CN117885698A - 一种可智能识别车型的全自动洗车机 - Google Patents
一种可智能识别车型的全自动洗车机 Download PDFInfo
- Publication number
- CN117885698A CN117885698A CN202410294647.3A CN202410294647A CN117885698A CN 117885698 A CN117885698 A CN 117885698A CN 202410294647 A CN202410294647 A CN 202410294647A CN 117885698 A CN117885698 A CN 117885698A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- cleaning
- module
- type recognition
- image data
- 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 claims abstract description 136
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000005406 washing Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 20
- 238000005516 engineering process Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000010276 construction Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 12
- 238000003709 image segmentation Methods 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 claims description 2
- 239000003599 detergent Substances 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000001680 brushing effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 229920000049 Carbon (fiber) Polymers 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004917 carbon fiber Substances 0.000 description 1
- 239000012459 cleaning agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及自动洗车机技术领域,尤其涉及一种可智能识别车型的全自动洗车机。具体包括:首先,捕获待洗车辆的实时图像,得到并分析车辆图像数据,提取车辆特征,得到车型识别结果,同时基于车辆图像数据对车辆状态进行分析,得到车辆状态信息;然后,综合分析车辆状态信息和车型识别结果,得到初步车辆清洗方案,根据初步车辆清洗方案制定清洗轨迹,并生成初步清洗操作;最后,对初步清洗操作进行优化,并基于优化后的清洗操作对全自动洗车机进行控制。解决了现有技术在全自动洗车机对车辆进行清洗时自适应性较差的技术问题。
Description
技术领域
本发明涉及自动洗车机技术领域,尤其涉及一种可智能识别车型的全自动洗车机。
背景技术
传统的车辆清洁方法通常包括手工洗车和自动洗车机。然而,这些方法存在着各自的局限性。手工洗车劳动强度大,耗时耗力,而且洗涤效果往往取决于个人技巧和经验。传统的自动洗车机虽然提高了洗车效率,但大多数机型仍然缺乏足够的智能化,无法根据不同车型的具体特点进行针对性清洁。目前市场上的自动洗车机大多采用标准化的清洗程序,对所有车型采取同样的清洗方式。这不仅可能导致对某些车型的清洁不彻底,还可能对车辆的特定部件(如后视镜、天线等)造成损伤。此外,传统洗车机在处理不同大小和形状的车辆时,效率和效果都有限。例如,大型车辆和小型车辆使用相同的洗刷程序,可能会导致洗刷不到位或不必要的重复清洗。
