CN116104034B - 一种用于城市绿化带落叶清扫的智能机器人及其系统 - Google Patents
一种用于城市绿化带落叶清扫的智能机器人及其系统 Download PDFInfo
- Publication number
- CN116104034B CN116104034B CN202310174366.XA CN202310174366A CN116104034B CN 116104034 B CN116104034 B CN 116104034B CN 202310174366 A CN202310174366 A CN 202310174366A CN 116104034 B CN116104034 B CN 116104034B
- Authority
- CN
- China
- Prior art keywords
- cleaning
- urban green
- green belt
- module
- trees
- 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.)
- Active
Links
- 238000004140 cleaning Methods 0.000 title claims abstract description 274
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000013528 artificial neural network Methods 0.000 claims abstract description 25
- 238000009826 distribution Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 230000035613 defoliation Effects 0.000 claims description 25
- 230000008859 change Effects 0.000 claims description 20
- 230000032683 aging Effects 0.000 claims description 18
- 230000008635 plant growth Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 16
- 230000012010 growth Effects 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 14
- 238000007726 management method Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000003032 molecular docking Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 241000196324 Embryophyta Species 0.000 description 24
- 238000001514 detection method Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000001965 increasing effect Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 241001464837 Viridiplantae Species 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000013138 pruning Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 241001330002 Bambuseae Species 0.000 description 1
- 208000010392 Bone Fractures Diseases 0.000 description 1
- 206010017076 Fracture Diseases 0.000 description 1
- 208000012868 Overgrowth Diseases 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01H—STREET CLEANING; CLEANING OF PERMANENT WAYS; CLEANING BEACHES; DISPERSING OR PREVENTING FOG IN GENERAL CLEANING STREET OR RAILWAY FURNITURE OR TUNNEL WALLS
- E01H1/00—Removing undesirable matter from roads or like surfaces, with or without moistening of the surface
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/086—Learning methods using evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明提供的用于城市绿化带落叶清扫的智能机器人及其系统,涉及绿化带智能清扫领域;该机器人用于根据选定清扫路径进行落叶的清扫,包括:第一获取模块获取城市绿化带栽种的树木随气候数据的落叶信息样本数据,训练神经网络预测模型;第二获取模块获取当前气候数据和城市绿化带栽种的树木的种类,计算绿化带树木的分布比例;预测计算模块采用神经网络预测模型计算各绿化带的落叶堆积厚度;路径规划模块根据落叶堆积厚度和预设厚度阈值规划清扫路径;选择清扫模块选择清扫路径依次清扫落叶。本发明通过现有绿化植物落叶习惯的学习,预测当前绿化带植物的落叶习惯,实现在清扫周期内监测落叶厚度,提高落叶清扫效率。
