本發(fā)明涉及圖像處理技術領域，尤其涉及一種基于智能馬桶自動檢測并清潔污垢方法及系統(tǒng)。

背景技術：

隨著現(xiàn)代科學的不斷進步和發(fā)展，人們對物質(zhì)生活水平的要求也越來越高，智能馬桶得到很多的關注，智能馬桶走進千家萬戶將是未來的發(fā)展趨勢。為了使馬桶使用起來更加衛(wèi)生，而且不依靠人力對馬桶進行洗刷，方便人們的使用。因此應用于智能馬桶自動檢測并清潔污垢方法的研究有著非常重要的意義。

目前針對智能馬桶自動清潔的研究有很多，主要采用的方式如下：

1)馬桶內(nèi)部的前后噴頭對馬桶內(nèi)側進行沖洗。

2)馬桶自動在內(nèi)部噴灑除臭劑和清潔劑進行清潔。

目前的市場上的馬桶自動清潔方式主要以沖水清潔為主，然而這種沖水式清潔效果并不是很好，無法徹底清洗干凈，仍需要人用抹布或清潔刷進行清洗。

技術實現(xiàn)要素：

基于背景技術存在的技術問題，本發(fā)明提出了一種基于智能馬桶自動檢測并清潔污垢方法及系統(tǒng)。

本發(fā)明提出的基于智能馬桶自動檢測并清潔污垢方法，包括以下步驟：

S1、采集馬桶內(nèi)部圖像信息，根據(jù)采集的馬桶內(nèi)部圖像信息對馬桶內(nèi)部進行區(qū)域劃分，對馬桶內(nèi)部圖像信息進行灰度處理，根據(jù)灰度處理結果對馬桶內(nèi)污垢進行檢測以定位出污垢所在區(qū)域；

S2、利用清潔裝置對污垢所在區(qū)域進行清潔；

S3、清潔結束后，再次采集馬桶內(nèi)部圖像信息，并對馬桶內(nèi)部圖像信息進行灰度處理；

S4、根據(jù)步驟S3中灰度處理結果判斷馬桶內(nèi)是否存在污垢；若不存在污垢，則停止清潔；若存在污垢，定位出污垢所在區(qū)域并重復步驟S2、S3，直至步驟S3的灰度處理結果表明馬桶內(nèi)不存在污垢為止。

優(yōu)選地，步驟S1具體包括對馬桶內(nèi)部圖像信息進行灰度處理，根據(jù)灰度處理結果對馬桶內(nèi)污垢進行檢測以定位出污垢所在區(qū)域；

優(yōu)選地，采用SURF-ORB算法對馬桶內(nèi)污垢進行檢測以定位出污垢所在區(qū)域，具體包括：

提取SURF特征點；對馬桶內(nèi)部圖像信息進行灰度處理后，將其轉化成積分圖像I_Σ(x,y)：

采用高斯微分模板和圖像的卷積轉化為方框濾波的方式對上述積分圖像進行濾波，構成圖像金字塔，再通過Hessian矩陣對圖像金字塔的各層進行相應極值點檢測，得到馬桶內(nèi)部圖像信息在相應空間的極值，若某一點的極值相對于其周圍及上下尺度所有像素點的值最大或最小，則將該點作為候選特征點，然后分別在圖像和尺度空間進行插值運算找出需要的特征點分布和尺度值，并識別特征點所在的區(qū)域，根據(jù)公式求得特征點的方向；