对于洗车机的研究有很多,我国发明专利“智能洗车机及其系统”,申请号:“CN202310968746.0”,主要包括:车辆外观图像采集模块,用于通过摄像头采集待洗车辆的外观监控图像;车辆外观特征分析模块,用于对所述外观监控图像进行图像特征分析以得到车辆外观特征;汽车程序推荐模块,用于基于所述车辆外观特征,确定推荐的汽车程序的类型标签;首先通过摄像头采集待洗车辆的外观监控图像,接着,对所述外观监控图像进行图像特征分析以得到车辆外观特征,然后,基于所述车辆外观特征,确定推荐的汽车程序的类型标签。这样,可以基于车辆的外观特征自动选择最适合的洗车程序和清洗剂,以提供更精确、高效和个性化的洗车服务。
但上述技术至少存在如下技术问题:在全自动洗车机对车辆进行清洗时自适应性较差的技术问题。
发明内容
本发明提供一种可智能识别车型的全自动洗车机,解决了现有技术在全自动洗车机对车辆进行清洗时自适应性较差的技术问题,实现了对车辆自适应清洗的技术效果。
本发明的一种可智能识别车型的全自动洗车机,具体包括以下技术方案:
一种可智能识别车型的全自动洗车机的系统,包括以下部分:
车辆数据获取模块,车型识别模块,车辆模型构建模块,车辆状态分析模块,智能处理模块,自适应清洗模块,智能优化控制模块;
所述车辆数据获取模块,捕捉待洗车辆的实时图像,得到车辆图像数据,并将车辆图像数据发送至车型识别模块、车辆模型构建模块和车辆状态分析模块;
所述车型识别模块,对车辆图像数据进行分析,识别车辆特征,基于车辆特征得到车型识别结果,并将车型识别结果发送至智能处理模块和车辆模型构建模块;
所述车辆模型构建模块,基于车型识别结果和车辆图像数据,构建车辆模型;将车辆模型发送至自适应清洗模块;
所述车辆状态分析模块,基于车辆图像数据分析车辆的状态,得到车辆状态信息,所述车辆状态信息包括车辆脏污程度,脏污位置和脏污种类;并将车辆状态信息发送至智能处理模块;
所述智能处理模块,综合分析车辆状态信息和车型识别结果,得到初步车辆清洗方案,并将初步车辆清洗方案发送至自适应清洗模块;
所述自适应清洗模块,根据初步车辆清洗方案以及车辆模型制定清洗轨迹,生成初步清洗操作,并将初步清洗操作发送至智能优化控制模块;
所述智能优化控制模块,结合实时环境条件对初步清洗操作进行优化,得到优化后的清洗操作,并对全自动洗车机进行控制。
一种可智能识别车型的全自动洗车机的方法,包括以下步骤:
S1. 捕获待洗车辆的实时图像,得到并分析车辆图像数据,提取车辆特征,得到车型识别结果,同时基于车辆图像数据对车辆状态进行分析,得到车辆状态信息;
S2. 综合分析车辆状态信息和车型识别结果,得到初步车辆清洗方案,进一步制定清洗轨迹,并生成初步清洗操作;
S3. 对初步清洗操作进行优化,并基于优化后的清洗操作对全自动洗车机进行控制。
优选的,所述S1,具体包括:
对车辆图像数据进行基于车型识别的预处理,并从预处理后的车辆图像数据中提取车辆特征,得到车型识别特征集;构建智能车型分类识别模型对车型识别特征集进行处理,得到车型识别参数;基于车型识别参数确定车型和型号,得到车型识别结果。
优选的,在所述S1中,还包括:
基于预处理后的车辆图像数据进行分析,识别车辆的脏污区域,具体实现过程如下:对预处理后的车辆图像数据进行图像增强处理;使用图像分割技术和边缘检测算法分割出车辆图像;并引入边缘清晰度增强算法。
优选的,在所述S1中,还包括:
边缘清晰度增强算法具体实现过程如下:首先对预处理后的车辆图像数据进行局部对比度增强处理;再对局部对比度增强处理后的车辆图像数据进行边缘强度提取,得到边缘强度值;进一步使用边缘强度值指导边缘的清晰化过程;再基于分割出的车辆图像,应用颜色检测技术和纹理分析技术得到车辆脏污区域。
优选的,所述S2,具体包括:
基于车型识别结果进行分析,得到基于车型识别结果的清洗方案;基于车辆状态信息进行分析,得到基于车辆状态信息的清洗方案;将基于车型识别结果的清洗方案和基于车辆状态信息的清洗方案整合,得到初步车辆清洗方案。
优选的,在所述S2中,还包括:
在生成初步清洗操作的过程中,构建并优化车辆模型;根据优化的车辆模型,规划清洗轨迹;再利用求解最短路径以及最小化能耗对清洗轨迹进行优化;进一步动态调整清洗轨迹;最终得到清洗轨迹,并生成初步清洗操作。
优选的,所述S3,具体包括:
实时收集洗车环境的数据,得到实时环境数据,评估实时环境数据对初步清洗操作的影响,得到优化后的清洗操作;对优化后的清洗操作进行安全性检查;再将经过安全性检查后的优化清洗操作转换为控制命令,并传递给自动洗车机的执行部件进行执行。
优选的,在所述S3中,还包括:
在执行部件执行控制命令时,采用动作控制和时间同步。
本发明的技术方案的有益效果是:
