一种基于环境感知的自动化清扫方法与流程

1.一种基于环境感知的自动化清扫方法，包括无人清扫车，所述无人清扫车设置有主控模块、信息采集模块、清扫驱动模块及扫刷清扫模块，所述主控模块用于信号接收整合及无人清扫车的调控，所述信息采集模块包括视觉模组及通讯模组，其特征在于，所述主控模块内置垃圾检测模型，所述基于环境感知的自动化清扫方法具体包括如下步骤：

2.根据权利要求1所述的一种基于环境感知的自动化清扫方法，其特征在于，所述主控模块将单次未完成清扫的垃圾目标设置为漏扫标记，所述漏扫标记包含垃圾目标的垃圾数量及位置信息，并设定漏扫标记阈值；在所述无人清扫车完成步骤s33后，设置补扫作业：

3.根据权利要求2所述的一种基于环境感知的自动化清扫方法，其特征在于，所述主控模块针对补扫作业设定补扫作业次数阈值，所述补扫作业还包括以下步骤：

4.根据权利要求3所述的一种基于环境感知的自动化清扫方法，其特征在于，所述主控模块针对垃圾目标设置垃圾聚类等级，所述补扫作业的补扫步骤与所述巡测清扫步骤相同，且单次补扫作业终点为其单次补扫路径的第一个漏扫标记；在所述s33步骤中所述巡测清扫的具体步骤如下：

5.根据权利要求4所述的一种基于环境感知的自动化清扫方法，其特征在于，在所述s32步骤中，所述主控模块还设置垃圾目标复检机制，若所述主控模块在垃圾目标复检时发现存在某一垃圾目标发生状态变化，则按步骤s331至s333重新规划巡检路径；所述垃圾目标复检机制具体是：所述视觉模组按一定频率采集作业区域内全局环境图像，所述主控模块对每次检测到的垃圾目标进行数量和位置信息的记录，并对比每一垃圾目标后次与前次记录的数量和位置信息的状态变化。

6.根据权利要求1所述的一种基于环境感知的自动化清扫方法，其特征在于，所述垃圾检测模型为一由深度神经网络架构采集大量垃圾样本图片数据进行垃圾检测模型训练得到具有对应垃圾模型特征值的垃圾模型算法，所述视觉模组包括标定视觉相机及激光雷达传感器；所述s13步骤中具体方法为：将全局环境图像输入至所述垃圾检测模型进行特征提取和匹配，获取全局环境图像中对应垃圾的像素坐标，通过所述预先标定视觉相机与激光雷达传感器的坐标关联关系，将图像像素坐标转换到激光地图坐标，以得到作业区域内垃圾的位置、类型与数量等数据信息。

7.根据权利要求1所述的一种基于环境感知的自动化清扫方法，其特征在于，所述主控模块内设置有一垃圾量标定数值及一区域对比临界值，所述s13步骤中判断作业区域的垃圾分布类型的步骤如下：

8.根据权利要求4所述的一种基于环境感知的自动化清扫方法，其特征在于，在所述横向偏移范围内进行清扫作业时，所述无人清扫车在当前垃圾目标位置与最近一个垃圾目标之间的区域为局部行走区域，若在局部行走区域内检测到新增垃圾目标，若新增垃圾目标在局部行走区域内，则所述无人清扫车返回巡检路径继续清扫作业，若新增垃圾目标不在局部行走区域内，则所述无人清扫车返回巡检路径清扫作业并将新增垃圾目标记录为漏扫标记。

9.根据权利要求4所述的一种基于环境感知的自动化清扫方法，其特征在于，所述垃圾聚类等级包括大量聚类垃圾、常规聚类垃圾、少量聚类垃圾及零散垃圾，其判断依据是：设置垃圾堆积半径、最小垃圾值、中间垃圾值及最大垃圾值，针对垃圾堆积情况进行统计分析，以单一垃圾作为中心参考点，在所述垃圾堆积半径范围内统计垃圾数量，若统计垃圾数量与所述最小垃圾值相等，则判定为零散垃圾点；若统计垃圾数量大于所述最小垃圾值但不超过所述中间垃圾值，则判定为少量聚类垃圾；若统计垃圾数量大于所述中间垃圾值但不超过所述最大垃圾值，则判定为常规聚类垃圾；若统计垃圾数量超过所述最大垃圾值，则判定为大量聚类垃圾。

10.根据权利要求1所述的一种基于环境感知的自动化清扫方法，其特征在于，所述状态变化包括垃圾目标消失、垃圾目标新增及垃圾目标位置改变，其判断方法是：在所述无人清扫车未进行清扫的情况下，针对同一垃圾目标，所述主控模块将其在后次检测的记录与前次检测的记录进行对比，若其在前次检测记录中存在，但在后次检测记录中不存在，则判断为垃圾目标消失，所述主控模块清除该垃圾目标记录；若其在前次检测记录中不存在，但在后次检测记录中存在，则判断为垃圾目标新增，所述主控模块实时更新记录新增垃圾目标；若其在前后两次检测记录中均存在，则以垃圾目标初始位置作为中心参考点，设置位移判定半径，判断对比两次记录中垃圾目标的位置信息，若垃圾目标在后次检测记录中相对于前次检测记录中，其位置信息仍在其判定半径范围内，则判定无垃圾目标位置改变，所述主控模块保持垃圾目标记录信息不变；若其位置信息不在其判定半径范围，则判定存在垃圾目标位置改变，所述主控模块清除所述垃圾目标初始记录，并更新记录新增垃圾目标。