本发明涉及无人洗车机检测，特别涉及一种无人洗车机的车辆智能检测系统。
背景技术：
1、随着汽车保有量的不断增加，洗车需求日益增长。传统的人工洗车方式效率低下，且劳动强度大。为了提高洗车效率和质量，无人洗车机应运而生。
2、随着洗车行业的发展，无人洗车机的需求逐渐增加。传统的洗车机在车辆检测方面存在诸多不足。
3、现有的无人洗车机缺乏有效的定位技术，难以准确确定车辆在洗车机内的位置和姿态，导致洗车喷头和清洁刷无法精准对准车辆各部位。同时缺乏智能的定位调整机制，不能根据车辆实际情况实时优化定位。此外，现有的无人洗车机通常仅依赖单一传感器，导致获取的车辆信息有限，无法实现全方位检测，如仅依靠摄像头可能受光照影响，仅用距离传感器可能精度不足。即使使用了多传感器，也会出现不同传感器数据整合困难，无法充分发挥各自优势，导致检测结果不准确、不可靠的问题。
技术实现思路
1、本发明的主要目的在于提供一种无人洗车机的车辆智能检测系统，可以有效解决背景技术中提到的问题。
2、为实现上述目的，本发明采取的技术方案为：
3、一种无人洗车机的车辆智能检测系统，该系统包括：
4、多传感器融合模块：采用多种传感器，对车辆进行全方位的扫描和检测；
5、数据处理与分析单元：对多传感器融合模块获取的数据进行实时处理和分析；同时，对车辆外观图像进行分析，检测是否存在损伤；
6、智能定位模块：利用车辆的特征点和地标识别技术，确定车辆在洗车机内的位置和姿态，确保洗车喷头和清洁刷能够准确地对准车辆的各个部位；
7、通信与控制模块：将检测到的车辆信息实时传输给洗车机的控制系统，控制系统根据车辆信息调整洗车喷头的参数，进行精准的洗车；
8、故障诊断与预警模块：实时监测检测系统各部件的工作状态，一旦发现传感器故障或数据异常，及时发出警报，并立即暂停洗车机的运行，同时在故障期间，记录所有相关的数据和操作日志；
9、其中智能定位模块包括：
10、传感器组件：采用多传感器融合模块中的多种传感器，负责收集车辆的各种位置相关信息；
11、图像处理单元：负责对传感器组件采集的图像进行处理和分析；
12、地标识别单元：专门用于识别洗车机内部设置的地标；
13、数据融合与计算单元：将来自不同传感器的数据进行融合和计算，通过算法计算出车辆在洗车机内的精确位置和姿态；
14、通信接口：用于与其他模块进行数据传输和交互；
15、控制与校准单元：对传感器进行校准和参数调整，以确保定位的准确性和稳定性；
16、存储单元：存储车辆模型数据、地标信息以及定位算法所需的各种参数和中间计算结果。
17、优选的，所述多传感器融合模块中的传感器包括：
18、高清摄像头：用于采集车辆的外观图像，以提取特征点；
19、激光雷达：精确测量车辆与周围环境的距离和形状，提供三维空间数据；
20、超声波传感器：辅助判断车辆与洗车机的短距离相对位置；
21、高分辨率彩色摄像头：用于光学地标识别，获取清晰的地标图像；
22、rfid读取器：用于射频地标识别，接收地标中 rfid 标签的射频信号。
23、优选的，所述数据处理与分析单元包括图像处理部分和深度学习算法部分，具体为：
24、图像处理部分：首先对高清摄像头采集到的图像进行预处理操作，包括灰度化、去噪、图像增强和特征提取；灰度化采用加权平均的方法，将彩色图像的红（r）、绿（g）、蓝（b）三个通道的像素值按照一定权重进行计算，得到灰度值；去噪环节采用中值滤波，通过对图像中某一像素点及其邻域像素值进行排序，选取中间值作为该像素点的新值，从而去除噪声；图像增强使用直方图均衡化，通过重新分布图像的像素值，使得图像的直方图均匀分，增强了图像的对比度，凸显出更多的细节特征；在特征提取方面，使用sobel算子检测图像中的边缘信息，这些边缘信息包含了车辆的重要轮廓特征，sobel 算子基于梯度的概念，通过计算水平和垂直方向上的梯度值来确定边缘的位置和强度；此外，为了进一步提高特征提取的准确性和完整性，还会运用诸如canny边缘检测算法、harris角点检测算法等多种方法，相互补充和验证，以获取更全面和可靠的图像特征信息。
25、深度学习算法部分：首先运用数据融合技术，将激光雷达与超声波传感器采集的数据与处理过的图像数据进行有机整合；随后构建一个卷积神经网络（cnn）模型，该模型由多个卷积层、池化层和全连接层组成；在训练阶段，输入经过融合后的数据，模型通过不断调整内部的权重参数，最小化预测结果与真实标签之间的差异；在推理阶段，将经过图像处理的新图像输入训练好的模型，模型根据学习到的特征模式，输出关于车辆车型、品牌的分类预测，以及对车辆损伤情况的判断。并且，为了提高模型的泛化能力和鲁棒性，会使用多种数据增强技术，如翻转、旋转、缩放等，对训练数据进行扩充和变换，使得模型能够适应不同角度和场景下的车辆图像。