Description
技术领域
本发明涉及绿化带智能清扫技术领域,具体涉及一种用于城市绿化带落叶清扫的智能机器人及其系统。
背景技术
为促进城市可持续发展、创造良好的人居环境,城市生态环境建设的步伐主导城市绿化工作迅速推进;城市绿化是城市重要的基础设施,是城市现代化建设的重要内容。为解决城市绿化工作呈现的面积总量不足、城市内大树少、城市中心地区绿地更少、城市周边地区没有形成以树木为主的绿化隔离林带,建设工程的绿化配套工作未完全落实等现状,近年来相关部门一方面通过进行城市规划加大力度推进既定绿化工作的目标完成,另一方面关注现有绿化的生长情况,进行大树更替或绿植替换,维护保持。
当前城市绿化的范围主要由公共绿化、居住区绿化、单位附属绿化、防护绿化、出产绿化和景色林地组成,其中,构成公共绿化城市街道的城市绿化带不仅能起稳固路基、保护路面、美化路容、诱导交通、舒适旅行的作用,而且还能起保护环境,防治污染,维持生态平衡的作用;目前城市绿化带主要是种植行道树、并在行道树之间栽种低矮的灌木植物,为保证绿化美观,灌木植物通常修剪为宽度0.6至0.8米、高度0.8至1.0米的灌木丛。
随着城市建设步伐的加快以及居民汽车保有量的不断提高,城市绿化带垃圾从各方面困扰着城市环卫部门。例如,在来往货车密集的城市道路,绿化带灰尘垃圾污染严重,绿叶上灰尘堆积;在人群往来集聚的城市道路,各种塑料垃圾在绿化带的灌木中垃圾;另外,种植落叶树的绿化带有大量落叶纷撒,铺盖绿化带和路面,影响交通和城市防火安全。目前绿化带的清洁工作主要依赖环卫人员人工处理,例如,灌木中的落叶、垃圾等用竹耙从灌木丛中扒出,收集后装袋再利用或焚烧,不仅效率低下,而且道路清扫具有危险。现阶段一些环卫人员也采用吹吸叶机清理绿化带上表层垃圾和落叶,虽然减少了部分人力的投入,但仍需要工作人员逐条街道进行垃圾、落叶处理。
此外,由于城市绿化带栽种的树木不同、所处位置不同,城市绿化带中落叶堆积的量不同,当前环卫部门缺乏对绿化带堆积落叶的监测手段,只能对区域内所有城市绿化带统一清扫处理。
发明内容
本发明目的在于提供一种用于城市绿化带落叶清扫的智能机器人及其系统,通过对现有绿化植物随气候变化的落叶信息样本数据的学习预测种植在城市绿化带中树木的落叶习惯,计算清扫周期内各城市绿化带中落叶堆积厚度,达到监测城市绿化带堆积落叶的目的。
为达成上述目的,本发明提出如下技术方案:一种用于城市绿化带落叶清扫的智能机器人,用于根据选定清扫路径进行堆积落叶的清扫,包括:
第一获取模块,用于获取城市绿化带栽种的各种类树木随气候数据变化的落叶速度的样本数据,训练树木随气候数据变化落叶速度的神经网络预测模型;
第二获取模块,用于对设定清扫区域的任一城市绿化带,获取当前气候数据和城市绿化带栽种的树木的种类,计算城市绿化带各种类树木的分布比例;
预测计算模块,用于采用神经网络预测模型分别预测城市绿化带各种类树木的落叶速度,并根据所述分布比例和预测的各种类树木的落叶速度,在任一清扫周期计算各城市绿化带的落叶堆积厚度;
路径规划模块,用于根据落叶堆积厚度对设定清扫区域内所有城市绿化带进行自高至低排序,根据预设厚度阈值,规划清扫路径;
选择清扫模块,用于选择任一清扫路径,依次对清扫路径上各城市绿化带的堆积落叶进行自动清扫。
进一步的,还包括:
收集模块,用于收集并计算清扫路径上各城市绿化带的真实落叶堆积厚度和各城市绿化带内树木的真实落叶速度;
更新模块,用于根据各城市绿化带内树木的真实落叶速度,更新样本数据并重新训练树木随气候数据变化落叶速度的神经网络预测模型。
进一步的,还包括:
第三获取模块,用于获取任一城市绿化带清扫过程其内树木各角度的拍摄照片;
分析模块,用于根据拍摄照片分析其内树木的生长状态,其中,所述生长状态包括生长期、开花期、结果期和衰老期;
第一定位上传模块,用于定位处于衰老期的树木在所述城市绿化带内的第一位置信息,并上传监管中心,以便监管中心管理。
进一步的,所述路径规划模块规划清扫路径的执行单元包括:
筛选单元,用于根据预设厚度阈值,筛选落叶堆积厚度不低于所述预设厚度阈值的所有城市绿化带;
设定单元,用于根据筛选的落叶堆积厚度不低于所述预设厚度阈值的各城市绿化带依次自高至低设定为第一清扫站点、第二清扫站点、……、第N清扫站点,N为清扫区域内落叶堆积厚度不低于预设厚度阈值的城市绿化带数量;
第一获取单元,用于获取所述用于城市绿化带落叶清扫的智能机器人的当前位置信息;
路径搜索单元,用于采用深度优先搜索算法搜索当前位置信息与所述第一清扫站点、以及任意相邻两个清扫站点的若干路径;
第二获取单元,用于获取城市道路通行数据,并根据移动时间、移动距离为当前位置信息与所述第一清扫站点间、以及任意相邻两个清扫站点间优先推荐n条路径,n≥2。
进一步的,所述路径规划模块规划清扫路径的执行单元还包括:
附加记录单元,用于对筛选后落叶堆积厚度低于所述预设厚度阈值的所有城市绿化带附加清扫周期标记,并分别记录各城市绿化带在对应附加清扫周期的落叶堆积厚度;
统计单元,用于在新一清扫周期预测并统计各城市绿化带的落叶堆积厚度,其中,附加有上一清扫周期标记的所有城市绿化带的落叶堆积厚度为新一清扫周期计算的落叶堆积厚度和记录的上一清扫周期计算的落叶堆积厚度之和;
路径规划单元,用于根据预设厚度阈值,对新一清扫周期统计的设定清扫区域内所有城市绿化带的落叶堆积厚度进行自高至低筛选排序,并规划清扫路径。
进一步的,还包括:
定义模块,用于在水平方向上定义设定清扫区域内任一城市绿化带对应的植物生长区域;
计算模块,用于根据拍摄照片计算各城市绿化带内树木在水平方向伸出对应植物生长区域的超出比例;
第二定位上传模块,用于根据预设比例阈值,定位在水平方向伸出对应植物生长区域且超出比例不低于预设比例阈值的树木在所述城市绿化带内的第二位置信息,并上传监管中心,以便监管中心管理。
进一步的,还包括:
移动模块,用于带动所述用于城市绿化带落叶清扫的智能机器人沿选定的清扫路径移动;
工作模块,用于所述用于城市绿化带落叶清扫的智能机器人在任一城市绿化带执行落叶清扫工作;
驱动模块,用于驱动所述用于城市绿化带落叶清扫的智能机器人的移动模块和所述工作模块动作;
控制模块,用于控制所述用于城市绿化带落叶清扫的智能机器人根据第一获取模块、第二获取模块和预测计算模块预测清扫周期内各城市绿化带的落叶堆积厚度,控制所述用于城市绿化带落叶清扫的智能机器人在所述驱动模块下自动移动和执行工作。
进一步的,还包括:
第四获取模块,用于获取可栽种于城市绿化带的各类树木对应的落叶期,并根据各类树木对应的落叶期预设落叶提示;
识别模块,用于在设定清扫区域内任一城市绿化带清扫过程中,识别其内栽种的树木是否达到落叶期;
提示执行模块,用于当识别到城市绿化带内树木达到落叶期,根据预设落叶提示发出对应的提示音,以便工作模块接触并晃动对应的树木。
本发明另一目的在于公开一种用于城市绿化带落叶清扫的智能机器人系统,该系统包括上述的用于城市绿化带落叶清扫的智能机器人,停靠站以及监管中心。
进一步的,所述停靠站用于为所述用于城市绿化带落叶清扫的智能机器人的驱动模块充能;所述监管中心用于接收所述用于城市绿化带落叶清扫的智能机器人上传的处于衰老期的树木所处的城市绿化带的位置信息及其在所述城市绿化带内的第一位置信息、接收所述用于城市绿化带落叶清扫的智能机器人上传的在水平方向伸出对应植物生长区域且超出比例不低于预设比例阈值的树木在所述城市绿化带内的第二位置信息。
由以上技术方案可知,本发明的技术方案获得了如下有益效果:
本发明公开的用于城市绿化带落叶清扫的智能机器人及其系统,其中,智能机器人用于根据选定清扫路径进行堆积落叶的清扫,具体包括:第一获取模块,用于获取城市绿化带栽种的各种类树木随气候数据变化的落叶速度的样本数据,训练树木随气候数据变化落叶速度的神经网络预测模型;第二获取模块,用于对设定清扫区域的任一城市绿化带,获取当前气候数据和城市绿化带栽种的树木的种类,计算城市绿化带各种类树木的分布比例;预测计算模块,用于采用神经网络预测模型分别预测城市绿化带各种类树木的落叶速度,并根据所述分布比例和预测的各种类树木的落叶速度,在任一清扫周期计算各城市绿化带的落叶堆积厚度;路径规划模块,用于根据落叶堆积厚度对设定清扫区域内所有城市绿化带进行自高至低排序,根据预设厚度阈值,规划清扫路径;选择清扫模块,用于选择任一清扫路径,依次对清扫路径上各城市绿化带的堆积落叶进行自动清扫。本发明通过现有绿化植物落叶习惯的学习,预测当前绿化带植物的落叶习惯,并实时根据清扫周期内对落叶的收集数据更新训练神经网络预测模型,实现在清扫周期内监测落叶厚度,进而根据选定清扫路径自主进行落叶清扫,提高落叶清扫效率。
另外,本发明的智能机器人在对城市绿化带清扫过程还进一步通过采集绿化带内树木各角度的拍摄照片,以便根据拍摄照片分析其内树木的生长状态和计算各城市绿化带内树木在水平方向伸出对应植物生长区域的超出比例,进而当发现树木处于衰老期、树木在水平方向伸出对应植物生长区域的超出比例不低于预设比例阈值时进行上报,以便监管中心及时调配修理车进行枯木和枝叶修理,进一步提升市政部门对城市绿化带的监管。
应当理解,前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见,或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不表示按照真实参照物比例绘制。在附图中,在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见,在每个图中,并非每个组成部分均被标记。现在,将通过例子并参考附图来描述本发明的各个方面的实施例,其中:
图1为本发明智能机器人根据落叶堆积厚度进行落叶清扫的框架组成;
图2为本发明智能机器人根据实时清扫落叶数据更新预测模型的框架组成;
图3为本发明智能机器人根据拍摄照片分析并上报植物生长状态和植物超出生长的框架组成;
图4为本发明智能机器人的路径规划模块规划清扫路径的执行单元框架;
图5为本发明智能机器人实现落叶清扫工作的组成框架;
图6为本发明智能机器人辅助树木落叶期清扫工作的框架组成。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。除非另作定义,此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。
本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。同样,除非上下文清楚地指明其它情况,否则单数形式的“一个”“一”或者“该”等类似词语也不表示数量限制,而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的特征、整体、步骤、操作、元素和/或组件,并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
“上”“下”“左”“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
基于当前城市生态环境建设的推进,城市绿化带的数量逐年增多,市政部门管理维护城市绿化带的工作量逐年增大;对于城市绿化带落叶及垃圾的清理,目前市政部门主要采用人力工作,通过人工操作机械进行落叶或垃圾的收集处理;该工作方式一方面由于城市绿化工作的开展、需要的人力逐年增加,另一方面人力清扫落叶时不仅效率低且清扫道路具有安全风险。本发明旨在于提出一种更高效的用于城市绿化带落叶清扫的智能机器人,通过对已知绿化植被随气候变化的落叶样本数据学习,实时监测清扫区域内各城市绿化带的落叶数据,进而对需要清扫的城市绿化带按照落叶厚度和选定清扫路径进行自主清扫。
下面结合附图所示的具体实施例,对本发明公开的用于城市绿化带落叶清扫的智能机器人及其系统作进一步具体介绍。