其中，圖像檢測Hessian矩陣為：

所述公式為：

通過ORB算法對SURF算法提取的具有尺度不變性的特征點進行描述得到描述子；

根據(jù)高斯分布，在SURF特征點像素領域內(nèi)選擇像素塊對，經(jīng)過RBF平滑處理后得到相應圖像塊的描述子分段函數(shù)τ；

選擇m個(x_i,y_i)位置對，BRIEF描述子為一個包含m個二進制比較準則的矢量：

將得到的特征點的方向信息添加至描述子中求取特征描述子的方向，具體包括：在檢測到的特征點位置對(x_i,y_i)定義一個矩陣Q：

定義特征點方向θ對應的旋轉矩陣為R_θ，構造的特征點對矩陣為：

Q_θ＝R_θQ；

將特征點方向加到描述子中：

g_m(p,θ)＝f_m(p)|(x_i,y_i)∈Q_θ。

優(yōu)選地，步驟S2具體包括利用清潔裝置對污垢所在區(qū)域進行清潔；

優(yōu)選地，采用嵌入式控制器控制清潔裝置對污垢所在區(qū)域進行清潔；

優(yōu)選地，所述清潔裝置包括清潔刷、清潔劑儲存單元、水儲存單元；

清潔過程具體包括嵌入式控制器控制清潔刷移動到污垢所在區(qū)域內(nèi)，并控制清洗劑儲存單元對污垢所在區(qū)域噴灑清洗劑、水儲存單元對污垢所在區(qū)域噴灑水，然后嵌入式控制器控制清潔刷對污垢所在區(qū)域進行刷洗。

優(yōu)選地，步驟S4具體包括將步驟S1中灰度處理結果與步驟S3中灰度處理結果進行特征點匹配，若特征點匹配成功，表明污垢沒有清理干凈，馬桶內(nèi)還存在污垢，則利用清潔裝置對污垢所在區(qū)域再次進行清潔，直至步驟S1中灰度處理結果與步驟S3中灰度處理結果進行特征點匹配不成功為止。

優(yōu)選地，步驟S4中將步驟S1中灰度處理結果與步驟S3中灰度處理結果進行特征點匹配具體包括：

進行貪婪搜索以構成所需的特征描述子，再利用ORB算法提取出步驟S1中灰度處理結果以及步驟S3中灰度處理結果中的污垢關鍵點和特征描述子，計算出每兩個關鍵點之間的最短和次最短漢明距離，當兩個漢明距離的比例小于0.8且兩個漢明距離均小于50時，則判定這兩個關鍵點是匹配的。

本發(fā)明提出的基于智能馬桶自動檢測并清潔污垢系統(tǒng)，包括：

第一采集處理模塊，用于采集馬桶內(nèi)部圖像信息并對上述圖像信息進行灰度處理；

第一檢測模塊，用于對第一采集處理模塊的灰度處理結果進行檢測以定位出污垢所在區(qū)域；

清潔模塊，用于根據(jù)第一檢測模塊以及第二檢測模塊的檢測結果對污垢所在區(qū)域進行清潔；

第二采集處理模塊，用于在清潔模塊工作完成后采集馬桶內(nèi)部圖像信息并對上述圖像信息進行灰度處理；

第二檢測模塊，用于根據(jù)第二采集處理模塊的灰度處理結果判斷馬桶內(nèi)是否存在污垢，且定位出污垢所在區(qū)域。

優(yōu)選地，第一檢測模塊具體用于采用SURF-ORB算法對馬桶內(nèi)污垢進行檢測以定位出污垢所在區(qū)域：

提取SURF特征點；對采集的馬桶內(nèi)部圖像信息進行灰度處理后，將其轉化成積分圖像I_Σ(x,y)：

采用高斯微分模板和圖像的卷積轉化為方框濾波的方式對上述積分圖像進行濾波，構成圖像金字塔，再通過Hessian矩陣對圖像金字塔的各層進行相應極值點檢測，得到馬桶內(nèi)部圖像信息在相應空間的極值，若某一點的極值相對于其周圍及上下尺度所有像素點的值最大或最小，則將該點作為候選特征點，然后分別在圖像和尺度空間進行插值運算找出需要的特征點分布和尺度值，并識別特征點所在的區(qū)域，根據(jù)公式求得特征點的方向；

其中，圖像檢測Hessian矩陣為：

所述公式為：

通過ORB算法對SURF算法提取的具有尺度不變性的特征點進行描述得到描述子；

根據(jù)高斯分布，在SURF特征點像素領域內(nèi)選擇像素塊對，經(jīng)過RBF平滑處理后得到相應圖像塊的描述子分段函數(shù)τ；

選擇m個(x_i,y_i)位置對，BRIEF描述子為一個包含m個二進制比較準則的矢量：

將得到的特征點的方向信息添加至描述子中求取特征描述子的方向，具體包括：在檢測到的特征點位置對(x_i,y_i)定義一個矩陣Q：

定義特征點方向θ對應的旋轉矩陣為R_θ，構造的特征點對矩陣為：

Q_θ＝R_θQ；

將特征點方向加到描述子中：

g_m(p,θ)＝f_m(p)|(x_i,y_i)∈Q_θ。

優(yōu)選地，所述清潔模塊包括清潔刷、清潔劑儲存單元、水儲存單元；

清潔過程具體包括清潔刷移動到污垢所在區(qū)域內(nèi)，清洗劑儲存單元對污垢所在區(qū)域噴灑清洗劑、水儲存單元對污垢所在區(qū)域噴灑水，然后清潔刷對污垢所在區(qū)域進行刷洗。