26、优选的，所述图像处理单元针对高清摄像头采集到的图像进行基础性处理，包括：
27、特定图像格式转换：将摄像头采集到的原始图像格式转换为适合数据处理与分析单元处理的标准格式；
28、初级视觉特征提取：运用sobel算子算法，初步提取出车辆的明显边缘特征，为数据处理与分析单元更精细地分析提供基础方向；
29、局部细节优化：针对图像中车辆的关键局部区域，进行细微的增强和调整，突出可能被忽略的细节信息。
30、与数据处理与分析单元相比，图像处理单元的工作更侧重于对图像的初步处理和局部细节的初步优化，主要是为了给后续更综合、更深入的数据分析提供相对纯净和有针对性的图像信息基础。其处理相对较为基础和局部，不涉及对多种数据源的综合以及对车辆全面信息的深度挖掘和综合判断。
31、优选的，所述地标识别单元包括利用高分辨率彩色摄像头进行的光学识别和基于rfid读取器的射频识别，其中光学识别通过高分辨率彩色摄像头获取地标图像，利用图像识别算法，进行灰度化、去噪、图像增强和特征提取预处理后对图像中的地标特征进行提取和匹配，将提取和描述的地标特征与预先存储的地标模板特征进行匹配，根据匹配的结果做出决策。如果匹配度超过一定的阈值，则认为检测到了对应的地标；否则，继续搜索或判定为未检测到。
32、优选的，所述数据融合与计算单元接收来自图像处理单元的图像特征、超声波传感器的距离数据以及地标识别单元的地标信息。首先对这些数据进行预处理，去除噪声和异常值。然后使用卡尔曼滤波算法，将不同数据源的数据进行融合，预测车辆的位置和姿态，并结合新的测量数据进行更新；具体包括：
33、预测步骤：
34、,
35、更新步骤：
36、,,
37、其中：表示在时刻基于时刻的信息对状态的预测值；：状态转移矩阵，描述了系统从时刻到时刻的状态变化；：表示在时刻对状态
38、的最优估计值；：控制输入矩阵；：控制输入向量；：预测误差协方差矩阵；：在时刻的估计误差协方差矩阵；：过程噪声协方差矩阵，描述了系统模型的不确定性；：卡尔曼增益；：测量矩阵，将状态变量与测量值联系起来；：在时刻的测量值；：测量噪声协方差矩阵，描述了测量值的不确定性；：单位矩阵；
39、通过上述计算，得出车辆在洗车机内的精确位置和姿态。
40、优选的，所述通信接口采用标准化的通信协议，如tcp/ip或can总线等，与其他模块进行数据传输；发送数据时，将待发送的数据按照协议规定的格式进行封装，添加地址、校验等信息，然后通过物理链路发送出去；接收数据时，对收到的数据包进行解析，提取出有效数据并进行相应的处理。
41、优选的，所述控制与校准单元定期对传感器进行校准，例如对摄像头的焦距、角度进行调整，对距离传感器的测量基准进行校准。根据实际工作环境（如光照变化、温度变化等）和车辆类型的不同，动态调整定位算法的参数。例如，根据车辆大小调整特征提取的阈值。所述存储单元使用高速存储设备，如固态硬盘或内存，存储车辆模型数据、地标信息、定位算法的参数以及中间计算结果；采用数据库管理系统或文件系统来组织和管理数据，确保数据的快速读取和写入，以及数据的安全性和完整性。
42、优选的，通信与控制模块采用标准化的通信方式，确保与其他模块间数据传递的高效与稳定；在发送数据时，会严格按照协议规定的格式对检测到的车辆信息进行包装；首先，为数据添加明确的发送方地址和准确的接收方地址；然后，计算并添加校验信息，验证数据在传输过程中的完整性和准确性；完成这些步骤后，通过可靠的物理连接途径将包装好的数据发送出去；在接收数据时，对收到的数据包展开解析操作，从中提取出关键数据，并立即开展相应的处理工作。
43、优选的，故障诊断与预警模块对检测系统中的各个部件进行不间断的监测，包括各类传感器、数据处理单元、通信接口等，通过将实时获取各部件的指标与预设的正常范围进行对比和分析；一旦发现某个传感器的数据输出偏离正常范围，或者数据处理单元出现计算错误、通信接口出现数据丢失或延迟等异常情况，模块会立即触发警报系统；警报包括但不限于声音、灯光以及远程推送；在发出警报的瞬间，模块会迅速向洗车机的控制系统发送指令，立即暂停洗车机的运行，以防止因故障导致的误操作或对车辆造成损害；在故障期间，模块会详细记录所有与故障相关的数据，包括故障发生的时间、故障部件的标识、异常数据的具体值、系统的操作步骤等。还会记录系统在尝试恢复或应对故障时所执行的各种操作日志，为后续的故障排查、原因分析和系统修复提供详尽且关键的信息依据。