1、本发明通过图像识别算法,结合智能车型分类识别模型,能够准确识别车辆的车型和型号,有助于为不同类型的车辆制定更合适的清洗方案;通过局部对比度增强处理和边缘强度提取技术的应用使得图像分割更加准确,减少了因边缘模糊导致的误分割情况,确保了清洗操作的针对性和有效性。
2、本发明通过综合分析车型识别结果和车辆状态信息,为每辆车量身定制清洗方案,不仅提高了清洗效率,还确保了清洗过程对车辆的安全性;使用三维建模技术和优化深度学习算法得到车辆模型,并制定清洗轨迹和操作计划,提高清洗过程的效率和效果。
附图说明
图1为本发明一个实施例所提供的可智能识别车型的全自动洗车机的系统模块图;
图2为本发明一个实施例所提供的可智能识别车型的全自动洗车机的方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,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、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,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,都属于本发明保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种可智能识别车型的全自动洗车机的具体方案。
参照附图1,其示出了本发明一个实施例所提供的可智能识别车型的全自动洗车机的系统模块图,包括以下部分:
车辆数据获取模块,车型识别模块,车辆模型构建模块,车辆状态分析模块,智能处理模块,自适应清洗模块,智能优化控制模块;
车辆数据获取模块,捕捉待洗车辆的实时图像,得到待洗车辆的车辆图像数据,并将获得的车辆图像数据发送至车型识别模块、车辆模型构建模块和车辆状态分析模块;
车型识别模块,利用图像识别技术对车辆图像数据进行分析,识别车辆特征,基于车辆特征得到车型识别结果,并将车型识别结果发送至智能处理模块和车辆模型构建模块;
车辆模型构建模块,基于车型识别结果和车辆图像数据,进行车辆模型构建,得到车辆模型,用于指导清洗轨迹的设计;将车辆模型发送至自适应清洗模块;
车辆状态分析模块,基于车辆图像数据对车辆的状态进行分析,得到车辆状态信息,车辆状态信息包含车辆脏污程度、脏污位置和脏污种类;并将车辆状态信息发送至智能处理模块;
智能处理模块,综合分析车辆状态信息和车型识别结果,得到定制化的初步车辆清洗方案,并将初步车辆清洗方案发送至自适应清洗模块;
自适应清洗模块,根据初步车辆清洗方案以及车辆模型制定清洗轨迹,基于清洗轨迹得到初步清洗操作,并将初步清洗操作发送至智能优化控制模块;
智能优化控制模块,结合实时环境条件对初步清洗操作进行优化,得到优化后的清洗操作,并基于优化后的清洗操作对全自动洗车机进行控制,实现对车辆的清洗。
参照附图2,其示出了本发明一个实施例所提供的可智能识别车型的全自动洗车机的方法流程图,包括以下步骤:
S1. 捕获待洗车辆的实时图像,得到并分析车辆图像数据,提取车辆特征,得到车型识别结果,同时基于车辆图像数据对车辆状态进行分析,得到车辆状态信息;
当车辆接近洗车区域时,对待洗车辆的实时图像进行捕获,得到待洗车辆的车辆图像数据;
对车辆图像数据进行基于车型识别的预处理,如调整大小、裁剪、旋转、色彩校正,得到预处理后的车辆图像数据;应用图像识别算法从预处理后的车辆图像中提取车辆特征,车辆特征包括但不限于车辆的轮廓、轮胎大小、窗户形状,得到车型识别特征集,/>表示特征的个数,/>是车型识别特征集中的任意一个元素,;
为了确定待洗车辆的车型,构建智能车型分类识别模型对车型识别特征集进行处理,得到量化的车型识别参数,基于量化的车型识别参数得到车型识别结果;智能车型分类识别模型构建如下:
,
其中,是车型识别特征集;/>是特征转换函数集合,包含/>个转换函数,集合中的任意一个元素用/>表示,用于实现特征转换;/>是分类决策参数集合,用于最终的车型分类决策;/>是评估优化参数集合;/>是模型的输出,即量化的车型识别参数;
具体计算如下:
,
其中,是集合/>的任意一个元素;/>是集合/>的任意一个元素;
基于量化的车型识别参数,与根据专家经验法设定的阈值进行比较,确定车型和型号,得到车型识别结果;
同时基于车辆图像数据对车辆状态进行分析,得到车辆状态信息;应用图像优化处理技术对预处理后的车辆图像数据进行分析,识别车辆的脏污区域,具体实现过程如下:
对预处理后的车辆图像数据使用图像增强技术进行图像增强处理,突出车辆污渍区域,提升图像质量,使脏污区域更加明显,便于后续分析;使用图像分割技术将车辆从背景中分离出来,同时应用边缘检测算法来识别车辆的轮廓,最终分割出车辆图像,为识别脏污区域做准备;
为避免边缘模糊不清导致图像分割不准确的问题,引入边缘清晰度增强算法,通过增强边缘清晰度,提高图像分割准确度;具体实现如下:
首先对预处理后的车辆图像数据进行局部对比度增强处理,具体如下:
,
其中,是预处理后的车辆图像中位于坐标/>的像素值;/>是经过局部对比度增强后的像素值;/>是预处理后的车辆图像中坐标/>周围局部区域的平均像素值,用于确定点坐标/>相对于邻近区域的对比度;/>是调节因子,用于控制增强的强度;/>是对比度参数,决定对比度变化的敏感性;上述实现是通过提高像素与其邻域的对比度,从而使边缘更加突出;
再对局部对比度增强后的图像进行边缘强度提取;具体如下:
,
其中,是边缘强度值;/>和/>分别为局部对比度增强后的图像在/> 和/>方向的梯度;上述实现通过计算梯度,确定图像中的边缘区域,梯度值越大,表示边缘越明显;
进一步使用边缘强度值来指导边缘的清晰化过程;
再对分割处理后的车辆图像,应用颜色检测技术来识别与车辆原始颜色不同的区域,应用纹理分析技术来检测车辆表面的异常纹理,识别出与车辆表面颜色和纹理不一致的脏污区域,得到车辆脏污区域,即车辆状态信息。
S2. 综合分析车辆状态信息和车型识别结果,得到初步车辆清洗方案,进一步制定清洗轨迹,并生成初步清洗操作;
基于车型识别结果,与现有各类型车辆数据信息进行比对,得到待洗车辆的详细设计特征,如材料信息、特殊构造;基于详细设计特征得到待洗车辆的敏感区域(如天窗、装饰件)和特殊材料(如碳纤维部件、特殊涂层);根据识别的敏感区域和特殊材料,利用决策逻辑法选择合适的洗涤剂和清洁方法;根据车辆的尺寸和材料类型,计算所需洗涤剂的用量和适宜的水压;根据敏感区域的位置和特性,确定清洗的顺序和方法;将确定的洗涤剂类型、用量、水压以及清洗顺序和方法整合成基于车型识别结果的清洗方案;
基于车辆状态信息,即车辆脏污区域,提取脏污区域的位置和大小;并使用图像处理技术定量分析脏污程度,如利用像素强度来定量评估脏污程度;得到车辆脏污程度;再利用机器学习技术对脏污类型进行分类,如区分油渍、泥土、尘土等,得到车辆脏污种类;根据脏污程度和类型,利用决策逻辑法确定需要特别清洁的区域,根据识别出的脏污类型选择合适的洗涤剂,如油渍需要溶剂型清洁剂,而普通泥土只需普通水基清洁剂;综合上述分析,得到基于车辆状态信息的清洗方案;
将基于车型识别结果的清洗方案和基于车辆状态信息的清洗方案整合,得到初步车辆清洗方案;
基于初步车辆清洗方案,制定清洗轨迹,生成初步清洗操作,具体实现过程如下:
首先基于车型识别结果,得到车辆的基本类型,同时调用现有车辆信息确定车型的标准集合参数;对车辆图像数据使用如边缘检测、特征点识别的图像处理技术进行图像处理,识别车辆的关键特征点,如车轮位置、窗户边缘、门把手、车顶等;使用车辆的基本几何参数和车辆的关键特征点,利用计算机图形学中的三维建模技术构建一个粗略的三维车辆模型,例如,用长方体表示车辆主体,用小的几何形状表示突出部件;使用优化深度学习算法对车辆模型的形状和尺寸进行优化,得到优化的车辆模型:
,
其中,是代表车辆主体的长方体;/>是代表天窗的圆柱形;/>是代表特殊部件的几何形状,特殊部件如车辆装饰件;/>是车辆长度;/>是车辆宽度;/>是车辆高度;/>,/>分别是天窗的半径和高度;/>是天窗在车辆模型中的位置坐标;/>是特殊部件的尺寸;/>是特殊部件在车辆模型中的位置坐标;
进一步,根据优化的车辆模型,识别关键清洗区域,如车窗、车轮、车顶,对于关键清洗区域,使用贝塞尔曲线来描述平滑路径,并规划刷子和喷头的清洗轨迹,清洗轨迹可以包含起始点、结束点、清洗路径和所需时间;
再对轨迹进行优化,利用求解最短路径以及最小化能耗来实现轨迹优化;
再根据车辆的曲面和凹凸部分使用向量计算来确定工具与车辆表面的最佳接触角度,以确保有效清洗;再使用优先级排列算法根据车辆的不同部分和脏污程度,确定清洗的优先顺序;
可以根据实际清洗过程中的反馈,动态调整清洗轨迹;
经过上述处理,得到清洗轨迹,并生成初步清洗操作。
S3. 对初步清洗操作进行优化,并基于优化后的清洗操作对全自动洗车机进行控制;
使用环境传感器实时收集洗车环境的数据,得到实时环境数据,利用基于机器学习的预测模型分析实时环境数据,评估实时环境数据对初步清洗操作的影响,如识别到低温条件下需要减少水量使用以防冻结,或者在高风速条件下调整喷水角度以减少飞溅;得到优化后的清洗操作;机器学习为本领域技术人员熟知的技术手段;预测模型可根据具体实施场景具体设置,在此不做限定;
