1.本发明涉及无人清扫车技术领域，尤其是涉及一种无人清扫车垃圾回收方法及系统。
背景技术：2.目前市面上的无人清扫车在指定区域清扫工作完成后，车辆回到站点后，由站点环卫人员把清扫车灰箱中的垃圾进行清理，在垃圾倾倒完成后，环卫工人重新下发指令，指派无人清扫车到相应区域进行清扫。
3.在大型园区、景区设置有相应的垃圾站点，在无人驾驶清扫车结束指定区域扫地工作后，回到垃圾站点，由相应的环卫工人对垃圾进行清理，如若周围片区的垃圾清扫车同时清扫完成回到站点时，需要进行等待，待环卫工人把垃圾清理完成后在进行下一步的清扫作业工作。
4.现有技术具有以下不足之处：1.无法对多台无人清扫车进行规划，会导致无人清扫车在清扫完成回到垃圾回收站点后进行等待，等待环卫人员对垃圾进行清理；2.车辆在清扫完成后，回到垃圾清理点，在垃圾清理完后才能前无法进行新的清扫任务，影响清扫效率。
技术实现要素：5.鉴于以上现有技术的不足，本发明提供了一种无人清扫车垃圾回收方法及系统，不仅实现了对园区无人清扫车的调度工作，提高清扫效率，将无人清扫车的工作能效发挥到最大水平，而且提高无人清扫车的利用率，降低园区运营成本，实现产益最大化。
6.为了实现上述目的及其他相关目的，本发明提供的技术方案如；一种无人清扫车垃圾回收方法，无人清扫车内设有垃圾箱容量传感器，垃圾箱容量传感器对无人清扫车灰箱中的垃圾容量信息同步通过车端vcu发送至云调度平台，其特征在于，所述回收方法包括以下步骤：步骤s1：基于园区地图信息，云调度平台将园区分为n
1-n
个区域，垃圾回收站点a1,障碍物m；步骤s2：避开障碍物m，将垃圾回收站点a1和n
1-n
区域终点之间分别设置三个需要拟合的点，三个点集表示为s1=（x1，y1），s2=（x2，y2），s3=（x3，y3），设置清扫规划路径；步骤s3：基于园区的n个区域，云调度平台发出清扫指令，多个无人清扫车从垃圾回收站点a1出发，按照规划路径运行到n个区域，对各个指定区域进行清扫；步骤s4：无人清扫车基于规划的路径行驶，无人清扫车的感知摄像头对清扫区域的垃圾进行识别处理，同时将识别到的垃圾信息通过以太网上传至云调度平台，云调度平台对收到的垃圾信息进行分辨处理，若指定区域的垃圾数量超过单车清扫能力，则云调度平台从最近的指定区域调度空闲车辆进行补充清扫，若当前清扫区域的垃圾数量较少，则在当前清扫工作结束后，云平台下发调度指令，调度该无人清扫车辆前往相应繁忙区域；
步骤s5：自动驾驶控制器对垃圾箱容量传感器传输过来的垃圾容量信号进行判断，若监测到垃圾箱容量超过设定数值时，则向云调度平台发送回库倒垃圾指令；步骤s6：云调度平台根据无人清扫车位置，计算与垃圾回收站点a1的距离，避开障碍物m，将垃圾回收站点a1和n
1-n
区域终点之间分别设置三个需要拟合的点，三个点集表示为s1=（x1，y1），s2=（x2，y2），s3=（x3，y3）设置无人清扫车进行回库路径；步骤s7：无人清扫车按照回库路径将垃圾回库，云调度平台重新对无人清扫车下发新的清扫指令，无人清扫车继续执行新的清扫任务。
7.进一步的，在步骤s2中，设置清扫规划路径包括以下步骤：步骤s21:基于三次函数y=ax3+bx2+cx+d和y=jx3+kx2+mx+n，三个点集表示为s1=（x1，y1），s2=（x2，y2），s3=（x3，y3），对n1区域终点（s1,s2）和（s2,s3）进行拟合，得以下函数：y1=ax
13
+bx
12
+cx1+d和y3=jx
33
+kx
32
+mx3+n，由于函数y=ax3+bx2+cx+d和y=jx3+kx2+mx+n都经过点s2,我们可得到：y2=ax
23
