对性处理。

步骤530，基于每个洗车阶段的所述洗车参数，执行每个洗车阶段的洗车操作。

可以将洗车参数发送给全自动洗车系统122，全自动洗车系统122可以根据洗车参数确定洗车命令，执行洗车操作。执行洗车操作的详细内容可以参见本说明书其他部分的内容，例如，图3。

步骤540，确定洗车操作的执行过程中的废水信息，废水信息包括废水产生速率、废水成分中至少一种。

废水信息可以指在洗车过程中与洗车产生的废水有关的信息。

废水产生速率与不同时刻的高压水枪的射速有关。同一时刻的废水产生速率可以正相关于高压水枪的射速。高压水枪的射速越高，废水产生速率越高。在一些实施例中，废水产生速率基于高压水枪的射速来确定。废水产生速率可以为高压水枪每秒/每分钟射出的水的体积。示例性地，废水产生速率通过公式(2)确定：

Q＝v×3.14R² (2)

其中，Q为废水产生速率，单位可以为L/s或L/min，v为高压水枪射速，单位为m/s或者m/min，R为高压水枪横截面的半径。

废水成分可以指洗车过程中产生的废水的成分。废水成分可以包括车辆车身的污垢的成分、洗车液的种类以及水中的至少一种。各个洗车阶段产生的废水成分不同。例如，第一洗车阶段产生的废水成分中车身的污垢成分较高，第二洗车阶段产生的废水成分中洗车液成分较高，第三洗车阶段产生的废水成分中包括少量的洗车液。

车辆车身的污垢的成分可以包括泥沙类和油脂类等。可以根据车辆信息来确定车辆车身的污垢的成分。可以根据车型来确定当前车辆是否为大型运输车辆和/或小型家用车辆。对于，由于小型家用车辆多进行短途行驶，车辆上沾染的灰尘和泥沙较多，而油类物质相对较少，其清洗得到的洗车废水中污垢较为单一，主要包括泥沙类污垢。而大型长途运输车辆多进行长途行驶，车辆上沾染的煤焦油或燃料油较多，并且承载的物品也会给车体带来污垢，其清洗得到的洗车废水中污垢成分较为复杂，主要包括油脂类污垢。

在一些实施例中，洗车液的种类可以根据车辆车身的污垢的成分来确定。针对泥沙类污垢，可以采用日常类洗车剂，针对油脂类污垢，可以采用针对性的洗车剂，例如针对油脂的溶剂类洗车剂。

在一些实施例中，由于废水成分含有车辆车身的污垢，因此废水成分还与车身的整体污垢程度相关。整体污垢程度较高，废水成分中污垢的成分比例较高，对应的洗车液的用量较高，清水用量也越高。关于整体污垢程度的详细内容可以参见本说明书其他部分的内容，例如，图3。

步骤550，基于废水信息，确定废水处理方案。

废水处理方案可以指对使用污水处理池对废水进行净化的方案。废水处理方案可以包括污水处理池的选用、污水处理池中除污剂的选用、用量方案以及废水处理时长中最少一种。通过废水处理方案使得废水可以达到城市用水排放标准。例如，针对泥沙类污垢，废水处理方案可以为选择沉淀池进行处理，并可以增加沉淀剂加速沉淀。

污水处理池可以有多个。污水处理池的参数可以包括基础参数和处理方式。基础参数可以包括污水处理池的体积、处理温度。污水的处理方式可以根据污水的处理单元来确定。处理单元可以包括污水处理池中的滤料、搅拌器、爆气单元、滤膜、沉淀等。

在一些实施例中，可以基于废水信息确定污水处理池的选用。当废水产生速率较高，可以选用体积较大的污水处理池。再例如，废水成分中油脂较多，可以选用带有去油脂滤料的污水处理池。

污水处理池的顶部可以设置有排水孔，可以对每个污水处理池顶部的排水孔的开闭进行控制。在一些实施例中，可以通过控制对应顶部排水孔的开闭从而控制废水流入不同的污水处理池，确定选用的污水处理池。例如，有三个污水处理池甲、乙、丙，当选用污水处理池甲时，可以关闭污水处理池乙、丙顶部的排水孔。

在一些实施例中，可以根据废水成分来确定废水处理时长。由于废水成分与车身的整体污垢程度相关，当车身整体污垢程度越高，则对应的除污剂的用量也越多，则废水处理时长较长。