優(yōu)選地，第二檢測模塊具體采用將第一采集處理模塊的灰度處理結果與第二采集處理模塊的灰度處理結果進行特征點匹配的方式來判斷馬桶內(nèi)是否存在污垢，若特征點匹配成功則表明馬桶內(nèi)還存在污垢。

優(yōu)選地，第二檢測模塊具體用于：

進行貪婪搜索以構成所需的特征描述子，再利用ORB算法提取出第一采集處理模塊的灰度處理結果以及第二采集處理模塊的灰度處理結果中的污垢關鍵點和特征描述子，計算出每兩個關鍵點之間的最短和次最短漢明距離，當兩個漢明距離的比例小于0.8且兩個漢明距離均小于50時，則判定這兩個關鍵點是匹配的。

本發(fā)明首先對馬桶內(nèi)部圖像信息進行進行采集并對采集的圖像信息進行灰度處理，根據(jù)灰度處理結果對馬桶內(nèi)污垢進行檢測以定位出污垢所在的區(qū)域，定位出污垢所在區(qū)域后，利用清潔裝置對污垢所在區(qū)域進行清潔，使馬桶內(nèi)的污垢能及時的被清理干凈；為確保馬桶內(nèi)的污垢是否已清理干凈，本發(fā)明繼續(xù)對馬桶內(nèi)部圖像信息進行采集且對采集的圖像信息進行灰度處理，再根據(jù)灰度處理的結果判斷馬桶內(nèi)是否存在污垢，若不存在污垢，表明馬桶內(nèi)污垢已被清理干凈，達到了清潔的效果；若存在污垢，表明馬桶內(nèi)的污垢在第一次清潔過程中沒有清潔干凈，此時再次利用清潔裝置對污垢所在區(qū)域進行清潔，清潔完成后，再次對馬桶內(nèi)部圖像進行采集且判斷，直至判斷結果表明馬桶內(nèi)不存在污垢時停止清潔動作，如此，對馬桶內(nèi)部圖像信息進行多次采集和檢測，可對清潔裝置進行的清潔工作進行檢查，防止出現(xiàn)馬桶內(nèi)某位置污垢難以清潔導致馬桶清潔不干凈的情況發(fā)生，提高了對馬桶內(nèi)污垢清潔的效果；進一步地，本發(fā)明對馬桶內(nèi)部進行區(qū)域劃分，當馬桶內(nèi)有污垢時，定位出污垢所在的區(qū)域，再利用清潔裝置對污垢所在區(qū)域進行針對性的清潔，保證了對馬桶內(nèi)污垢進行清潔的針對性，從而提高了對馬桶內(nèi)污垢的清潔效果，同時避免了在清潔過程中清潔用品的浪費。

附圖說明

圖1為一種基于智能馬桶自動檢測并清潔污垢方法的步驟示意圖；

圖2為一種基于智能馬桶自動檢測并清潔污垢系統(tǒng)的結構示意圖。

具體實施方式

如圖1所示，圖1為本發(fā)明提出的一種基于智能馬桶自動檢測并清潔污垢方法。

參照圖1，本發(fā)明提出的基于智能馬桶自動檢測并清潔污垢方法，包括以下步驟：

S1、采集馬桶內(nèi)部圖像信息，根據(jù)采集的馬桶內(nèi)部圖像信息對馬桶內(nèi)部進行區(qū)域劃分，對馬桶內(nèi)部圖像信息進行灰度處理，根據(jù)灰度處理結果對馬桶內(nèi)污垢進行檢測以定位出污垢所在區(qū)域；