对优化后的清洗操作使用专家预设的安全协议和标准进行安全性检查,确保所有操作都在安全阈值内;再将经过安全性检查后的优化清洗操作转换为具体的控制命令,并传递给自动洗车机的执行部件,执行部件如电动机械臂、喷水嘴、洗刷轮;最后,自动洗车机的执行部件接收控制命令并执行,实现对车辆的清洗;
在执行部件执行控制命令时,采用精确的动作控制和时间同步,确保清洗效率和质量。动作控制和时间同步均为本领域技术人员所熟知的技术手段,在此不作赘述。
综上所述,便完成了一种可智能识别车型的全自动洗车机。
本发明实施例通过图像识别算法,结合智能车型分类识别模型,能够准确识别车辆的车型和型号,有助于为不同类型的车辆制定更合适的清洗方案;通过局部对比度增强处理和边缘强度提取技术的应用使得图像分割更加准确,减少了因边缘模糊导致的误分割情况,确保了清洗操作的针对性和有效性。通过综合分析车型识别结果和车辆状态信息,为每辆车量身定制清洗方案,不仅提高了清洗效率,还确保了清洗过程对车辆的安全性;使用三维建模技术和优化深度学习算法得到车辆模型,并制定清洗轨迹和操作计划,提高清洗过程的效率和效果。
发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
上述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:其依然可以对前述各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各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (9)
1.一种可智能识别车型的全自动洗车机的系统,其特征在于,包括以下部分:
车辆数据获取模块,车型识别模块,车辆模型构建模块,车辆状态分析模块,智能处理模块,自适应清洗模块,智能优化控制模块;
所述车辆数据获取模块,捕捉待洗车辆的实时图像,得到车辆图像数据,并将车辆图像数据发送至车型识别模块、车辆模型构建模块和车辆状态分析模块;
所述车型识别模块,对车辆图像数据进行分析,识别车辆特征,得到车型识别结果,并将车型识别结果发送至智能处理模块和车辆模型构建模块;
所述车辆模型构建模块,基于车型识别结果和车辆图像数据,构建车辆模型;将车辆模型发送至自适应清洗模块;
所述车辆状态分析模块,基于车辆图像数据分析车辆的状态,得到车辆状态信息,所述车辆状态信息包括车辆脏污程度,脏污位置和脏污种类;并将车辆状态信息发送至智能处理模块;
所述智能处理模块,综合分析车辆状态信息和车型识别结果,得到初步车辆清洗方案,并将初步车辆清洗方案发送至自适应清洗模块;
所述自适应清洗模块,根据初步车辆清洗方案以及车辆模型制定清洗轨迹,生成初步清洗操作,并将初步清洗操作发送至智能优化控制模块;
所述智能优化控制模块,结合实时环境条件对初步清洗操作进行优化,得到优化后的清洗操作,并对全自动洗车机进行控制。
2.一种可智能识别车型的全自动洗车机的方法,其特征在于,包括以下步骤:
S1. 捕获待洗车辆的实时图像,得到并分析车辆图像数据,提取车辆特征,得到车型识别结果,同时基于车辆图像数据对车辆状态进行分析,得到车辆状态信息;
S2. 综合分析车辆状态信息和车型识别结果,得到初步车辆清洗方案,进一步制定清洗轨迹,并生成初步清洗操作;
S3. 对初步清洗操作进行优化,并基于优化后的清洗操作对全自动洗车机进行控制。
3.根据权利要求2所述的可智能识别车型的全自动洗车机的方法,其特征在于,所述S1,具体包括:
对车辆图像数据进行基于车型识别的预处理,并从预处理后的车辆图像数据中提取车辆特征,得到车型识别特征集;构建智能车型分类识别模型对车型识别特征集进行处理,得到车型识别参数;基于车型识别参数确定车型和型号,得到车型识别结果。
4.根据权利要求3所述的可智能识别车型的全自动洗车机的方法,其特征在于,在所述S1中,还包括:
基于预处理后的车辆图像数据进行分析,识别车辆的脏污区域,具体实现过程如下:对预处理后的车辆图像数据进行图像增强处理;使用图像分割技术和边缘检测算法分割出车辆图像;并引入边缘清晰度增强算法。
5.根据权利要求4所述的可智能识别车型的全自动洗车机的方法,其特征在于,在所述S1中,还包括:
边缘清晰度增强算法具体实现过程如下:首先对预处理后的车辆图像数据进行局部对比度增强处理;再对局部对比度增强处理后的车辆图像数据进行边缘强度提取,得到边缘强度值;进一步使用边缘强度值指导边缘的清晰化过程;再基于分割出的车辆图像,应用颜色检测技术和纹理分析技术得到车辆脏污区域。
