CN116988412A - 一种无人驾驶清扫机器人 - Google Patents
一种无人驾驶清扫机器人 Download PDFInfo
- Publication number
- CN116988412A CN116988412A CN202211475743.5A CN202211475743A CN116988412A CN 116988412 A CN116988412 A CN 116988412A CN 202211475743 A CN202211475743 A CN 202211475743A CN 116988412 A CN116988412 A CN 116988412A
- Authority
- CN
- China
- Prior art keywords
- image
- robot
- area
- cleaned
- side impact
- 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 54
- 238000011010 flushing procedure Methods 0.000 claims abstract description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 28
- 238000012549 training Methods 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 10
- 238000003062 neural network model Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000004080 punching Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 241000283070 Equus zebra Species 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 241001417527 Pempheridae Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Classifications
-
- 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
- E01H1/005—Mobile installations, particularly for upkeeping in situ road or railway furniture, for instance road barricades, traffic signs; Mobile installations particularly for upkeeping tunnel walls
-
- 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
- E01H1/10—Hydraulically loosening or dislodging undesirable matter; Raking or scraping apparatus ; Removing liquids or semi-liquids e.g., absorbing water, sliding-off mud
- E01H1/101—Hydraulic loosening or dislodging, combined or not with mechanical loosening or dislodging, e.g. road washing machines with brushes or wipers
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Structural Engineering (AREA)
- Mathematical Physics (AREA)
- Civil Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Architecture (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明实施例公开一种无人驾驶清扫机器人。该无人驾驶清扫机器人左侧装有一台左侧环视相机，右侧装有一台右侧环视相机，机器人还装有一侧冲装置以及域控制器；左侧环视相机，用于采集当前周期的左侧图像；右侧环视相机，用于采集当前周期的右侧图像；域控制器，用于基于左侧图像和/或右侧图像，确定待清扫区域位于机器人的左侧或右侧；并将确定结果发送给侧冲装置；侧冲装置，用于接收上述确定结果，当待清扫区域位于机器人的左侧时，控制自身转动至机器人的左侧；当待清扫区域位于机器人的右侧时，控制自身转动至机器人的右侧；对待清扫区域进行侧冲。应用本发明实施例提供的方案，能够节省道路清扫的人力成本，并提高道路的清扫效果。