對采集的馬桶內(nèi)部圖像信息進行灰度處理，再根據(jù)上述灰度處理結果對馬桶內(nèi)污垢進行檢測以定位出污垢所在區(qū)域；

優(yōu)選地，采用SURF-ORB算法對馬桶內(nèi)污垢進行檢測以定位出污垢所在區(qū)域，具體包括：

提取SURF特征點；對采集的馬桶內(nèi)部圖像信息進行灰度處理后，將其轉化成積分圖像I_Σ(x,y)：

采用高斯微分模板和圖像的卷積轉化為方框濾波的方式對上述積分圖像進行濾波，構成圖像金字塔，再通過Hessian矩陣對圖像金字塔的各層進行相應極值點檢測，得到馬桶內(nèi)部圖像信息在相應空間的極值，實現(xiàn)在以極值點為中心的3×3×3立體區(qū)域內(nèi)非極大值抑制，若某一點的極值相對于其周圍及上下尺度所有像素點的值最大或者最小，則稱該點為候選特征點，然后分別在圖像和尺度空間進行插值運算找出需要的特征點分布和尺度值，并識別特征點所在的區(qū)域，根據(jù)下述公式求得特征點的方向；

其中，圖像檢測Hessian矩陣為：

所述公式為：

通過ORB算法對SURF算法提取的具有尺度不變性的特征點進行描述得到描述子；

根據(jù)高斯分布，在SURF特征點像素領域內(nèi)選擇像素塊對，經(jīng)過RBF平滑處理后得到相應圖像塊的描述子分段函數(shù)τ；

選擇m個(x_i,y_i)位置對，BRIEF描述子為一個包含m個二進制比較準則的矢量：

將得到的特征點的方向信息添加至描述子中求取特征描述子的方向，具體包括：在檢測到的特征點位置對(x_i,y_i)定義一個矩陣Q：

定義特征點方向θ對應的旋轉矩陣為R_θ，構造的特征點對矩陣為：

Q_θ＝R_θQ；

將特征點方向加到描述子中：

g_m(p,θ)＝f_m(p)|(x_i,y_i)∈Q_θ。

S2、利用清潔裝置對污垢所在區(qū)域進行清潔；

本實施方式中，利用清潔裝置對污垢所在區(qū)域進行清潔時：采用嵌入式控制器控制清潔裝置對污垢所在區(qū)域進行清潔；所述清潔裝置包括清潔刷、清潔劑儲存單元、水儲存單元；

清潔過程具體包括嵌入式控制器控制清潔刷移動到污垢所在區(qū)域內(nèi)，并控制清洗劑儲存單元對污垢所在區(qū)域噴灑清洗劑、水儲存單元對污垢所在區(qū)域噴灑水，然后嵌入式控制器控制清潔刷對污垢所在區(qū)域進行刷洗；如此，通過對馬桶內(nèi)污垢進行定位，然后針對性的對污垢所在區(qū)域進行針對性的清潔，有利于提高對馬桶內(nèi)污垢的清潔效果。

S3、清潔結束后，再次采集馬桶內(nèi)部圖像信息，并對上述圖像信息進行灰度處理；有利于根據(jù)上述灰度處理結果來判斷馬桶在清潔結束后是否仍然存在污垢；

S4、根據(jù)步驟S3中灰度處理結果判斷馬桶內(nèi)是否存在污垢；若不存在污垢，則停止清潔；若存在污垢，定位出污垢所在區(qū)域并重復步驟S2、S3，直至步驟S3的灰度處理結果表明馬桶內(nèi)不存在污垢為止，如此，通過采集馬桶內(nèi)的圖像信息，再對馬桶內(nèi)部圖像信息進行灰度處理，再根據(jù)灰度處理結果來判斷馬桶內(nèi)是否存在污垢，如此重復檢測保證了對馬桶內(nèi)污垢檢測的精確性，直至馬桶內(nèi)部圖像信息的灰度結果表明馬桶內(nèi)沒有污垢時才停止清潔，保證了清潔的有效性。

其中，根據(jù)步驟S3中灰度處理結果判斷馬桶內(nèi)是否存在污垢具體包括將步驟S1中灰度處理結果與步驟S3中灰度處理結果進行特征點匹配，若特征點匹配成功，表明污垢沒有清理干凈，馬桶內(nèi)還存在污垢，則利用清潔裝置對污垢所在區(qū)域再次進行清潔，直至步驟S1中灰度處理結果與步驟S3中灰度處理結果進行特征點匹配不成功為止；其中，將步驟S1中灰度處理結果與步驟S3中灰度處理結果進行特征點匹配具體包括：