在一些实施例中，可以根据废水成分来选用对应类型的除污剂。除污剂可以包括强氧化药剂、絮凝沉淀药剂等。例如，强氧化药剂可以使氨氮去除剂，絮凝沉淀药剂可以包括除磷剂、重金属捕捉剂等。例如，溶剂类洗车剂包含的有机物较多，可以使用氨氮去除剂作为除污剂。

在一些实施例中，洗车废水处理系统123可以用于基于对当前洗车阶段、车况、水压参数，确定废水处理方案。

在一些实施例中，可以通过处理方案确定模型来确定废水处理方案。处理方案确定模型可以是机器学习模型，例如，处理方案确定模型可以是深度神经网络模型、卷积神经网络模型等。处理方案确定模型的输入可以包括当前洗车阶段、当前车身清洗情况、高压水枪参数等，输出可以包括当前洗车阶段对应的废水处理方案。其中，确定当前洗车阶段、高压水枪参数的详细内容可以参见本说明书其他部分内容的描述，例如，步骤510、图4的相关描述。

当前车身清洁情况可以包括洗车过程中当前整体污垢程度、车身泡沫量中的至少一种。其中，可以通过污垢识别模型来确定当前整体污垢程度，可以通过阶段判断模型确定车身泡沫量。确定车身污垢程度的详细内容可以参见本说明书其他部分内容的描述，例如，图4。

车身泡沫量可以通过车身泡沫的覆盖面积占车身面积的比例。例如，车身泡沫量可以是80％。

可以通过泡沫判断模型来确定洗车阶段。泡沫判断模型可以是机器学习模型，例如，泡沫判断模型可以是深度神经网络模型。泡沫判断模型的输入可以是在清洗过程中从不同角度获取的车身的图像，输出可以是车身泡沫量。

在一些实施例中，泡沫判断模型可以通过训练得到。例如，向初始泡沫判断模型输入训练样本，并基于标签和初始泡沫判断模型的输出结果建立损失函数，对初始泡沫判断模型的参数进行更新，当初始泡沫判断模型的损失函数满足预设条件时模型训练完成，其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。

在一些实施例中，训练样本可以为多个清洗过程中的历史车身图像，训练样本可以基于历史数据获取。训练样本的标签可以是清洗过程中的历史车身图像对应的车身泡沫量。标签可以人工标注。

在一些实施例中，处理方案确定模型可以通过训练得到。例如，向初始处理方案确定模型输入训练样本，并基于标签和初始处理方案确定模型的输出结果建立损失函数，对初始处理方案确定模型的参数进行更新，当初始处理方案确定模型的损失函数满足预设条件时模型训练完成，其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。

在一些实施例中，训练样本可以为历史洗车阶段、历史车身清洗情况、历史高压水枪参数，训练样本可以基于历史数据获取。训练样本的标签可以是历史废水处理方案。标签可以人工标注。

通过对洗车得到的废水及时进行处理，可以减少对环境的破坏，减小城市废水处理压力，实现环保洗车。

需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (6)

1.一种智能洗车系统集成的装置，其特征在于，包括：

车牌识别系统，用于获取车牌图像，基于所述车牌图像获取车牌信息，以及基于所述车牌信息，确定车辆信息；

全自动洗车系统，用于：

基于所述车辆信息，确定洗车方案，所述车辆信息包括车身的整体污垢程度，所述洗车方案包括清洗路径、高压水枪参数、洗车液参数以及清洗时长，所述高压水枪参数包括高压水枪压力、高压水枪流量、高压水枪方向、高压水枪冲洗时长以及高压水枪喷射的洗车水温，所述高压水枪喷射的洗车水温基于车温以及环境温度确定，所述高压水枪参数基于洗车频率确定，确定所述清洗路径包括：

