本发明属于自动化清扫，具体涉及一种基于环境感知的自动化清扫方法。
背景技术：
1、随着人工智能算法和无人驾驶技术的发展，推动了智能无人清扫车的广泛应用，解放大量人力劳动的同时解决了越发庞大的城市公共区域的清扫工作量，目前相关技术中，传统无人驾驶清扫车的进行自动清扫作业时仍存在一些不足，存在部分无人驾驶清扫车，在启动作业任务前，没有提前检测垃圾信息及垃圾量，无法根据实时垃圾量规划最优清扫模式，针对不同场景不同时刻垃圾量分布不同的作业区域进行无差别覆盖清扫，且清扫路径不变更，难以保障高效清扫；部分无人驾驶清扫车虽在启动作业任务前，通过视觉传感器与视觉算法识别功能获取目标垃圾特征信息，但只能针对垃圾所在位置进行定点清扫工作，不能根据垃圾量规划作业模式，不能跟踪垃圾状态变化信息，对于垃圾状态不断变化的任务场景，无法实时更新垃圾位置状态，实时调整全局清扫规划及局部清扫规划，记录垃圾清扫剩余状态，导致漏扫后无法往返补扫，影响清扫洁净率。
2、针对上述存在的现象与问题，深入研究，提出一种基于环境感知的自动化清扫方法，通过主控模块配合信息采集模块识别统计地面垃圾情况，并据此自主规划最优清扫模式，提升清扫作业效率；实时获取垃圾状态，调整清扫规划，保障巡扫洁净率；标记漏扫垃圾及其位置信息，统计垃圾遗漏数量，针对遗漏垃圾进行补扫，保障作业区域洁净率。
技术实现思路
1、针对上述现有问题，本发明提出一种基于环境感知的自动化清扫方法，通过主控模块配合信息采集模块识别统计地面垃圾情况，并据此自主规划最优清扫模式，提升清扫作业效率；实时获取垃圾状态，调整清扫规划，保障巡扫洁净率；标记漏扫垃圾及其位置信息，统计垃圾遗漏数量，针对遗漏垃圾进行补扫，保障作业区域洁净率。
2、为实现上述目的，本发明提供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，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：s1、作业区域环境检测判定：s11、无人清扫车自主导航进入作业区域，所述扫刷清扫模块保持收起关闭，所述视觉模组进行作业区域内全局环境图像的采集，所述通讯模组将视觉模组采集的全局环境图像传输至所述主控模块；s12、所述主控模块将全局环境图像与所述垃圾检测模型进行特征对比，获取作业区域内垃圾目标的位置、类型与数量等数据信息；s13、所述主控模块计算分析作业区域内全局垃圾密度，并判断作业区域的垃圾分布类型，若判断作业区域为全局密集区域，所述无人清扫车执行步骤s2的覆盖式清扫作业；若判断作业区域为零散分布区域，所述无人清扫车执行步骤s3的巡扫式清扫作业；s2、覆盖式清扫作业：s21、所述主控模块针对全局密集区域规划覆盖式清扫路径，保障所述无人清扫车在所述覆盖式清扫路径上行动时，所述扫刷清扫模块的清扫范围完整覆盖作业区域；s22、所述无人清扫车按照覆盖式清扫路径行进，所述清扫驱动模块驱动所述扫刷清扫模块全程持续下放并启动，进行清扫作业；s23、所述无人清扫车达到覆盖式清扫路径的终点时，所述清扫驱动模块驱动所述扫刷清扫模块向上收起并关闭；s3、巡扫式清扫作业：s31、所述主控模块针对零散分布区域规划巡检路径，保障所述无人清扫车在所述巡检路径上行动时，所述视觉模组的摄像检测范围完整覆盖作业区域；s32、所述无人清扫车按照巡检路径进行巡测清扫，所述视觉模组实时采集路径环境图像，所述通讯模组实时将路径环境图像传输至所述主控模块，所述主控模块将路径环境图像与所述垃圾检测模型进行特征对比，实时获取所述无人清扫车在巡检路径行进时周围的垃圾目标；s33、所述无人清扫车在巡测清扫时保持扫刷清扫模块收起关闭状态，当所述主控模块检测到周围存在垃圾目标，所述无人清扫车往垃圾目标方向行进，达到垃圾目标处，所述清扫驱动模块驱动所述扫刷清扫模块下放开始清扫，完成清扫后复位关闭，所述无人清扫车返回巡检路径继续行进，直至完成单次巡测清扫。
3、进一步的，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：s34、所述主控模块对记录的所有漏扫标记进行统计对比，若漏扫标记数量大于漏扫标记阈值，则所述无人清扫车掉头返回执行所述漏扫标记的补扫作业。