+bx
22
+cx2+d=jx
23
+kx
22
+mx2+n；步骤s22:对y2=ax
23
+bx
22
+cx2+d=jx
23
+kx
22
+mx2+n求一阶导数，可得：3ax
22
+2bx2+c=3jx
22
+2kx2+m，再对函数y1和函数y3分别进行二阶求导，得以下函数：6ax1+2b=0和6jx3+2k=0，通过以上代数方程和确定点集来计算以确定两段三次样条的多项式系数（a,b,c,d,j,k,m,n）；步骤s23:用同样的算法对n
2-n
区域终点进行求解，从而得出最优的规划路线，最终将最优的路线分别下发给对应的无人清扫。
8.进一步的，在步骤s6中，所述设置无人清扫车进行回库路径，包括以下步骤：步骤s61:云调度平台根据垃圾回收站点反馈的正在清理垃圾的车辆数量计算出需等待的时间t1；步骤s62:基于三次函数y=ax3+bx2+cx+d和y=jx3+kx2+mx+n，三个点集表示为s1=（x1，y1），s2=（x2，y2），s3=（x3，y3），对n1区域终点（s1,s2）和（s2,s3）进行拟合，得以下函数：y1=ax
13
+bx
12
+cx1+d和y3=jx
33
+kx
32
+mx3+n，由于函数y=ax3+bx2+cx+d和y=jx3+kx2+mx+n都经过点s2,我们可得到：y2=ax
23
+bx
22
+cx2+d=jx
23
+kx
22
+mx2+n；步骤s63:对ax
23
+bx
22
+cx2+d=jx
23
+kx
22
+mx2+n=y2求一阶导数，为了保证s1点和s3点之间路径的最优化，分别对函数y1和y3进行二阶求导，并令得出的二阶导数为零，从而得以下函数：6ax1+2b=0和6jx3+2k=0，通过以上方程和给定点集来计算以确定两段三次样条的多项式系数（a,b,c,d,j,k,m,n）；步骤s64:用同样的算法对n
2-n
区域终点进行求解，从而得出最优的规划路线，最终将最优的回库路径分别下发给对应的无人清扫车；步骤s65:云调度平台根据最优的回库路径，计算出回库距离l1；步骤s66:云调度平台根据回库距离l1，需等待时间t1进行车速规划，根据公式v=l/t,计算出回库车辆最优速度v1；步骤s67:云调度平台通过以太网将最优速度下发至车端vcu，车端vcu根据收到的速度进行车速调整，无人清扫车按照调整后的速度进行回库进行清理。
9.本发明具有以下积极效果：
本发明实现了对园区无人清扫车的调度工作，提高清扫效率，将无人清扫车的工作能效发挥到最大水平，提高无人清扫车的利用率，降低园区运营成本，实现产益最大化。
附图说明
10.图1为本发明无人巡逻车结构示意图；图2为本发明最优速度算法示意图；图3为本发明最优路径算法示意图；图4为本发明垃圾回收方法流程图；图5为本发明最优路径示意图。
11.元件标号名称：1-自动驾驶控制器、2-显示器、3-感知摄像头、4-灰箱、41-灰箱进料口、5-垃圾箱容量传感器、51-吸风机的吸气口、52-吸风机的排气口、6-清扫机构、7-行走机构、8-车载obu、9-激光雷达、10-整车vcu。
具体实施方式
12.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地介绍，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性的前提下，还可以根据这些附图获得其它的附图。
13.实施例：请参考图1，一种无人清扫车垃圾回收系统，包括无人清扫车、云调度平台，所述的无人清扫车包括：垃圾箱容量传感器、整车vcu、自动驾驶控制器以及车载obu、感知摄像头、激光雷达、组合导航系统、清扫机构、行走机构、车身骨架、外饰总成；所述无人清扫车与所述云调度平台通过以太网连接。