6.根据权利要求2所述的可智能识别车型的全自动洗车机的方法,其特征在于,所述S2,具体包括:
基于车型识别结果进行分析,得到基于车型识别结果的清洗方案;基于车辆状态信息进行分析,得到基于车辆状态信息的清洗方案;将基于车型识别结果的清洗方案和基于车辆状态信息的清洗方案整合,得到初步车辆清洗方案。
7.根据权利要求2所述的可智能识别车型的全自动洗车机的方法,其特征在于,在所述S2中,还包括:
在生成初步清洗操作的过程中,构建并优化车辆模型;根据优化的车辆模型,规划清洗轨迹;再利用求解最短路径以及最小化能耗对清洗轨迹进行优化;进一步动态调整清洗轨迹;最终得到清洗轨迹,并生成初步清洗操作。
8.根据权利要求2所述的可智能识别车型的全自动洗车机的方法,其特征在于,所述S3,具体包括:
实时收集洗车环境的数据,得到实时环境数据,评估实时环境数据对初步清洗操作的影响,得到优化后的清洗操作;对优化后的清洗操作进行安全性检查;再将经过安全性检查后的优化清洗操作转换为控制命令,并传递给自动洗车机的执行部件进行控制命令的执行。
9.根据权利要求8所述的可智能识别车型的全自动洗车机的方法,其特征在于,在所述S3中,还包括:
在自动洗车机的执行部件执行控制命令时,采用动作控制和时间同步。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410294647.3A CN117885698B (zh) | 2024-03-15 | 2024-03-15 | 一种可智能识别车型的全自动洗车机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410294647.3A CN117885698B (zh) | 2024-03-15 | 2024-03-15 | 一种可智能识别车型的全自动洗车机 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117885698A true CN117885698A (zh) | 2024-04-16 |
CN117885698B CN117885698B (zh) | 2024-05-28 |
Family
ID=90641423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410294647.3A Active CN117885698B (zh) | 2024-03-15 | 2024-03-15 | 一种可智能识别车型的全自动洗车机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117885698B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258434A (zh) * | 2013-04-25 | 2013-08-21 | 广州中国科学院软件应用技术研究所 | 基于视频交通流检测和车辆识别的图像边缘检测系统 |
CN105329220A (zh) * | 2015-11-26 | 2016-02-17 | 张致琛 | 一种智能洗车设备 |
CN108528405A (zh) * | 2018-04-20 | 2018-09-14 | 上海氦修网络科技有限公司 | 智控无人洗车系统及方法 |
CN114639003A (zh) * | 2022-03-29 | 2022-06-17 | 湖南应超智能计算研究院有限责任公司 | 基于人工智能的工地车辆清洁度判断方法、设备及介质 |
CN115072889A (zh) * | 2021-03-16 | 2022-09-20 | 水滴环保科技(青岛)有限责任公司 | 洗车系统及无水渍清洗系统 |
CN116612280A (zh) * | 2023-05-12 | 2023-08-18 | 北京信路威科技股份有限公司 | 车辆分割方法、装置、计算机设备和计算机可读存储介质 |
CN117037379A (zh) * | 2023-08-11 | 2023-11-10 | 深圳市中佑控股有限公司 | 一种可自动识别车型的智能洗车方法 |
-
2024