Description
技术领域
本发明涉及自动驾驶技术领域，具体而言，涉及一种无人驾驶清扫机器人。
背景技术
在城市道路规划中，人行道、非机动车道等道路一般都有大量树叶及垃圾飘落在地表，为了保持卫生城市和市容市貌，需要花费大量的人力和物力去清扫道路垃圾。
已知的方法中，通常是人工驾驶一台载有水箱的环卫清扫车，手动控制高压水枪的喷洒方向将树叶冲到道路的一侧。然而，这种人工操作的方法需要人工驾驶环卫清扫车的同时还要人工来控制冲洗装置，这种方式不仅耗费大量的人力，还可能因为环卫工人需要进行较多的操作而存在操作失误，从而导致无法将树叶及其他垃圾冲至固定范围内，清扫效果不佳。
发明内容
本发明提供了一种无人驾驶清扫机器人，以节省道路清扫的人力成本，并提高道路的清扫效果。具体的技术方案如下。
本发明实施例提供一种无人驾驶清扫机器人，所述无人驾驶清扫机器人左侧装有一台左侧环视相机，右侧装有一台右侧环视相机，所述机器人还装有一侧冲装置，所述侧冲装置能够转动至所述机器人的左侧或右侧，所述机器人还包括：域控制器；
所述左侧环视相机，用于采集当前周期的左侧图像；
所述右侧环视相机，用于采集当前周期的右侧图像；
所述域控制器，用于获取所述左侧图像，以及所述右侧图像；基于所述左侧图像和/或所述右侧图像，确定待清扫区域位于所述机器人的左侧或右侧；并将确定结果发送给所述侧冲装置；
所述侧冲装置，用于接收所述域控制器发送的确定结果，当所述待清扫区域位于所述机器人的左侧时，控制自身转动至所述机器人的左侧；当所述待清扫区域位于所述机器人的右侧时，控制自身转动至所述机器人的右侧；对所述待清扫区域进行侧冲。
可选的，第一图像为所述左侧图像和所述右侧图像中任一图像，第二图像为所述左侧图像和所述右侧图像中另一图像；
所述域控制器，具体用于：通过预设图像检测算法对所述第一图像进行检测，确定所述第一图像中是否包含预设目标；
当所述第一图像中包含所述预设目标时，确定所述待清扫区域与采集所述第一图像的环视相机位于同一侧；
当所述第一图像中不包含所述预设目标时，通过所述预设图像检测算法对所述第二图像进行检测，确定所述第二图像中是否包含所述预设目标；
当所述第二图像中包含所述预设目标时，确定所述待清扫区域与采集所述第二图像的环视相机位于同一侧。
可选的，所述域控制器，具体用于：将所述第一图像输入预先训练得到的灌木丛识别模型中，确定所述第一图像中是否包含灌木丛区域。
可选的，所述域控制器，还用于对所述灌木丛识别模型进行训练；
所述灌木丛识别模型的训练过程包括：
构建初始神经网络模型，并采集灌木丛数据样本；
按照预设比例将所述灌木丛数据样本划分为训练集、测试集及验证集；
对所述训练集采用预设格式进行标注；
通过标注后的训练集对所述初始神经网络模型进行训练，并采用所述测试集和所述验证集对训练后的初始神经网络模型进行测试及验证，得到精确度满足预设要求的灌木丛识别模型。
可选的，所述域控制器，具体用于：对所述第一图像进行校正处理，去除图像边缘畸变部分；
对校正处理后的第一图像做图像预处理；
对预处理后的图像采用像素点直方图统计以及Canny边缘检测算法，确定人行道区域；
在所确定的人行道区域的宽度和长度均满足预设真值阈值时，确定所述第一图像中包含人行道区域。
可选的，所述图像预处理至少包括：图像通道转换、选定感兴趣区域以及滤波处理。
可选的，所述无人驾驶清扫机器人还包括：方向控制电机；
所述侧冲装置，具体用于：基于所述方向控制电机，控制自身转动至所述机器人的左侧或右侧。
可选的，所述无人驾驶清扫机器人左右两侧均装有超声波装置，所述侧冲装置与各所述超声波装置均位于所述机器人的同一高度；
所述超声波装置，用于测量所述待清扫区域的宽度W；
所述侧冲装置，具体用于：
获取与所述待清扫区域同一侧的超声波装置测量的所述待清扫区域的宽度W；
根据所述超声波装置离地距离H和所述待清扫区域的宽度W，计算所述侧冲装置与所述待清扫区域的夹角x，以及所述侧冲装置的侧冲水压P；
根据所述夹角x计算侧冲角度x1；
基于所述侧冲角度x1和所述侧冲水压，对所述待清扫区域进行侧冲。
可选的，所述侧冲装置，具体用于：
分别根据以下公式，计算所述侧冲装置与所述待清扫区域的夹角x，以及所述侧冲装置的侧冲水压P：
x＝arctan(W/H)
P＝(1/4H)*W2gρ
其中，g为重力加速度，ρ为水的密度；
根据以下公式计算所述侧冲角度x1：
x1＝90°-(1/10)x。
可选的，所述无人驾驶清扫机器人还包括：水压控制电机和角度控制电机；