基于所述全自动洗车系统，通过多个设置于不同位置的摄像头获取多个车身图像；

通过所述全自动洗车系统，基于图像识别模型对所述多个车身图像的处理，获取所述车辆信息和车身轮廓信息；所述图像识别模型为机器学习模型；

通过所述全自动洗车系统，基于所述车辆信息和所述车身轮廓信息，确定清洗路径；

以及基于所述洗车方案，执行洗车操作；

洗车废水处理系统，用于对所述全自动洗车系统执行所述洗车操作时产生的废水进行处理，包括：

通过所述洗车废水处理系统，确定所述洗车操作的执行过程中的废水信息，所述废水信息包括废水产生速率、废水成分中至少一种；

通过所述洗车废水处理系统基于所述废水信息，通过处理方案确定模型确定废水处理方案，所述处理方案确定模型的输入包括当前洗车阶段、当前车身清洗情况、所述高压水枪参数等，输出包括所述当前洗车阶段对应的所述废水处理方案；其中，所述当前车身清洗情况包括当前整体污垢程度以及车身泡沫量中的至少一种，所述车身泡沫量是指车身泡沫的覆盖面积占车身面积的比例；

基于所述洗车废水处理系统执行所述废水处理方案；

会员收费管理系统，用于在所述全自动洗车系统完成所述洗车操作后，确认洗车费用并进行收费。

2.根据权利要求1所述的装置，其特征在于，所述全自动洗车系统进一步用于：

将所述洗车操作分为多个洗车阶段；

确定所述多个洗车阶段中每个洗车阶段的洗车参数；

基于所述每个洗车阶段的所述洗车参数，执行所述每个洗车阶段的所述洗车操作。

3.一种智能洗车系统集成的实现方法，其特征在于，所述方法包括：

基于车牌识别系统获取车牌图像，基于所述车牌图像获取车牌信息，以及通过所述车牌识别系统基于所述车牌信息，确定车辆信息；

通过全自动洗车系统基于所述车辆信息，确定洗车方案，所述车辆信息包括车身的整体污垢程度，所述洗车方案包括清洗路径、高压水枪参数、洗车液参数以及清洗时长，所述高压水枪参数包括高压水枪压力、高压水枪流量、高压水枪方向、高压水枪冲洗时长以及高压水枪喷射的洗车水温，所述高压水枪喷射的洗车水温基于车温以及环境温度确定，所述高压水枪参数基于洗车频率确定，确定所述清洗路径包括：

基于所述全自动洗车系统，通过多个设置于不同位置的摄像头获取多个车身图像；

通过所述全自动洗车系统，基于图像识别模型对所述多个车身图像的处理，获取所述车辆信息和车身轮廓信息；所述图像识别模型为机器学习模型；

通过所述全自动洗车系统，基于所述车辆信息和所述车身轮廓信息，确定清洗路径；

以及通过所述全自动洗车系统基于所述洗车方案，执行洗车操作；

通过洗车废水处理系统对所述全自动洗车系统执行所述洗车操作时产生的废水进行处理，包括：

通过所述洗车废水处理系统，确定所述洗车操作的执行过程中的废水信息，所述废水信息包括废水产生速率、废水成分中至少一种；

通过所述洗车废水处理系统基于所述废水信息，通过处理方案确定模型确定废水处理方案，所述处理方案确定模型的输入包括当前洗车阶段、当前车身清洗情况、所述高压水枪参数等，输出包括所述当前洗车阶段对应的所述废水处理方案；其中，所述当前车身清洗情况包括当前整体污垢程度以及车身泡沫量中的至少一种，所述车身泡沫量是指车身泡沫的覆盖面积占车身面积的比例；

基于所述洗车废水处理系统执行所述废水处理方案；

通过会员收费管理系统在所述全自动洗车系统完成所述洗车操作后，确认洗车费用并进行收费。

4.根据权利要求3所述的方法，其特征在于，所述通过全自动洗车系统基于所述车辆信息，确定洗车方案包括：

基于所述全自动洗车系统，将所述洗车操作分为多个洗车阶段；

基于所述全自动洗车系统，确定所述多个洗车阶段中每个洗车阶段的洗车参数；

所述通过所述全自动洗车系统基于所述洗车方案，执行洗车操作包括：

通过所述全自动洗车系统，基于所述每个洗车阶段的所述洗车参数，执行所述每个洗车阶段的所述洗车操作。

5.一种智能洗车系统集成的系统，所述系统包括至少一个处理器以及至少一个存储器；

所述至少一个存储器用于存储计算机指令；

所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求3～4中任意一项所述的方法。

6.一种计算机可读存储介质，所述存储介质存储计算机指令，当所述计算机指令被处理器执行时实现如权利要求3～4任意一项所述的方法。

Images