4、进一步的，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：s341、执行补扫作业的过程中，所述主控模块实时检测垃圾目标的变化情况，更新漏扫标记记录；s342、单次补扫作业完成后，所述主控模块再次对记录的所有漏扫标记进行统计对比，若漏扫标记数量大于漏扫标记阈值，则所述无人清扫车再次执行补扫作业；s343、所述主控模块对补扫作业的次数进行统计记录，若所述无人清扫车补扫作业次数超出补扫作业次数阈值，所述主控模块仍判定需执行补扫，则强制结束巡扫任务。
5、进一步的，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：s331、所述主控模块针对所述巡检路径设置横向偏移范围，所述无人清扫车通过所述巡检路径时，可在所述横向偏移范围内行动，若所述横向偏移范围内检测到存在单个垃圾目标，所述无人清扫车向单个垃圾目标靠近并进行清扫；s332、若所述横向偏移范围内检测到存在两个位置相近的垃圾目标，且其与所述无人清扫车为并排状态，致使单次通过无法保障都清扫时，则按照垃圾聚类等级由高到低进行清扫；s333、若所述横向偏移范围内检测到存在三个及以上位置相近的垃圾目标，且其与所述无人清扫车为并排状态，则仅对垃圾聚类等级最高的垃圾目标进行清扫，将未清扫垃圾目标位置记录为漏扫标记；s334、所述无人清扫车完成横向偏移范围内垃圾目标的清扫，返回巡检路径继续行进，直至完成单次巡测清扫。
6、进一步的，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。
7、进一步的，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。
8、进一步的，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：s131、所述主控模块将视觉模组采集的全局环境图像分为若干等分等面积的子区域；s132、所述主控模块对每一子区域内部的垃圾量进行数量统计，若子区域内的垃圾量不超过所述标定数值，则视该子区域为非垃圾密集子区域，反之则为垃圾密集子区域；s133、所述主控模块对非垃圾密集子区域及垃圾密集子区域分别进行数量统计，若垃圾密集子区域累计总数大于非垃圾密集子区域总数并达到所述区域对比临界值，则属于全局密集区域，反之则属于零散分布区域。
9、进一步的，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。
10、进一步的，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。
11、进一步的，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。
12、相比于现有技术，本发明的有益效果：
13、一、本发明提供的一种基于环境感知的自动化清扫方法，通过在主控模块内置垃圾检测模型配合信息采集模块，可检测作业区域全局的垃圾位置并统计垃圾数量，根据作业区域内垃圾目标的分布情况判断确认作业区域的垃圾分布类型，针对不同作业区域类型可自主匹配最优的清扫作业模式，若判断作业区域为全局密集区域，则执行覆盖式清扫作业，若判断作业区域为零散分布区域，则执行巡扫式清扫作业，提升无人清扫车的清扫作业效率；
14、二、本发明提供的一种基于环境感知的自动化清扫方法设置的巡扫式清扫作业，可应对室外环境对垃圾目标造成的状态变化，根据垃圾目标的状态变化情况实时更新垃圾信息，调整全局清扫规划及局部清扫规划；对垃圾目标进行垃圾聚类等级分析，避免或减少单次巡测清扫过程中遗漏垃圾数量；对单次未完成清扫的垃圾目标的垃圾数量及位置信息设置为漏扫标记，通过对漏扫标记的统计及其与漏扫标记阈值的对比判断是否执行补扫作业，调整往返补扫作业的次数，最终达到提升巡扫式清扫作业的巡测清扫的洁净效率，保障作业区域洁净度的效果。
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。