14.于本发明一实施例中，所述云调度平台实时接收所述无人清扫车的反馈信息，并进行调整和控制所述无人清扫车的运作。
15.本发明还提供了一种无人清扫车垃圾回收方法，请参考图2或4，包括以下步骤：步骤s1：基于园区地图信息，云调度平台将园区分为n
1-n
个区域，垃圾回收站点a1,障碍物m；步骤s2：避开障碍物m，将垃圾回收站点a1和n
1-n
区域终点之间分别设置三个需要拟合的点，三个点集表示为s1=（x1，y1），s2=（x2，y2），s3=（x3，y3），设置清扫规划路径；步骤s3：基于园区的n个区域，云调度平台发出清扫指令，多个无人清扫车从垃圾回收站点a1出发，按照规划路径运行到n个区域，对各个指定区域进行清扫；步骤s4：无人清扫车基于规划的路径行驶，无人清扫车的感知摄像头对清扫区域的垃圾进行识别处理，同时将识别到的垃圾信息通过以太网上传至云调度平台，云调度平台对收到的垃圾信息进行分辨处理，若指定区域的垃圾数量超过单车清扫能力，则云调度平台从最近的指定区域调度空闲车辆进行补充清扫，若当前清扫区域的垃圾数量较少，则在当前清扫工作结束后，云平台下发调度指令，调度该无人清扫车辆前往相应繁忙区域；步骤s5：自动驾驶控制器对垃圾箱容量传感器传输过来的垃圾容量信号进行判断，若监测到垃圾箱容量超过设定数值时，则向云调度平台发送回库倒垃圾指令；步骤s6：云调度平台根据无人清扫车位置，计算与垃圾回收站点a1的距离，避开障
碍物m，将垃圾回收站点a1和n
1-n
区域终点之间分别设置三个需要拟合的点，三个点集表示为s1=（x1，y1），s2=（x2，y2），s3=（x3，y3）设置无人清扫车进行回库路径；步骤s7：无人清扫车按照回库路径将垃圾回库，云调度平台重新对无人清扫车下发新的清扫指令，无人清扫车继续执行新的清扫任务。
16.进一步的，在步骤s2中，设置清扫规划路径包括以下步骤：步骤s21:基于三次函数y=ax3+bx2+cx+d和y=jx3+kx2+mx+n，三个点集表示为s1=（x1，y1），s2=（x2，y2），s3=（x3，y3），对n1区域终点（s1,s2）和（s2,s3）进行拟合，得以下函数：y1=ax
13
+bx
12
+cx1+d和y3=jx
33
+kx
32
+mx3+n；由于函数y=ax3+bx2+cx+d和y=jx3+kx2+mx+n都经过点s2,我们可得到：y2=ax
23
+bx
22
+cx2+d=jx
23
+kx
22
+mx2+n；步骤s22:对y2=ax
23
+bx
22
+cx2+d=jx
23
+kx
22
+mx2+n求一阶导数，可得：3ax
22
+2bx2+c=3jx
22
+2kx2+m，为了保证s1点和s3点之间路径的最优化，分别对函数y1和y3进行二阶求导，并令得出的二阶导数为零，从而得以下函数：6ax1+2b=0和6jx3+2k=0，通过以上方程和给定点集来计算以确定两段三次样条的多项式系数（a,b,c,d,j,k,m,n）；步骤s23:用同样的算法对n
2-n
区域终点进行求解，从而得出最优的规划路线，最终将最优的路线分别下发给对应的无人清扫。
17.具体地，如图5所示，所述无人清扫车基于感知摄像头，识别障碍物三点s1、s2、s3，并基于无人清扫车的识别模块进行图像数据的分析和识别，得出最优路径，使无人巡逻车到达目标园区n1，在通过垃圾容量传感器对垃圾容量的判别，当垃圾容量满载后，无人巡逻车沿同样路径进行返回回收站点a1进行垃圾倾倒。