实施例公开的用于城市绿化带落叶清扫的智能机器人,用于根据选定清扫路径进行堆积落叶的清扫,其通过对绿化植物随气候变化落叶数据的学习实现预测城市绿化带各种类树木的落叶数据,达到监测城市绿化带落叶的目的,进而根据落叶数据规划清扫路径,实现自动清扫;在减少人力投入的基础上,提高落叶清扫效率、提高落叶清理的安全性。
具体如图1所示,用于城市绿化带落叶清扫的智能机器人包括如下工作模块:第一获取模块,用于获取城市绿化带栽种的各种类树木随气候数据变化的落叶速度的样本数据,训练树木随气候数据变化落叶速度的神经网络预测模型;第二获取模块,用于对设定清扫区域的任一城市绿化带,获取当前气候数据和城市绿化带栽种的树木的种类,计算城市绿化带各种类树木的分布比例;预测计算模块,用于采用神经网络预测模型分别预测城市绿化带各种类树木的落叶速度,并根据所述分布比例和预测的各种类树木的落叶速度,在任一清扫周期计算各城市绿化带的落叶堆积厚度;路径规划模块,用于根据落叶堆积厚度对设定清扫区域内所有城市绿化带进行自高至低排序,根据预设厚度阈值,规划清扫路径;选择清扫模块,用于选择任一清扫路径,依次对清扫路径上各城市绿化带的堆积落叶进行自动清扫。
现有技术为研究植物随气候变化的影响,公开了各种植物随气候变化的落叶数据,本方案直接应用现有技术公开的、种植在城市绿化带的树木及植物的落叶数据作为样本数据进行模型训练;其中,气候变化的主要数据因素包括温度、湿度、风力、降雨量,落叶速度数据的获取主要由观测设定时间范围内树木落叶量测得;选用卷积神经网络训练神经网络预测模型,训练时,将样本数据按照8:2的比例划分为训练集和验证集;训练前期,人工设定卷积神经网络的网络拓扑结构和各个超参数进行预测模型训练;训练后期,采用遗传算法优化训练完成的预测模型,确保预测模型的精度。
具体实施时,预先在设定清扫区域内布设多个气候观测微站检测当前气候数据,以及预先获取设定清扫区域的所有城市绿化带种植的树木种类。作为一可选的实施例,对任一城市绿化带计算其内树木的分布比例的过程为:预先对清扫区域内所有城市绿化带进行顺序标号,统计各标号城市绿化带的面积;随后基于对各标号城市绿化带树木数量的统计计算树木的第一占地面积S1,进而计算各标号城市绿化带内灌木的第二占地面积S2。预测计算模块在对任一城市绿化带进行落叶清扫时,先根据神经网络预测模型预测其内树木种类的落叶速度v,然后根据设定的清扫周期T,计算第一占地面积S1下的落叶量C1、C1=S1vT,第二占地面积S2下的落叶量C2、C2=S2vT,落叶堆积厚度h=(C1+C2)/(S1+S2)。
实施例公开的技术方案核心一方面在于让市政部门能够实时监督城市绿化带内落叶堆积厚度,另一方面在于根据落叶堆积厚度与预设厚度阈值的比较结果提高清理城市绿化道内落叶的效率。具体的,提高清理城市绿化道内落叶效率的实现过程如下:为避免城市绿化道内落叶堆积起火,设定城市绿化道内落叶清理的最低堆积厚度,即预设厚度阈值;在一个清扫周期内,智能机器人只对达到该最低落叶堆积厚度的城市绿化带进行自动清理,否则直到在下一个或几个清扫周期内对达到该预设厚度阈值的城市绿化带进行自动清理,该清理流程解决部分城市绿化带由于地理位置环境影响栽种树木落叶较少不需要经常清理、部分城市绿化带由于地理位置环境影响栽种树木落叶较多需要经常清理的现状。
结合图4所示,本实施例中路径规划模块规划清扫路径的执行单元包括:筛选单元,用于根据预设厚度阈值,筛选落叶堆积厚度不低于所述预设厚度阈值的所有城市绿化带;设定单元,用于根据筛选的落叶堆积厚度不低于所述预设厚度阈值的各城市绿化带依次自高至低设定为第一清扫站点、第二清扫站点、……、第N清扫站点,N为清扫区域内落叶堆积厚度不低于预设厚度阈值的城市绿化带数量;第一获取单元,用于获取所述用于城市绿化带落叶清扫的智能机器人的当前位置信息;路径搜索单元,用于采用深度优先搜索算法搜索当前位置信息与所述第一清扫站点、以及任意相邻两个清扫站点的若干路径;第二获取单元,用于获取城市道路通行数据,并根据移动时间、移动距离为当前位置信息与所述第一清扫站点间、以及任意相邻两个清扫站点间优先推荐n条路径,n≥2。
上述方案中,优先清理落叶堆积厚度大的城市绿化带;同时在相邻两个城市绿化带之间移动时,根据城市道路通行数据进行智能机器人移动路径的调整,如拥堵数据、道路故障数据等。路径选择时,智能机器人根据优先推荐的n条路径择一选用,逐个到达各清扫站点,行经的各段路径构成本次清扫周期下完整的清扫路径。
进一步结合图4所示的路径规划模块规划清扫路径的执行单元组成,还包括附加记录单元、统计单元和路径规划单元,该组成单元用于实现新一轮清扫周期下智能机器人清扫路径的规划。具体的,附加记录单元,用于对筛选后落叶堆积厚度低于所述预设厚度阈值的所有城市绿化带附加清扫周期标记,并分别记录各城市绿化带在对应附加清扫周期的落叶堆积厚度;统计单元,用于在新一清扫周期预测并统计各城市绿化带的落叶堆积厚度,其中,附加有上一清扫周期标记的所有城市绿化带的落叶堆积厚度为新一清扫周期计算的落叶堆积厚度和记录的上一清扫周期计算的落叶堆积厚度之和;路径规划单元,用于根据预设厚度阈值,对新一清扫周期统计的设定清扫区域内所有城市绿化带的落叶堆积厚度进行自高至低筛选排序,并规划清扫路径。
实施例中,为确保神经网络预测模型的预测精度,在每一次清扫周期收集落叶后,根据真实落叶数据更新样本数据,进而重新训练神经网络预测模型。具体如图2所示,用于城市绿化带落叶清扫的智能机器人还包括:收集模块,用于收集并计算清扫路径上各城市绿化带的真实落叶堆积厚度和各城市绿化带内树木的真实落叶速度;更新模块,用于根据各城市绿化带内树木的真实落叶速度,更新样本数据并重新训练树木随气候数据变化落叶速度的神经网络预测模型。