- 2024-03-15 CN CN202410294647.3A patent/CN117885698B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258434A (zh) * | 2013-04-25 | 2013-08-21 | 广州中国科学院软件应用技术研究所 | 基于视频交通流检测和车辆识别的图像边缘检测系统 |
CN105329220A (zh) * | 2015-11-26 | 2016-02-17 | 张致琛 | 一种智能洗车设备 |
CN108528405A (zh) * | 2018-04-20 | 2018-09-14 | 上海氦修网络科技有限公司 | 智控无人洗车系统及方法 |
CN115072889A (zh) * | 2021-03-16 | 2022-09-20 | 水滴环保科技(青岛)有限责任公司 | 洗车系统及无水渍清洗系统 |
CN114639003A (zh) * | 2022-03-29 | 2022-06-17 | 湖南应超智能计算研究院有限责任公司 | 基于人工智能的工地车辆清洁度判断方法、设备及介质 |
CN116612280A (zh) * | 2023-05-12 | 2023-08-18 | 北京信路威科技股份有限公司 | 车辆分割方法、装置、计算机设备和计算机可读存储介质 |
CN117037379A (zh) * | 2023-08-11 | 2023-11-10 | 深圳市中佑控股有限公司 | 一种可自动识别车型的智能洗车方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117885698B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107424144B (zh) | 基于激光视觉的焊缝跟踪图像处理方法 | |
CN106894481B (zh) | 一种基于智能马桶自动检测并清洁污垢方法及系统 | |
US6941016B1 (en) | Method for finding contours in an image of an object | |
CN109409202A (zh) | 基于动态感兴趣区域的鲁棒性车道线检测方法 | |
CN105891233A (zh) | 基于机器视觉的镜片表面缺陷智能检测系统及其实现方法 | |
CN111127402A (zh) | 一种机器人焊接质量的视觉检测方法 | |
CN102073852B (zh) | 基于最优阈值和随机标号法的多车辆分割方法 | |
CN103175844A (zh) | 一种金属零部件表面划痕缺陷检测方法 | |
CN103020579A (zh) | 人脸识别方法及系统、人脸图像的眼镜框去除方法与装置 | |
CN102289660A (zh) | 一种基于手部姿态跟踪的违规驾驶行为检测方法 | |
CN107665348B (zh) | 一种变电站数字仪表的数字识别方法和装置 | |
CN107808392A (zh) | 开放场景的安检车辆自动跟踪定位方法及系统 | |
CN115661076A (zh) | 一种铸件待打磨区域智能视觉评估及标定方法 | |
CN113012149A (zh) | 一种智能清洗机器人路径规划方法及系统 | |
CN114445707A (zh) | 瓶装水标签缺陷智能化视觉精细检测方法 | |
CN112756324B (zh) | 一种物品清洗方法、装置及终端设备 | |
CN117885698B (zh) | 一种可智能识别车型的全自动洗车机 | |
CN110728286B (zh) | 一种基于火花图像的砂带磨削材料去除率识别方法 | |
Hoang et al. | Achieving automation in leather surface inspection | |
CN117808484B (zh) | 一种基于大数据分析的智能洗车机洗车效果评价方法 | |
CN116833645A (zh) | 基于移动机器人的焊缝自主识别与焊接方法及系统 | |
CN110705553A (zh) | 一种适用于车辆远景图像的划痕检测方法 | |
CN110909751B (zh) | 用于变电站绝缘子清扫机器人的视觉识别方法、系统及介质 | |
CN111553217A (zh) | 一种驾驶员打电话监测方法与系统 | |
CN117269168A (zh) | 一种新能源汽车精密零配件表面缺陷检测装置及检测方法 |
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 |