18.进一步的，如图2或4所示，在步骤s6中，所述设置无人清扫车进行回库路径，包括以下步骤：步骤s61:云调度平台根据垃圾回收站点反馈的正在清理垃圾的车辆数量计算出需等待的时间t1；步骤s62:基于三次函数y=ax3+bx2+cx+d和y=jx3+kx2+mx+n；对n1区域终点（s1,s2）和（s2,s3）进行拟合，得以下函数：y1=ax
13
+bx
12
+cx1+d和y3=jx
33
+kx
32
+mx3+n；y2=ax
23
+bx
22
+cx2+d=jx
23
+kx
22
+mx2+n；步骤s63:对y2=ax
23
+bx
22
+cx2+d=jx
23
+kx
22
+mx2+n求二阶导数，得以下函数：6ax1+2b=0和6jx3+2k=0，通过代数方程来计算以确定两段三次样条的多项式系数（a,b,c,d,j,k,m,n）；步骤s64:用同样的算法对n
2-n
区域终点进行求解，从而得出最优的规划路线，最终将最优的回库路径分别下发给对应的无人清扫车；步骤s65:云调度平台根据最优的回库路径，计算出回库距离l1；步骤s66:云调度平台根据回库距离l1，需等待时间t1进行车速规划，根据公式v=l/t,计算出回库车辆最优速度v1；步骤s67:云调度平台通过以太网将最优速度下发至车端vcu，车端vcu根据收到的速度进行车速调整，无人清扫车按照调整后的速度进行回库进行清理。
19.综上所述，本发明实现了对园区无人清扫车的调度工作，提高清扫效率，将无人清扫车的工作能效发挥到最大水平，提高无人清扫车的利用率，降低园区运营成本，实现产益最大化。
20.上述实施例仅例示性说明本发明的原理，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
技术特征：1.一种无人清扫车垃圾回收方法，无人清扫车内设有垃圾箱容量传感器，垃圾箱容量传感器对无人清扫车灰箱中的垃圾容量信息同步通过车端vcu发送至云调度平台，其特征在于，所述回收方法包括以下步骤：步骤s1：基于园区地图信息，云调度平台将园区分为n
1-n
个区域，垃圾回收站点a1，障碍物m；步骤s2：避开障碍物m，将垃圾回收站点a1和n
1-n
区域终点之间分别设置三个需要拟合的点，三个点集表示为s1=（x1，y1），s2=（x2，y2），s3=（x3，y3），设置清扫规划路径；步骤s3：基于园区的n个区域，云调度平台发出清扫指令，多个无人清扫车从垃圾回收站点a1出发，按照规划路径运行到n个区域，对各个指定区域进行清扫；步骤s4：无人清扫车基于规划的路径行驶，无人清扫车的感知摄像头对清扫区域的垃圾进行识别处理，同时将识别到的垃圾信息通过以太网上传至云调度平台，云调度平台对收到的垃圾信息进行分辨处理，若指定区域的垃圾数量超过单车清扫能力，则云调度平台从最近的指定区域调度空闲车辆进行补充清扫，若当前清扫区域的垃圾数量较少，则在当前清扫工作结束后，云平台下发调度指令，调度该无人清扫车辆前往相应繁忙区域；步骤s5：自动驾驶控制器对垃圾箱容量传感器传输过来的垃圾容量信号进行判断，若监测到垃圾箱容量超过设定数值时，则向云调度平台发送回库倒垃圾指令；步骤s6：云调度平台根据无人清扫车位置，计算与垃圾回收站点a1的距离，避开障碍物m，将垃圾回收站点a1和n
1-n
区域终点之间分别设置三个需要拟合的点，三个点集表示为s1=（x1，y1），s2=（x2，y2），s3=（x3，y3）设置无人清扫车进行回库路径；步骤s7：无人清扫车按照回库路径将垃圾回库，云调度平台重新对无人清扫车下发新的清扫指令，无人清扫车继续执行新的清扫任务。2.根据权利要求1所述的无人清扫车垃圾回收方法，其特征在于：在步骤s2中，设置清扫规划路径包括以下步骤：步骤s21：基于三次函数y=ax3+bx2+cx+d和y=jx3+kx2+mx+n，对n1区域终点（s1，s2）和（s2，s3）进行拟合，得以下函数：y1=ax