本实施例公开的用于城市绿化带落叶清扫的智能机器人,还用于实现植物生长状态检测、树木生长超出检测。如图3所示,本方案的智能机器人实现植物生长状态检测的功能模块包括:第三获取模块,用于获取任一城市绿化带清扫过程其内树木各角度的拍摄照片,第三获取模块可选用具有多自由度的摄像单元构成;分析模块,用于根据拍摄照片分析其内树木的生长状态,其中,生长状态包括生长期、开花期、结果期和衰老期;第一定位上传模块,用于定位处于衰老期的树木在所述城市绿化带内的第一位置信息,并上传监管中心。本方案的智能机器人实现城市绿化带内树木生长超出检测的功能模块包括:定义模块,用于在水平方向上定义设定清扫区域内任一城市绿化带对应的植物生长区域;计算模块,用于根据拍摄照片计算各城市绿化带内树木在水平方向伸出对应植物生长区域的超出比例;第二定位上传模块,用于根据预设比例阈值,定位在水平方向伸出对应植物生长区域且超出比例不低于预设比例阈值的树木在所述城市绿化带内的第二位置信息,并上传监管中心,以便监管中心管理。
其中,对树木的生长状态分析可通过选用现有的图片识别模型,图片识别模型根据图片中树木的落叶枯黄情况、枝干枯萎情况进行分析确定处于衰老期的植物区域。可选的,预先构建设定清扫区域的三维地图并存储在智能机器人内,各标记好序号的城市绿化带在三维地图中标记,当分析模块确定对应的城市绿化带中存在处于衰老期的树木,则由第一定位上传模块在三维地图的对应序号城市绿化带中标记,并自该三维地图导出第一位置信息上传监管中心,以便监管中心管理。
智能机器人实现城市绿化带内树木生长超出检测功能时,定义模块定义的植物生长区域为城市绿化带内树木能自由生产的区域,植物生长区域的形状可自由设定;例如按照城市绿化带的形状设定与之相似的植物生长区域,其中,植物生长区域的面积可设定为大于城市绿化带面积设定比例,如2%。
作为一可选的实施方式,计算模块计算超出比例时采用如下方案:根据获取的多角度拍摄照片,在同步垂直植物生长区域与城市绿化带周圈的任一方向判断树木伸出植物生长区域外围的超出比例,生长在该超出比例之外的树木由于会影响交通需要被修剪。实施例中,主要关注树木遮挡道路路面的部分,即计算模块根据拍摄单元自俯视角度拍摄的城市绿化带水平方向的投影照片,计算超出比例;最后,第二定位上传模块根据预设比例阈值与超出比例计算值的比较结果定位需要被修剪的枝干,需要被修剪的枝干在三维地图的对应序号城市绿化带中标记,并自该三维地图导出第二位置信息上传监管中心。
结合图5所示,本方案的用于城市绿化带落叶清扫的智能机器人根据上述功能模块实现对应功能的执行功能模块至少包括:移动模块,用于带动所述用于城市绿化带落叶清扫的智能机器人沿选定的清扫路径移动;工作模块,用于所述用于城市绿化带落叶清扫的智能机器人在任一城市绿化带执行落叶清扫工作;驱动模块,用于驱动用于城市绿化带落叶清扫的智能机器人的移动模块和所述工作模块动作;控制模块,用于控制用于城市绿化带落叶清扫的智能机器人根据第一获取模块、第二获取模块和预测计算模块预测清扫周期内各城市绿化带的落叶堆积厚度,控制所述用于城市绿化带落叶清扫的智能机器人在所述驱动模块下自动移动和执行工作。
作为一可选的实施方式,本发明实施例公开的用于城市绿化带落叶清扫的智能机器人还可以实现落叶提前处理的功能,即对处于落叶期的树木通过机械吹扫或摇晃方式使其迅速掉落树叶。具体功能模块包括:第四获取模块,用于获取可栽种于城市绿化带的各类树木对应的落叶期,并根据各类树木对应的落叶期预设落叶提示;识别模块,用于在设定清扫区域内任一城市绿化带清扫过程中,识别其内栽种的树木是否达到落叶期;提示执行模块,用于当识别到城市绿化带内树木达到落叶期,根据预设落叶提示发出对应的提示音,以便工作模块接触并晃动对应的树木。
本发明上述实施例公开的用于城市绿化带落叶清扫的智能机器人实现如下实施例公开的用于城市绿化带落叶清扫的方法,该方法包括如下步骤:
步骤S102,获取城市绿化带栽种的各种类树木随气候数据变化的落叶速度的样本数据,训练树木随气候数据变化落叶速度的神经网络预测模型;
步骤S104,对设定清扫区域的任一城市绿化带,获取当前气候数据和城市绿化带栽种的树木的种类,计算城市绿化带各种类树木的分布比例;
步骤S106,采用神经网络预测模型分别预测城市绿化带各种类树木的落叶速度,并根据所述分布比例和预测的各种类树木的落叶速度,在任一清扫周期计算各城市绿化带的落叶堆积厚度;
步骤S108,根据落叶堆积厚度对设定清扫区域内所有城市绿化带进行自高至低排序,根据预设厚度阈值,规划清扫路径;
步骤S110,选择任一清扫路径,依次对清扫路径上各城市绿化带的堆积落叶进行自动清扫。
作为一可选的实施方式,步骤S108规划清扫路径的具体流程为:根据预设厚度阈值,筛选落叶堆积厚度不低于所述预设厚度阈值的所有城市绿化带;根据筛选的落叶堆积厚度不低于所述预设厚度阈值的各城市绿化带依次自高至低设定为第一清扫站点、第二清扫站点、……、第N清扫站点,N为清扫区域内落叶堆积厚度不低于预设厚度阈值的城市绿化带数量;获取所述用于城市绿化带落叶清扫的智能机器人的当前位置信息;采用深度优先搜索算法搜索当前位置信息与所述第一清扫站点、以及任意相邻两个清扫站点的若干路径;获取城市道路通行数据,并根据移动时间、移动距离为当前位置信息与所述第一清扫站点间、以及任意相邻两个清扫站点间优先推荐n条路径,n≥2。
根据落叶堆积厚度筛选城市绿化带的目的在于提高本轮清扫周期下的落叶清扫效率,以及为了让所有的城市绿化带的落叶都能被清扫,步骤S108中规划清扫路径的流程还包括:对筛选后落叶堆积厚度低于所述预设厚度阈值的所有城市绿化带附加清扫周期标记,并分别记录各城市绿化带在对应附加清扫周期的落叶堆积厚度;在新一清扫周期预测并统计各城市绿化带的落叶堆积厚度,其中,附加有上一清扫周期标记的所有城市绿化带的落叶堆积厚度为新一清扫周期计算的落叶堆积厚度和记录的上一清扫周期计算的落叶堆积厚度之和;根据预设厚度阈值,对新一清扫周期统计的设定清扫区域内所有城市绿化带的落叶堆积厚度进行自高至低筛选排序,并规划清扫路径。即,经过一次或多次清扫周期的连续后,即可实现对所有城市绿化带的落叶清扫,区别在于落叶堆积厚度小的城市绿化带的清扫周期相较于落叶堆积厚度大的城市绿化带的清扫周期更长。