進行貪婪搜索以構成所需的特征描述子，再利用ORB算法提取出步驟S1中灰度處理結果以及步驟S3中灰度處理結果中的污垢關鍵點和特征描述子，計算出每兩個關鍵點之間的最短和次最短漢明距離，當兩個漢明距離的比例小于0.8且兩個漢明距離均小于50時，則判定這兩個關鍵點是匹配的。

在清潔裝置完成清潔后，再次對馬桶內(nèi)部圖像信息進行采集和檢測，且將之前拍攝的圖像信息與現(xiàn)在所拍攝到的圖像信息進行特征點匹配，若特征點匹配成功，說明污垢沒有清理干凈，控制器將控制清潔刷對該清潔區(qū)域再次進行清潔，以此循環(huán)往復，直至污垢清理干凈為止；采用上述循環(huán)往復的方式，可保證馬桶內(nèi)的污垢被清潔干凈，避免對馬桶進行幾次清潔后仍存在污垢的情況發(fā)生，提高了對馬桶內(nèi)污垢的清潔效果，同時保證了本方法的清潔效果。

如圖2所示，圖2為本發(fā)明提出的一種基于智能馬桶自動檢測并清潔污垢系統(tǒng)。

參照圖2，本發(fā)明提出的基于智能馬桶自動檢測并清潔污垢系統(tǒng)，包括：

第一采集處理模塊，用于采集馬桶內(nèi)部圖像信息并對上述圖像信息進行灰度處理；

第一檢測模塊，用于對第一采集處理模塊的灰度處理結果進行檢測以定位出污垢所在區(qū)域；第一檢測模塊采用SURF-ORB算法對馬桶內(nèi)污垢進行檢測以定位出污垢所在區(qū)域，具體包括：

提取SURF特征點；對采集的馬桶內(nèi)部圖像信息進行灰度處理后，將其轉化成積分圖像I_Σ(x,y)：

采用高斯微分模板和圖像的卷積轉化為方框濾波的方式對上述積分圖像進行濾波，構成圖像金字塔，再通過Hessian矩陣對圖像金字塔的各層進行相應極值點檢測，得到馬桶內(nèi)部圖像信息在相應空間的極值，若某一點的極值相對于其周圍及上下尺度所有像素點的值最大或者最小，則稱該點為候選特征點，然后分別在圖像和尺度空間進行插值運算找出需要的特征點分布和尺度值，并識別特征點所在的區(qū)域，根據(jù)下述公式求得特征點的方向；

其中，圖像檢測Hessian矩陣為：

所述公式為：

通過ORB算法對SURF算法提取的具有尺度不變性的特征點進行描述得到描述子；

根據(jù)高斯分布，在SURF特征點像素領域內(nèi)選擇像素塊對，經(jīng)過RBF平滑處理后得到相應圖像塊的描述子分段函數(shù)τ；

選擇m個(x_i,y_i)位置對，BRIEF描述子為一個包含m個二進制比較準則的矢量：

將得到的特征點的方向信息添加至描述子中求取特征描述子的方向，具體包括：在檢測到的特征點位置對(x_i,y_i)定義一個矩陣Q：

定義特征點方向θ對應的旋轉矩陣為R_θ，構造的特征點對矩陣為：

Q_θ＝R_θQ；

將特征點方向加到描述子中：

g_m(p,θ)＝f_m(p)|(x_i,y_i)∈Q_θ。

清潔模塊，用于根據(jù)第一檢測模塊以及第二檢測模塊的檢測結果對污垢所在區(qū)域進行清潔；所述清潔模塊包括清潔刷、清潔劑儲存單元、水儲存單元；

具體清潔過程包括清潔刷移動到污垢所在區(qū)域內(nèi)，清洗劑儲存單元對污垢所在區(qū)域噴灑清洗劑、水儲存單元對污垢所在區(qū)域噴灑水，然后清潔刷對污垢所在區(qū)域進行刷洗；如此針對污垢所在區(qū)域對馬桶內(nèi)的污垢進行清潔，提高了對馬桶內(nèi)污垢清潔的針對性，有利于提高對馬桶內(nèi)污垢的清潔效果。