13
+bx
12
+cx1+d,y3=jx
33
+kx
32
+mx3+n，y2=ax
23
+bx
22
+cx2+d=jx
23
+kx
22
+mx2+n；步骤s22:对y2=ax
23
+bx
22
+cx2+d=jx
23
+kx
22
+mx2+n求一阶导数，可得：3ax
22
+2bx2+c=3jx
22
+2kx2+m；步骤s23:分别对函数y1和y3进行二阶求导，并令得出的二阶导数为零，得到以下函数：6ax1+2b=0和6jx3+2k=0；步骤s24：通过步骤s21—s23得到的函数结合三个点坐标来计算以确定两段三次样条的多项式系数（a，b，c，d，j，k，m，n）；步骤s25：用同样的算法对n
2-n
区域终点进行求解，从而得出最优的规划路线，最终将最优的路线分别下发给对应的无人清扫车。3.根据权利要求1所述的无人清扫车垃圾回收方法，其特征在于：在步骤s6中，所述设置无人清扫车进行回库路径，包括以下步骤：步骤s61：云调度平台根据垃圾回收站点反馈的正在清理垃圾的车辆数量计算出需等待的时间t1；
步骤s62：基于三次函数y=ax3+bx2+cx+d和y=jx3+kx2+mx+n，s1=（x1，y1），s2=（x2，y2），s3=（x3，y3），对n1区域终点（s1，s2）和（s2，s3）进行拟合，得以下函数：y1=ax
13
+bx
12
+cx1+d和y3=jx
33
+kx
32
+mx3+n，由于函数y=ax3+bx2+cx+d和y=jx3+kx2+mx+n都经过点s2，我们可得到：y2=ax
23
+bx
22
+cx2+d=jx
23
+kx
22
+mx2+n；步骤s63：对ax
23
+bx
22
+cx2+d=jx
23
+kx
22
+mx2+n=y2求一阶导数，可得：3ax
22
+2bx2+c=3jx
22
+2kx2+m，分别对函数y1和y3进行二阶求导，并令得出的二阶导数为零，从而得以下函数：6ax1+2b=0和6jx3+2k=0，通过以上方程和给定点集来计算以确定两段三次样条的多项式系数（a，b，c，d，j，k，m，n）；步骤s64：用同样的算法对n
2-n
区域终点进行求解，从而得出最优的规划路线，最终将最优的回库路径分别下发给对应的无人清扫车；步骤s65：云调度平台根据最优的回库路径，计算出回库距离l1；步骤s66：云调度平台根据回库距离l1，需等待时间t1进行车速规划，根据公式v=l/t,计算出回库车辆最优速度v1；步骤s67：云调度平台通过以太网将最优速度下发至车端vcu，车端vcu根据收到的速度进行车速调整，无人清扫车按照调整后的速度进行回库进行清理。
技术总结本发明涉及一种无人清扫车垃圾回收方法及系统。该系统包括无人清扫车、云调度平台，所述的无人清扫车包括：垃圾箱容量传感器、整车VCU、自动驾驶控制器以及车载OBU、感知摄像头、激光雷达、组合导航系统、清扫机构、行走机构、车身骨架、外饰总成；所述无人清扫车与所述云调度平台通过以太网连接。本发明实现了对园区无人清扫车的调度工作，提高清扫效率，将无人清扫车的工作能效发挥到最大水平，提高无人清扫车的利用率，降低园区运营成本，实现产益最大化。大化。大化。
技术研发人员：杨小鸣 姚伟 王甜 舒培超
受保护的技术使用者：东风悦享科技有限公司
技术研发日：2022.07.26
技术公布日：2022/11/1