以及,上述用于城市绿化带落叶清扫的方法还进一步包括对步骤S102中获得的神经网络预测模型进行更新,具体的模型更新包括:步骤S112,收集并计算清扫路径上各城市绿化带的真实落叶堆积厚度和各城市绿化带内树木的真实落叶速度;步骤S114,根据各城市绿化带内树木的真实落叶速度,更新样本数据并重新训练树木随气候数据变化落叶速度的神经网络预测模型。
作为一可选的实施方式,本发明智能机器人实现的用于城市绿化带落叶清扫的方法还进一步包括判断识别城市绿化带中是否有处于衰老期的树木,判断识别城市绿化带中是否有树木生长超出规定范围。具体的,判断识别城市绿化带中是否有处于衰老期的树木的方法流程包括:步骤S202,获取任一城市绿化带清扫过程其内树木各角度的拍摄照片;步骤S204,根据拍摄照片分析其内树木的生长状态,其中,所述生长状态包括生长期、开花期、结果期和衰老期;步骤S206,定位处于衰老期的树木在所述城市绿化带内的第一位置信息,并上传监管中心,以便监管中心管理。方法判断识别城市绿化带中是否有树木生长超出规定范围流程包括:步骤S2021,在水平方向上定义设定清扫区域内任一城市绿化带对应的植物生长区域;步骤S2022,根据拍摄照片计算各城市绿化带内树木在水平方向伸出对应植物生长区域的超出比例;步骤S2023,根据预设比例阈值,定位在水平方向伸出对应植物生长区域且超出比例不低于预设比例阈值的树木在所述城市绿化带内的第二位置信息,并上传监管中心,以便监管中心管理。
实施例公开的用于城市绿化带落叶清扫的方法,进一步还包括对城市绿化带中进入落叶期的树木提前进行落叶清扫,流程包括:获取可栽种于城市绿化带的各类树木对应的落叶期,并根据各类树木对应的落叶期预设落叶提示;在设定清扫区域内任一城市绿化带清扫过程中,识别其内栽种的树木是否达到落叶期;当识别到城市绿化带内树木达到落叶期,根据预设落叶提示发出对应的提示音,以便工作模块接触并晃动或吹扫对应的树木枝叶。
上述用于城市绿化带落叶清扫的方法,还可以进一步实现如识别有断裂风险的枯枝,进行上报,以便监控中心派遣智能修剪车或通知市政工作人员人工修剪枯枝,避免枯枝掉落影响道路交通。
本发明的另一实施例还提供一种用于城市绿化带落叶清扫的智能机器人系统,该系统包括上述的若干用于城市绿化带落叶清扫的智能机器人,若干停靠站以及监管中心;其中,停靠站用于为用于城市绿化带落叶清扫的智能机器人的驱动模块充能,如驱动模块为电池,停靠站为电池充能;监管中心用于接收用于城市绿化带落叶清扫的智能机器人上传的处于衰老期的树木所处的城市绿化带的位置信息及其在城市绿化带内的第一位置信息、接收用于城市绿化带落叶清扫的智能机器人上传的在水平方向伸出对应植物生长区域且超出比例不低于预设比例阈值的树木在所述城市绿化带内的第二位置信息,进而监管中心可根据该第一位置信息、第二位置信息发布植物替换、植物修剪等指令。
本发明提供的用于城市绿化带落叶清扫的智能机器人及其系统,其中智能机器人从落叶堆积厚度检测、衰老期植物检测、植物生长超出检测三方面实现对城市绿化带的维护管理,实现管理的实时高效;其中,落叶堆积厚度检测是通过现有绿化植物落叶习惯的学习,预测当前绿化带植物的落叶习惯,并实时根据清扫周期内对落叶的收集数据更新训练神经网络预测模型,神经网络预测模型在清扫周期内监测落叶厚度,并根据实时落叶收集数据校正模型,确保模型预测的精准性;植物衰老期和生长超出检测是通过收集城市绿化带多角度的拍摄照片,通过照片进行图像识别和计算,进而获得识别结果。本发明的智能机器人及其系统主要实现根据城市绿化带落叶堆积厚度规划清扫路径,并进行自主落叶清扫,减少人力浪费,避免人工清理存在的安全风险,提高清扫效率。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (10)
1.一种用于城市绿化带落叶清扫的智能机器人,其特征在于,用于根据选定清扫路径进行堆积落叶的清扫,包括:
第一获取模块,用于获取城市绿化带栽种的各种类树木随气候数据变化的落叶速度的样本数据,训练树木随气候数据变化落叶速度的神经网络预测模型;
第二获取模块,用于对设定清扫区域的任一城市绿化带,获取当前气候数据和城市绿化带栽种的树木的种类,计算城市绿化带各种类树木的分布比例;
预测计算模块,用于采用神经网络预测模型分别预测城市绿化带各种类树木的落叶速度,并根据所述分布比例和预测的各种类树木的落叶速度,在任一清扫周期计算各城市绿化带的落叶堆积厚度;
路径规划模块,用于根据落叶堆积厚度对设定清扫区域内所有城市绿化带进行自高至低排序,根据预设厚度阈值,规划清扫路径;
选择清扫模块,用于选择任一清扫路径,依次对清扫路径上各城市绿化带的堆积落叶进行自动清扫;
其中,所述第二获取模块计算城市绿化带各种类树木的分布比例的过程为:预先对清扫区域内所有城市绿化带进行顺序标号,统计各标号城市绿化带的面积;随后基于对各标号城市绿化带树木数量的统计计算树木的第一占地面积S 1 ,进而计算各标号城市绿化带内灌木的第二占地面积S 2 ;
所述预测计算模块在任一清扫周期计算各城市绿化带的落叶堆积厚度的过程为:先根据神经网络预测模型预测其内树木种类的落叶速度v,然后根据设定的清扫周期T,计算第一占地面积S 1 下的落叶量C 1 、C 1 =S 1 vT,第二占地面积S 2 下的落叶量C 2 、C 2 =S 2 vT,落叶堆积厚度h=( C 1 + C 2 )/( S 1 + S 2 )。
2.根据权利要求1所述的用于城市绿化带落叶清扫的智能机器人,其特征在于,还包括:
收集模块,用于收集并计算清扫路径上各城市绿化带的真实落叶堆积厚度和各城市绿化带内树木的真实落叶速度;
更新模块,用于根据各城市绿化带内树木的真实落叶速度,更新样本数据并重新训练树木随气候数据变化落叶速度的神经网络预测模型。
3.根据权利要求1所述的用于城市绿化带落叶清扫的智能机器人,其特征在于,还包括:
第三获取模块,用于获取任一城市绿化带清扫过程其内树木各角度的拍摄照片;
分析模块,用于根据拍摄照片分析其内树木的生长状态,其中,所述生长状态包括生长期、开花期、结果期和衰老期;