第二采集處理模塊，用于在清潔模塊工作完成后采集馬桶內(nèi)部圖像信息并對上述圖像信息進行灰度處理；第二檢測模塊采用將第一采集處理模塊的灰度處理結果與第二采集處理模塊的灰度處理結果進行特征點匹配的方式來判斷馬桶內(nèi)是否存在污垢，若特征點匹配成功則表明馬桶內(nèi)還存在污垢；其中，第二檢測模塊采用將第一采集處理模塊的灰度處理結果與第二采集處理模塊的灰度處理結果進行特征點匹配時，具體包括：

進行貪婪搜索以構成所需的特征描述子，再利用ORB算法提取出第一采集處理模塊的灰度處理結果以及第二采集處理模塊的灰度處理結果中的污垢關鍵點和特征描述子，計算出每兩個關鍵點之間的最短和次最短漢明距離，當兩個漢明距離的比例小于0.8且兩個漢明距離均小于50時，則判定這兩個關鍵點是匹配的。

第二檢測模塊，用于根據(jù)第二采集處理模塊的灰度處理結果判斷馬桶內(nèi)是否存在污垢，且定位出污垢所在區(qū)域，定位出污垢所在區(qū)域后，清潔裝置則對污垢所在區(qū)域進行針對性的清潔，提高整個清潔過程的針對性和有效性。

首先對馬桶內(nèi)部圖像信息進行進行采集并對采集的圖像信息進行灰度處理，根據(jù)灰度處理結果對馬桶內(nèi)污垢進行檢測以定位出污垢所在的區(qū)域，定位出污垢所在區(qū)域后，利用清潔裝置對污垢所在區(qū)域進行清潔，使馬桶內(nèi)的污垢能及時的被清理干凈；為確保馬桶內(nèi)的污垢是否已清理干凈，繼續(xù)對馬桶內(nèi)部圖像信息進行采集且對采集的圖像信息進行灰度處理，再根據(jù)灰度處理的結果判斷馬桶內(nèi)是否存在污垢，若不存在污垢，表明馬桶內(nèi)污垢已被清理干凈，達到了清潔的效果；若存在污垢，表明馬桶內(nèi)的污垢在第一次清潔過程中沒有清潔干凈，此時再次利用清潔裝置對污垢所在區(qū)域進行清潔，清潔完成后，再次對馬桶內(nèi)部圖像進行采集且判斷，直至判斷結果表明馬桶內(nèi)不存在污垢時停止清潔動作，如此，對馬桶內(nèi)部圖像信息進行多次采集和檢測，可對清潔裝置進行的清潔工作進行檢查，防止出現(xiàn)馬桶內(nèi)某位置污垢難以清潔導致馬桶清潔不干凈的情況發(fā)生，提高了對馬桶內(nèi)污垢清潔的效果；進一步地，對馬桶內(nèi)部進行區(qū)域劃分，當馬桶內(nèi)有污垢時，定位出污垢所在的區(qū)域，再利用清潔裝置對污垢所在區(qū)域進行針對性的清潔，保證了對馬桶內(nèi)污垢進行清潔的針對性，從而提高了對馬桶內(nèi)污垢的清潔效果，同時避免了在清潔過程中清潔用品的浪費。

本實施方式中，通過SURF-ORB算法對馬桶內(nèi)污垢進行檢測，識別出污垢在馬桶內(nèi)的哪個區(qū)域，再利用清潔裝置對污垢所在區(qū)域里的所有污垢進行多次清潔，直到清潔干凈為止?？梢杂行П艿厍謇砀蓛赳R桶里的污垢，保證馬桶的干凈衛(wèi)生，預防病菌的滋生，也提供一個健康、衛(wèi)生、清潔的如廁環(huán)境。

以上所述，僅為本發(fā)明較佳的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術領域的技術人員在本發(fā)明揭露的技術范圍內(nèi)，根據(jù)本發(fā)明的技術方案及其發(fā)明構思加以等同替換或改變，都應涵蓋在本發(fā)明的保護范圍之內(nèi)。