所述侧冲装置，具体用于：
基于所述角度控制电机和所述水压控制电机，以侧冲角度x1和所述侧冲水压大小，对所述待清扫区域进行侧冲。
由上述内容可知，本发明实施例提供的一种无人驾驶清扫机器人，可以通过无人驾驶清扫机器人两侧的环视相机确定待清扫道路的方位，即确定待清扫的道路位于机器人的左侧或右侧，之后可以控制侧冲装置运行至对应位置对道路进行侧冲，也就是说，该方法不需要人工参与即可完成道路的清扫工作，可以节省大量的人力成本。并且，与人工控制冲洗装置相比，侧冲装置自动化的操作可以保证其工作的准确性，提高道路的清扫效果。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
本发明实施例的创新点包括：
1、通过无人驾驶清扫机器人两侧的环视相机确定待清扫道路的方位，即确定待清扫的道路位于机器人的左侧或右侧，之后可以控制侧冲装置运行至对应位置对道路进行侧冲，也就是说，该方法不需要人工参与即可完成道路的清扫工作，可以节省大量的人力成本。并且，与人工控制冲洗装置相比，侧冲装置自动化的操作可以保证其工作的准确性，提高道路的清扫效果。
2、通过预先训练得到的灌木丛识别模型对灌木丛区域进行识别，可以准确的确定出待清扫区域的方位，进而可以控制侧冲装置准确地对待清扫区域进行侧冲。
3、通常情况下，人行道区域会有斑马线，因此，利用像素识别的方法对环视相机采集的图像进行人行道识别，进而确定出人行道的方位，进而可以控制侧冲装置准确地对人行道区域进行侧冲。
4、根据待清扫区域的宽度来确定侧冲角度和侧冲水压，可以准确地对待清扫区域进行侧冲，提高清扫效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单介绍。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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的无人驾驶清扫机器人的工作原理框图；
图2为本发明实施例的侧冲角度计算原理示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动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。
需要说明的是，本发明实施例及附图中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含的一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
本发明实施例公开了一种无人驾驶清扫机器人，能够节省道路清扫的人力成本，并提高道路的清扫效果。下面对本发明实施例进行详细说明。
图1为本发明实施例提供的无人驾驶清扫机器人的工作原理框图。如图1所示，该无人驾驶清扫机器人左侧装有一台环视相机，可以称为左侧环视相机，右侧装有一台环视相机，可以称为右侧环视相机，机器人还装有一侧冲装置，侧冲装置能够转动至机器人的左侧或右侧，机器人还包括：域控制器。
其中，左侧环视相机，用于采集当前周期的左侧图像；右侧环视相机，用于采集当前周期的右侧图像；域控制器，用于获取左侧图像，以及右侧图像；基于左侧图像和/或右侧图像，确定待清扫区域位于机器人的左侧或右侧；并将确定结果发送给侧冲装置；侧冲装置，用于接收域控制器发送的确定结果，当待清扫区域位于机器人的左侧时，控制自身转动至机器人的左侧；当待清扫区域位于机器人的右侧时，控制自身转动至机器人的右侧；对待清扫区域进行侧冲。
上述无人驾驶清扫机器人主要原理是通过匀速运行的无人驾驶清扫机器人左右两侧的两台环视相机采集道路两侧的图像，之后域控制器基于视觉的感知算法，例如，可以采用深度学习及图像处理融合的方式，进行道路两侧低矮灌木丛的识别及人行道的检测。
域控制器检测出人行道后，可以通过CAN(Controller Area Network，控制器域网)总线控制侧冲装置运行至同一侧，进而可以对人行道区域进行侧冲。
在一种实施方式中，可以将第一图像确定为左侧图像和右侧图像中任一图像，第二图像确定为左侧图像和右侧图像中另一图像；域控制器在确定待清扫区域的方位时，具体可以包括以下步骤：通过预设图像检测算法对第一图像进行检测，确定第一图像中是否包含预设目标；当第一图像中包含预设目标时，确定待清扫区域与采集第一图像的环视相机位于同一侧；当第一图像中不包含预设目标时，通过预设图像检测算法对第二图像进行检测，确定第二图像中是否包含预设目标；当第二图像中包含预设目标时，确定待清扫区域与采集第二图像的环视相机位于同一侧。
其中，上述预设目标可以包括灌木丛或斑马线。当上述预设目标为灌木丛时，域控制器，可以将第一图像输入预先训练得到的灌木丛识别模型中，确定第一图像中是否包含灌木丛区域。