第一定位上传模块,用于定位处于衰老期的树木在所述城市绿化带内的第一位置信息,并上传监管中心,以便监管中心管理。
4.根据权利要求1所述的用于城市绿化带落叶清扫的智能机器人,其特征在于,所述路径规划模块规划清扫路径的执行单元包括:
筛选单元,用于根据预设厚度阈值,筛选落叶堆积厚度不低于所述预设厚度阈值的所有城市绿化带;
设定单元,用于根据筛选的落叶堆积厚度不低于所述预设厚度阈值的各城市绿化带依次自高至低设定为第一清扫站点、第二清扫站点、……、第N清扫站点,N为清扫区域内落叶堆积厚度不低于预设厚度阈值的城市绿化带数量;
第一获取单元,用于获取所述用于城市绿化带落叶清扫的智能机器人的当前位置信息;
路径搜索单元,用于采用深度优先搜索算法搜索当前位置信息与所述第一清扫站点、以及任意相邻两个清扫站点的若干路径;
第二获取单元,用于获取城市道路通行数据,并根据移动时间、移动距离为当前位置信息与所述第一清扫站点间、以及任意相邻两个清扫站点间优先推荐n条路径,n≥2。
5.根据权利要求4所述的用于城市绿化带落叶清扫的智能机器人,其特征在于,还包括:
附加记录单元,用于对筛选后落叶堆积厚度低于所述预设厚度阈值的所有城市绿化带附加清扫周期标记,并分别记录各城市绿化带在对应附加清扫周期的落叶堆积厚度;
统计单元,用于在新一清扫周期预测并统计各城市绿化带的落叶堆积厚度,其中,附加有上一清扫周期标记的所有城市绿化带的落叶堆积厚度为新一清扫周期计算的落叶堆积厚度和记录的上一清扫周期计算的落叶堆积厚度之和;
路径规划单元,用于根据预设厚度阈值,对新一清扫周期统计的设定清扫区域内所有城市绿化带的落叶堆积厚度进行自高至低筛选排序,并规划清扫路径。
6.根据权利要求3所述的用于城市绿化带落叶清扫的智能机器人,其特征在于,还包括:
定义模块,用于在水平方向上定义设定清扫区域内任一城市绿化带对应的植物生长区域;
计算模块,用于根据拍摄照片计算各城市绿化带内树木在水平方向伸出对应植物生长区域的超出比例;
第二定位上传模块,用于根据预设比例阈值,定位在水平方向伸出对应植物生长区域且超出比例不低于预设比例阈值的树木在所述城市绿化带内的第二位置信息,并上传监管中心,以便监管中心管理。
7.根据权利要求1所述的用于城市绿化带落叶清扫的智能机器人,其特征在于,还包括:
移动模块,用于带动所述用于城市绿化带落叶清扫的智能机器人沿选定的清扫路径移动;
工作模块,用于所述用于城市绿化带落叶清扫的智能机器人在任一城市绿化带执行落叶清扫工作;
驱动模块,用于驱动所述用于城市绿化带落叶清扫的智能机器人的移动模块和所述工作模块动作;
控制模块,用于控制所述用于城市绿化带落叶清扫的智能机器人根据第一获取模块、第二获取模块和预测计算模块预测清扫周期内各城市绿化带的落叶堆积厚度,控制所述用于城市绿化带落叶清扫的智能机器人在所述驱动模块下自动移动和执行工作。
8.根据权利要求7所述的用于城市绿化带落叶清扫的智能机器人,其特征在于,还包括:
第四获取模块,用于获取可栽种于城市绿化带的各类树木对应的落叶期,并根据各类树木对应的落叶期预设落叶提示;
识别模块,用于在设定清扫区域内任一城市绿化带清扫过程中,识别其内栽种的树木是否达到落叶期;
提示执行模块,用于当识别到城市绿化带内树木达到落叶期,根据预设落叶提示发出对应的提示音,以便工作模块接触并晃动对应的树木。
9.一种用于城市绿化带落叶清扫的智能机器人系统,其特征在于,包括权利要求1-8任一项所述的用于城市绿化带落叶清扫的智能机器人,停靠站以及监管中心。
10.根据权利要求9所述的用于城市绿化带落叶清扫的智能机器人系统,其特征在于,所述停靠站用于为所述用于城市绿化带落叶清扫的智能机器人的驱动模块充能;所述监管中心用于接收所述用于城市绿化带落叶清扫的智能机器人上传的处于衰老期的树木所处的城市绿化带的位置信息及其在所述城市绿化带内的第一位置信息、接收所述用于城市绿化带落叶清扫的智能机器人上传的在水平方向伸出对应植物生长区域且超出比例不低于预设比例阈值的树木在所述城市绿化带内的第二位置信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310174366.XA CN116104034B (zh) | 2023-02-28 | 2023-02-28 | 一种用于城市绿化带落叶清扫的智能机器人及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310174366.XA CN116104034B (zh) | 2023-02-28 | 2023-02-28 | 一种用于城市绿化带落叶清扫的智能机器人及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116104034A CN116104034A (zh) | 2023-05-12 |
CN116104034B true CN116104034B (zh) | 2023-11-14 |
Family
ID=86267250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310174366.XA Active CN116104034B (zh) | 2023-02-28 | 2023-02-28 | 一种用于城市绿化带落叶清扫的智能机器人及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116104034B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011076489A1 (de) * | 2011-05-25 | 2012-11-29 | Ing. Haaga Werkzeugbau Gmbh & Co. Kg | Kehrmaschine mit Absaugsystem |
CN112183460A (zh) * | 2020-10-20 | 2021-01-05 | 武汉光谷联合集团有限公司 | 一种智能识别环境卫生的方法及装置 |