44、与现有技术相比，本发明具有如下有益效果：
45、1、智能定位模块的设计，能够精准地确定车辆在洗车机内的位置和姿态。通过实时、动态的监测与调整，使车辆在清洗过程中始终处于最佳的清洗角度和位置，显著提高了洗车的效果和质量，无论是车辆的顶部、侧面还是底部，都能得到全面且高质量的清洁。
46、2、多传感器融合技术的应用，有效地弥补了单一传感器存在的局限性。将多种传感器获取的数据进行深度融合和综合分析，极大地提高了车辆检测的准确性和可靠性。无论是车辆的外观形状、位置距离，还是周围环境的变化，都能被全面、精确地感知，为后续的清洗操作提供了坚实可靠的数据基础。
47、3、基于深度学习的车型识别和损伤检测算法能够以极快的速度和极高的准确性，对各种复杂多样的车型进行精准识别，同时地检测出车辆的损伤情况。这为洗车服务提供了更为精准、细致的指导，使得洗车过程能够根据车型特点和损伤状况进行个性化、有针对性地调整，从而提升了洗车服务的质量和专业性。
1.一种无人洗车机的车辆智能检测系统，其特征在于：该系统包括：
2.根据权利要求1所述的一种无人洗车机的车辆智能检测系统，其特征在于：所述多传感器融合模块中的传感器包括：
3.根据权利要求1所述的一种无人洗车机的车辆智能检测系统，其特征在于：所述数据处理与分析单元包括图像处理部分和深度学习算法部分，具体为：
4.根据权利要求3所述的一种无人洗车机的车辆智能检测系统，其特征在于：所述图像处理单元针对高清摄像头采集到的图像进行基础性处理，包括：
5.根据权利要求1所述的一种无人洗车机的车辆智能检测系统，其特征在于：所述地标识别单元包括利用高分辨率彩色摄像头进行的光学识别和基于rfid读取器的射频识别，其中光学识别通过高分辨率彩色摄像头获取地标图像，利用图像识别算法，进行灰度化、去噪、图像增强和特征提取预处理后对图像中的地标特征进行提取，将提取和描述的地标特征与预先存储的地标模板特征进行匹配，根据匹配的结果做出决策；如果匹配度超过阈值，则认为检测到了对应的地标；否则，继续搜索或判定为未检测到。
6.根据权利要求1所述的一种无人洗车机的车辆智能检测系统，其特征在于：所述数据融合与计算单元接收来自图像处理单元的图像特征、超声波传感器的距离数据以及地标识别单元的地标信息；首先对这些数据进行预处理，去除噪声和异常值；然后使用卡尔曼滤波算法，将不同数据源的数据进行融合，预测车辆的位置和姿态，并结合新的测量数据进行更新；具体包括：
7.根据权利要求1所述的一种无人洗车机的车辆智能检测系统，其特征在于：所述通信接口采用标准化的通信协议，与其他模块进行数据传输；发送数据时，将待发送的数据按照协议规定的格式进行封装，然后通过物理链路发送出去；接收数据时，对收到的数据包进行解析，提取出有效数据。
8.根据权利要求1所述的一种无人洗车机的车辆智能检测系统，其特征在于：所述控制与校准单元定期对传感器进行校准，根据实际工作环境和车辆类型的不同，动态调整定位算法的参数；存储单元使用高速存储设备，存储车辆模型数据、地标信息、定位算法的参数以及中间计算结果；采用数据库管理系统或文件系统来组织和管理数据，确保数据的快速读取和写入，以及数据的安全性和完整性。
9.根据权利要求1所述的一种无人洗车机的车辆智能检测系统，其特征在于：所述通信与控制模块采用标准化的通信方式，确保与其他模块间数据传递的高效与稳定；在发送数据时，严格按照协议规定的格式对检测到的车辆信息进行包装；首先，为数据添加明确的发送方地址和准确的接收方地址；然后，计算并添加校验信息，验证数据在传输过程中的完整性和准确性；完成这些步骤后，通过可靠的物理连接途径将包装好的数据发送出去；在接收数据时，对收到的数据包展开解析操作，从中提取出关键数据，并立即开展相应的处理工作。
10.根据权利要求1所述的一种无人洗车机的车辆智能检测系统，其特征在于：所述故障诊断与预警模块对检测系统中的各个部件进行不间断的监测，通过将实时获取各部件的指标与预设的正常范围进行对比和分析；发现异常情况，模块会立即触发警报系统；警报包括但不限于声音、灯光以及远程推送；在发出警报的瞬间，模块会迅速向洗车机的控制系统发送指令，立即暂停洗车机的运行；在故障期间，模块会详细记录所有与故障相关的数据，还会记录系统在尝试恢复或应对故障时所执行的各种操作日志。