具体的，域控制器训练灌木丛识别模型的过程可以包括：构建初始神经网络模型，并采集灌木丛数据样本；按照预设比例将灌木丛数据样本划分为训练集、测试集及验证集；对训练集采用预设格式进行标注；通过标注后的训练集对初始神经网络模型进行训练，并采用测试集和验证集对训练后的初始神经网络模型进行测试及验证，得到精确度满足预设要求的灌木丛识别模型。
例如，可以采用轻量级神经网络进行低矮灌木丛的识别，主要步骤包括：数据采集、数据标注与制作、训练、推理验证。具体的，可以采集约5000张灌木丛数据样本，按照5：3：2比例划分训练集、测试集及验证集；之后对训练集采用coco格式进行有效标注，在训练过程中loss平滑下降可达0.0764，精确度可达约92.04％，召回率可达约94.33％，然后对模型进行Tensorrt加速推理部署，检测精度无损耗，基本满足需求。
通过预先训练得到的灌木丛识别模型对灌木丛区域进行识别，可以准确的确定出待清扫区域的方位，进而可以控制侧冲装置准确地对待清扫区域进行侧冲。
在另一种实现方式中，域控制器还可以通过对斑马线的检测，来确定待清扫区域。具体的，可以对第一图像进行校正处理，去除图像边缘畸变部分；对校正处理后的第一图像做图像预处理；对预处理后的图像采用像素点直方图统计以及Canny边缘检测算法，确定人行道区域；在所确定的人行道区域的宽度和长度均满足预设真值阈值时，确定第一图像中包含人行道区域。上述预设真值阈值可以根据实际情况设定，本发明实施例对此不作限定。
也就是说，可以首先分别获取相机图像数据，对环视相机图像做校正处理，去除图像边缘畸变部分，之后做图像预处理，包含图像通道转换、选定ROI(region of interest，感兴趣区域)、滤波处理等，之后结合像素点直方图统计，Canny边缘检测等，确定人行道区域，最后通过人行道宽度、长度等真值信息进行限制，有效检测出人行道。
利用像素识别的方法对环视相机采集的图像进行人行道识别，进而确定出人行道的方位，进而可以控制侧冲装置准确地对人行道区域进行侧冲。
可以理解，域控制器对第二图像的识别方式与第一图像类似，本发明实施例对此不进行赘述。
作为本发明实施例的一种实施方式，如图1所示，上述无人驾驶清扫机器人还可以包括：方向控制电机。相应的，侧冲装置，具体可以基于方向控制电机，控制自身转动至机器人的左侧或右侧。
作为本发明实施例的一种实施方式，上述无人驾驶清扫机器人左右两侧均装有超声波装置，侧冲装置与各超声波装置均位于机器人的同一高度。超声波装置，用于测量待清扫区域的宽度W。
侧冲装置，具体用于：获取与待清扫区域同一侧的超声波装置测量的待清扫区域的宽度W；根据超声波装置离地距离H和待清扫区域的宽度W，计算侧冲装置与待清扫区域的夹角x，以及侧冲装置的侧冲水压P；根据夹角x计算侧冲角度x1；基于侧冲角度x1和侧冲水压，对待清扫区域进行侧冲。
其中，如图2所示，当测量到人行道的宽度W，并已知侧冲装置离地距离H后，可以计算得到侧冲装置与待清扫区域的夹角x为：
x＝arctan(W/H)
进而，可以根据实验数据得到侧冲角度x1：
x1＝90°-(1/10)x。
进一步地，已知H＝0.5gt2得到t值，根据W＝vt得到v值，根据P＝0.5ρV2得到P和H、W关系：
P＝(1/4H)*W2gρ
其中，P为侧冲水压，g为重力加速度，ρ为水的密度，v为水的速度，t为水喷出到落地时间，以上计算不考虑空气阻力。
在一种实现方式中，如图1所示，上述无人驾驶清扫机器人还包括：水压控制电机和角度控制电机；相应的，侧冲装置，具体可以基于角度控制电机和水压控制电机，以侧冲角度x1和侧冲水压大小，对待清扫区域进行侧冲。
具体的，侧冲装置可以根据x1控制1:100减速比步进电机精准控制侧冲角度，根据P精准控制侧冲水压使无人驾驶清扫机器人将垃圾冲到人行道固定范围内，以上实现是在完全无人操作情况下自动完成。
根据待清扫区域的宽度来确定侧冲角度和侧冲水压，可以准确地对待清扫区域进行侧冲，提高清扫效果。
由上述内容可知，本实施例可以通过无人驾驶清扫机器人两侧的环视相机确定待清扫道路的方位，即确定待清扫的道路位于机器人的左侧或右侧，之后可以控制侧冲装置运行至对应位置对道路进行侧冲，也就是说，该方法不需要人工参与即可完成道路的清扫工作，可以节省大量的人力成本。并且，与人工控制冲洗装置相比，侧冲装置自动化的操作可以保证其工作的准确性，提高道路的清扫效果。
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
本领域普通技术人员可以理解：实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
Claims (10)