CN112200381A (zh) * | 2020-10-23 | 2021-01-08 | 湖南省常德西湖区地林草业园林绿化工程有限公司 | 高强度园林绿化管理方法 |
CN112257623A (zh) * | 2020-10-28 | 2021-01-22 | 长沙立中汽车设计开发股份有限公司 | 一种路面清洁度判定和自动清扫方法及自动清扫环卫装置 |
CN212742367U (zh) * | 2020-06-29 | 2021-03-19 | 刘燕 | 一种城市园林绿化用落叶清理装置 |
CN115481987A (zh) * | 2022-10-24 | 2022-12-16 | 成都秦川物联网科技股份有限公司 | 智慧城市街道管理方法、物联网系统、装置和存储介质 |
CN115573289A (zh) * | 2022-11-03 | 2023-01-06 | 中通新能源汽车有限公司 | 一种道路落叶收集车及其动作控制流程 |
-
2023
- 2023-02-28 CN CN202310174366.XA patent/CN116104034B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011076489A1 (de) * | 2011-05-25 | 2012-11-29 | Ing. Haaga Werkzeugbau Gmbh & Co. Kg | Kehrmaschine mit Absaugsystem |
CN212742367U (zh) * | 2020-06-29 | 2021-03-19 | 刘燕 | 一种城市园林绿化用落叶清理装置 |
CN112183460A (zh) * | 2020-10-20 | 2021-01-05 | 武汉光谷联合集团有限公司 | 一种智能识别环境卫生的方法及装置 |
CN112200381A (zh) * | 2020-10-23 | 2021-01-08 | 湖南省常德西湖区地林草业园林绿化工程有限公司 | 高强度园林绿化管理方法 |
CN112257623A (zh) * | 2020-10-28 | 2021-01-22 | 长沙立中汽车设计开发股份有限公司 | 一种路面清洁度判定和自动清扫方法及自动清扫环卫装置 |
CN115481987A (zh) * | 2022-10-24 | 2022-12-16 | 成都秦川物联网科技股份有限公司 | 智慧城市街道管理方法、物联网系统、装置和存储介质 |
CN115573289A (zh) * | 2022-11-03 | 2023-01-06 | 中通新能源汽车有限公司 | 一种道路落叶收集车及其动作控制流程 |
Also Published As
Publication number | Publication date |
---|---|
CN116104034A (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104778836B (zh) | 基于手机信令数据质量感知的高速公路交通状态识别方法 | |
CN109900280A (zh) | 一种基于自主导航的畜禽信息感知机器人与地图构建方法 | |
CN111598481B (zh) | 共享单车流动系统、基于子区划分的自动调度系统及方法 | |
CN106295971A (zh) | 一种园林养护管理服务系统及方法 | |
CN103699136B (zh) | 基于蛙跳算法的智能家庭服务机器人系统及服务方法 | |
CN107976998A (zh) | 一种割草机器人地图创建与路径规划系统及方法 | |
CN106997669A (zh) | 一种基于特征重要性的判断交通拥堵成因的方法 | |
CN1062228A (zh) | 控制活动物体和机关的方法和装置 | |
CN107622678A (zh) | 一种基于图像处理的智能交通控制系统及其方法 | |
CN115481987B (zh) | 智慧城市街道管理方法、物联网系统、装置和存储介质 | |
CN110040396B (zh) | 基于大数据、机器学习的智能垃圾桶自主决策系统与方法 | |
CN107357894B (zh) | 一种道路交通设施数据采集纠偏方法及系统 | |
CN106652459A (zh) | 一种智能型路侧交通空气污染监测系统 | |
CN115796423A (zh) | 一种基于物联网监测缓解城市扬尘的方法及系统 | |
CN116104034B (zh) | 一种用于城市绿化带落叶清扫的智能机器人及其系统 | |
US11881019B2 (en) | Method and device for tracking and exploiting at least one environmental parameter | |
CN115563684A (zh) | 一种基于场景模拟的园林景观设计系统 | |
CN108876148B (zh) | 一种以城市绿化残余物再利用为目的的能源景观运作方法 | |
CN111275595A (zh) | 一种城市智慧园林管理系统 | |
CN116957517A (zh) | 一种工程项目流程智能化管理系统 | |
CN110583288A (zh) | 一种移动式园林绿化生态信息处理系统及方法 | |
CN115423173A (zh) | 智慧城市绿化管理方法和系统及存储介质、装置 | |
CN114971212A (zh) | 一种基于农业物联网的元宇宙交互系统及其方法 | |
CN114445713A (zh) | 一种多设备联动植保系统及方法 | |
CN114913447A (zh) | 基于场景识别的警务智慧指挥室系统及方法 |
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 |