1.一种无人驾驶清扫机器人，其特征在于，所述无人驾驶清扫机器人左侧装有一台左侧环视相机，右侧装有一台右侧环视相机，所述机器人还装有一侧冲装置，所述侧冲装置能够转动至所述机器人的左侧或右侧，所述机器人还包括：域控制器；
所述左侧环视相机，用于采集当前周期的左侧图像；
所述右侧环视相机，用于采集当前周期的右侧图像；
所述域控制器，用于获取所述左侧图像，以及所述右侧图像；基于所述左侧图像和/或所述右侧图像，确定待清扫区域位于所述机器人的左侧或右侧；并将确定结果发送给所述侧冲装置；
所述侧冲装置，用于接收所述域控制器发送的确定结果，当所述待清扫区域位于所述机器人的左侧时，控制自身转动至所述机器人的左侧；当所述待清扫区域位于所述机器人的右侧时，控制自身转动至所述机器人的右侧；对所述待清扫区域进行侧冲。
2.根据权利要求1所述的无人驾驶清扫机器人，其特征在于，第一图像为所述左侧图像和所述右侧图像中任一图像，第二图像为所述左侧图像和所述右侧图像中另一图像；
所述域控制器，具体用于：通过预设图像检测算法对所述第一图像进行检测，确定所述第一图像中是否包含预设目标；
当所述第一图像中包含所述预设目标时，确定所述待清扫区域与采集所述第一图像的环视相机位于同一侧；
当所述第一图像中不包含所述预设目标时，通过所述预设图像检测算法对所述第二图像进行检测，确定所述第二图像中是否包含所述预设目标；
当所述第二图像中包含所述预设目标时，确定所述待清扫区域与采集所述第二图像的环视相机位于同一侧。
3.根据权利要求2所述的无人驾驶清扫机器人，其特征在于，
所述域控制器，具体用于：将所述第一图像输入预先训练得到的灌木丛识别模型中，确定所述第一图像中是否包含灌木丛区域。
4.根据权利要求3所述的无人驾驶清扫机器人，其特征在于，
所述域控制器，还用于对所述灌木丛识别模型进行训练；
所述灌木丛识别模型的训练过程包括：
构建初始神经网络模型，并采集灌木丛数据样本；
按照预设比例将所述灌木丛数据样本划分为训练集、测试集及验证集；
对所述训练集采用预设格式进行标注；
通过标注后的训练集对所述初始神经网络模型进行训练，并采用所述测试集和所述验证集对训练后的初始神经网络模型进行测试及验证，得到精确度满足预设要求的灌木丛识别模型。
5.根据权利要求2所述的无人驾驶清扫机器人，其特征在于，
所述域控制器，具体用于：对所述第一图像进行校正处理，去除图像边缘畸变部分；
对校正处理后的第一图像做图像预处理；
对预处理后的图像采用像素点直方图统计以及Canny边缘检测算法，确定人行道区域；
在所确定的人行道区域的宽度和长度均满足预设真值阈值时，确定所述第一图像中包含人行道区域。
6.根据权利要求5所述的无人驾驶清扫机器人，其特征在于，所述图像预处理至少包括：图像通道转换、选定感兴趣区域以及滤波处理。
7.根据权利要求1-6任一项所述的无人驾驶清扫机器人，其特征在于，所述无人驾驶清扫机器人还包括：方向控制电机；
所述侧冲装置，具体用于：基于所述方向控制电机，控制自身转动至所述机器人的左侧或右侧。
8.根据权利要求1-6任一项所述的无人驾驶清扫机器人，其特征在于，所述无人驾驶清扫机器人左右两侧均装有超声波装置，所述侧冲装置与各所述超声波装置均位于所述机器人的同一高度；
所述超声波装置，用于测量所述待清扫区域的宽度W；
所述侧冲装置，具体用于：
获取与所述待清扫区域同一侧的超声波装置测量的所述待清扫区域的宽度W；
根据所述超声波装置离地距离H和所述待清扫区域的宽度W，计算所述侧冲装置与所述待清扫区域的夹角x，以及所述侧冲装置的侧冲水压P；
根据所述夹角x计算侧冲角度x1；
基于所述侧冲角度x1和所述侧冲水压，对所述待清扫区域进行侧冲。
9.根据权利要求8所述的无人驾驶清扫机器人，其特征在于，
所述侧冲装置，具体用于：
分别根据以下公式，计算所述侧冲装置与所述待清扫区域的夹角x，以及所述侧冲装置的侧冲水压P：
x＝arctan(W/H)
P＝(1/4H)*W2gρ
其中，g为重力加速度，ρ为水的密度；
根据以下公式计算所述侧冲角度x1：
x1＝90°-(1/10)x。
10.根据权利要求8所述的无人驾驶清扫机器人，其特征在于，所述无人驾驶清扫机器人还包括：水压控制电机和角度控制电机；
所述侧冲装置，具体用于：
基于所述角度控制电机和所述水压控制电机，以侧冲角度x1和所述侧冲水压大小，对所述待清扫区域进行侧冲。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211475743.5A CN116988412B (zh) | 2022-11-23 | 2022-11-23 | 一种无人驾驶清扫机器人 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211475743.5A CN116988412B (zh) | 2022-11-23 | 2022-11-23 | 一种无人驾驶清扫机器人 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116988412A true CN116988412A (zh) | 2023-11-03 |
| CN116988412B CN116988412B (zh) | 2024-10-29 |
Family
ID=88522062
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211475743.5A Active CN116988412B (zh) | 2022-11-23 | 2022-11-23 | 一种无人驾驶清扫机器人 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116988412B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020081035A (ko) * | 2001-04-18 | 2002-10-26 | 삼성광주전자 주식회사 | 로봇 청소기와 그 시스템 및 제어방법 |
| SE0400752D0 (sv) * | 2004-03-24 | 2004-03-24 | Michael Selander | Selgar |
| CN108104016A (zh) * | 2017-11-14 | 2018-06-01 | 福建龙马环卫装备股份有限公司 | 一种洗扫车平台化控制系统及洗扫车 |
| CN209412774U (zh) * | 2018-11-26 | 2019-09-20 | 郑州市兴东市政建设管理有限公司 | 一种环卫车及其冲洗装置 |
| CN110703769A (zh) * | 2019-11-12 | 2020-01-17 | 山东交通学院 | 一种基于云平台的自动驾驶清扫车系统及控制方法 |
| CN110747794A (zh) * | 2019-11-22 | 2020-02-04 | 福建海山机械股份有限公司 | 一种环卫车喷洒装置及环卫车 |
| CN111358362A (zh) * | 2018-12-26 | 2020-07-03 | 珠海市一微半导体有限公司 | 视觉机器人的清扫控制方法、装置、芯片及扫地机器人 |
| CN112627092A (zh) * | 2020-12-15 | 2021-04-09 | 广东盈峰智能环卫科技有限公司 | 冲洗车 |
| US20210373570A1 (en) * | 2020-05-26 | 2021-12-02 | Lg Electronics Inc. | Moving robot and traveling method thereof in corner areas |
| CN114782914A (zh) * | 2022-04-02 | 2022-07-22 | 智道网联科技(北京)有限公司 | 自动驾驶车辆定位方法及装置、电子设备、存储介质 |
| CN114998735A (zh) * | 2022-06-01 | 2022-09-02 | 九天创新(广东)智能科技有限公司 | 一种垃圾识别方法、装置及无人驾驶清扫车 |
-
2022
- 2022-11-23 CN CN202211475743.5A patent/CN116988412B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020081035A (ko) * | 2001-04-18 | 2002-10-26 | 삼성광주전자 주식회사 | 로봇 청소기와 그 시스템 및 제어방법 |
| SE0400752D0 (sv) * | 2004-03-24 | 2004-03-24 | Michael Selander | Selgar |
| CN108104016A (zh) * | 2017-11-14 | 2018-06-01 | 福建龙马环卫装备股份有限公司 | 一种洗扫车平台化控制系统及洗扫车 |
| CN209412774U (zh) * | 2018-11-26 | 2019-09-20 | 郑州市兴东市政建设管理有限公司 | 一种环卫车及其冲洗装置 |
| CN111358362A (zh) * | 2018-12-26 | 2020-07-03 | 珠海市一微半导体有限公司 | 视觉机器人的清扫控制方法、装置、芯片及扫地机器人 |
| CN110703769A (zh) * | 2019-11-12 | 2020-01-17 | 山东交通学院 | 一种基于云平台的自动驾驶清扫车系统及控制方法 |
| CN110747794A (zh) * | 2019-11-22 | 2020-02-04 | 福建海山机械股份有限公司 | 一种环卫车喷洒装置及环卫车 |
| US20210373570A1 (en) * | 2020-05-26 | 2021-12-02 | Lg Electronics Inc. | Moving robot and traveling method thereof in corner areas |
| CN112627092A (zh) * | 2020-12-15 | 2021-04-09 | 广东盈峰智能环卫科技有限公司 | 冲洗车 |
| CN114782914A (zh) * | 2022-04-02 | 2022-07-22 | 智道网联科技(北京)有限公司 | 自动驾驶车辆定位方法及装置、电子设备、存储介质 |
| CN114998735A (zh) * | 2022-06-01 | 2022-09-02 | 九天创新(广东)智能科技有限公司 | 一种垃圾识别方法、装置及无人驾驶清扫车 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116988412B (zh) | 2024-10-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103985182B (zh) | 一种公交客流自动计数方法及自动计数系统 | |
| CN104183133B (zh) | 一种采集和传输道路交通流动态信息的方法 | |
| CN108733061B (zh) | 一种清扫作业的路径修正方法 | |
| CN109797691A (zh) | 无人清扫车及其行车方法 | |
| CN108765404A (zh) | 一种基于深度学习图像分类的道路破损检测方法及装置 | |
| US20240167962A1 (en) | System and method for automatic monitoring of pavement condition | |
| KR102078908B1 (ko) | 무인 차량을 이용한 자동화 차선 도색 시스템 | |
| CN103955923A (zh) | 一种快速的基于图像的路面病害检测方法 | |
| CN110021167A (zh) | 一种高速公路云巡查系统及数据处理方法 | |
| CN112257623B (zh) | 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 | |
| Borkar et al. | An efficient method to generate ground truth for evaluating lane detection systems | |
| CN103837087A (zh) | 基于主动形状模型的受电弓自动检测方法 | |
| CN105574895A (zh) | 一种在车辆动态行驶中的拥堵检测方法 | |
| CN109987098B (zh) | 基于路面分析进行安全驾驶控制的方法及装置 | |
| CN110493572A (zh) | 基于图像识别的智慧城市监控系统 | |
| CN115018801A (zh) | 一种道路清洁度检测方法以及智能清扫方法 | |
| CN108762272B (zh) | 一种障碍物识别和避让方法 | |
| EP3851799A3 (en) | Determine traffic checkpoint method and apparatus, electronic device, and medium | |
| CN116612446B (zh) | 基于计算机视觉的高速公路路面状况检测系统 | |
| DE102020118589A1 (de) | Verbesserter fahrzeugbetrieb | |
| CN116988412B (zh) | 一种无人驾驶清扫机器人 | |
| DE102017109130A1 (de) | Einrichtung und Verfahren zur Reinigung eines Offenstalls | |
| CN112418253B (zh) | 基于深度学习的撒砂管松脱故障图像识别方法及系统 | |
| CN109671271A (zh) | 一种提高清扫车洁净率的工作参数配置系统及其方法 | |
| CN103605960A (zh) | 一种基于不同焦距视频图像融合的交通状态识别方法 |
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 |