基于AI掃地機器人的垃圾識別的研究

李子彬 許弘儒 馬惜平

摘? ?要：本文研究掃地機器人的垃圾識別，使掃地機器人的自主性和智能化程度增大，為掃地機器人配置攝像頭，使其獲得視覺感知能力，通過有效的圖像算法對垃圾進行快速、精準的識別，實現掃地機器人的自動識別與按類處理，提高工作效率和在不同工作場合工作的能力。之后能自動進行路徑規劃、低電量自動回充和躲避障礙等基本功能，朝著低成本、功能多樣化以及超大續航方向發展。

關鍵詞：智能化? 垃圾識別? 掃地機器人

1? 掃地機器的發展

1.1 掃地機器人的現狀

如今隨著科學技術的發展，服務型機器人逐漸為人們的生活提供了便利，其中掃地機器人是最早出現在人們視野中的，也是最快進入消費市場的服務型機器人。掃地機器人能夠自主進行清掃工作，提高了效率，解放了人們的雙手，同時掃地機器人也在飛速發展中，從簡單的掃地到擁有拖地和掃地兩種模式，之后能自動進行路徑規劃、低電量自動回充和躲避障礙等基本功能，朝著低成本、功能多樣化以及超大續航方向發展。

1.2 掃地機器人的不足及改進

雖然如今掃地機器人的功能越來越多，但其智能程度不高，主要表現在，雖然可以自動規劃路徑，但是有盲目性，無論路徑中是否有垃圾都會執行清掃任務，不能智能識別垃圾，因此極大降低了工作效率，增加了電量消耗。所以本文對掃地機器人的垃圾識別技術進行研究，以提升未來掃地機器人的智能化程度。

2? 垃圾分類與處理方式

眾所周知，在公眾場所人員密集區，垃圾一直是一個很嚴重的問題。有各種各樣的垃圾，如何對垃圾進行有效的處理是智能掃地機器人的一個難題。為了更加高效的處理，本文按照物體的形狀、物體的性質和大小等因素，對垃圾進行分類，并且采取了不同模式進行處理，以達到高效處理的垃圾結果。

生活中常見的垃圾可分為固體和液體兩大類，對于固體和液體采取不同的處理方式。

（1）對于體積小的物體采取清掃模式，如沙子、瓜子、樹葉等。

（2）對于體積大的物體采取抓取模式，如塑料瓶、紙盒、塑料袋等。

（3）對于液體采取拖地模式，如牛奶、墨水等。

3? 基于SIFT算法的垃圾圖像處理

3.1 SIFT算法的概述

尺度不變特征轉換即SIFT （Scale-invariant feature transform）是一種計算機視覺的算法，算法采取尺度不變使特征進行變換的方法，由David G.Lowe提出，并在2004年完善，SIFT算法使其位置、尺度、旋轉等因素保持不變，是一種非常穩定的局部特征的算法。

SIFT算法特征提取的步驟：

（1）提取關鍵點（特征點）：這些點是一些十分突出的點，不會因為光照條件的改變而消失，也是在不同尺度空間的圖像下檢測出具有方向信息的局部極點，具有尺度、方向、大小三個特征。

（2）對關鍵點附加詳細的信息（局部特征）也就是所謂的描述器。

（3）通過兩方特征點（附帶上特征向量的關鍵點）的兩兩比較找出相互匹配的若干對特征點，也就建立了景物間的對比關系。

4? SIFT算法的優點

（1）圖像的局部特征穩定，對旋轉、尺度縮放、亮度變化保持不變，不會因為光照、仿射變化和噪音等因素而變化。

（2）獨特性好，信息量豐富，可以對海量的圖像特征進行快速、精準的匹配。

（3）多量性，少量物體也可以產生大量的SIFT特征。

（4）高效性，對SIFT算法進行優化可以達到實時匹配，增大效率。

（5）包容性，可以很方便地與其他的特征向量進行聯合。

5? 基于SIFT算法的垃圾識別

掃地機器人能夠智能識別垃圾的第一個條件是完成垃圾的檢測與種類的識別，視覺系統不僅要快速識別出垃圾的種類特征，還要盡量能避免因光照、圖像尺寸、旋轉以及變形而造成錯誤的判斷，因此SIFT算法能夠很好的解決此類問題。

（1）利用垃圾的圖像構建尺度空間：

L（x，y，σ）=G（x，y，σ）×I（x，y）? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（1）

其中，σ為尺度空間坐標，G（x，y，σ）為高斯核函數，I（x，y）為經過灰度化處理的垃圾的圖像，得出差分高斯空間如下：

D（x，y，σ）=[G（x，y，kσ）-I（x，y）]×I（x，y）=L（x，y，kσ）-L（x，y，σ）? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（2）

其中，k為相鄰兩層尺度空間的比例因子，垃圾的圖像各個像素點要和同一尺度空間以和相鄰的尺度空間的相鄰點進行比較，若該點小于或者大于相鄰像素點，則即為極值點。

（2）對垃圾的圖像中的關鍵點的精確位置進行確定：上訴差分空間D（x）是離散函數，離散空間的極值點與真正的極值點有一定的差別，為求得精確極點位置需要對尺度空間的DOG函數進行曲線擬合，因此將其進行泰勒展開：

（3）

解得精確極值點位置為x=（x，y，σ）T.

確定特征點方向：經過第二步之后找到了關鍵點，為了讓特征點具有旋轉保持不變，利用局部特征為每一個關鍵點分配一個基準方向。確定了尺度空間因子σ，計算以關鍵點為中心，根據尺度采樣的3σ原則，3×1.5σ為領域窗口半徑的區域每個點L（X，Y）的梯度的幅值m（x，y）和梯度方向θ（x，y），利用直方圖統計出關鍵點的主方向。

（4）

（5）

L為關鍵點所在尺度空間的值，最后對垃圾的圖像進行關鍵點的描述，獲得垃圾的圖像的描述因子，該描述因子即為攝像頭進行圖像匹配所需的特征。

6? 掃地機器人垃圾識別技術的發展

6.1 掃地機器人垃圾識別技術的重要性

目前很多掃地機器人都只適用于家庭清潔，而公共區域的清潔一直是一個難題。如果使用家庭掃地機器人的方式進行清潔，由于場地太大，將會極大的降低清掃的效率，所以提升掃地機器人的效率的方法，就是對垃圾進行有效識別，從而提高掃地機器人的自主清掃能力，從而達到對于掃地機器人智能的提升。

6.2 基于機器人視覺的垃圾識別技術的發展

基于機器人視覺識別垃圾技術是近幾年才發展起來的，中國許多城市陸續實行垃圾分類，越來越多的智能垃圾識別的垃圾桶出現，使得垃圾分類更加精準。但由于僅限于個人的生活垃圾，公共衛生依然是個問題，所以基于AI掃地機器人的智能識別垃圾技術，能夠有效的解決公共衛生帶來的問題，又為人們帶來了方便，提高了公共垃圾處理的效率，筆者認為基于AI掃地機器人的垃圾識別在未來或許能夠成為清潔型機器人的主流技術。

參考文獻

[1] 佚名，基于SIFT算法的圖像特征點提取和匹配研究[J].南京醫科大學學報：自然科學版，2013（2）：286-290.

[2] 王金龍，周志峰.基于SIFT圖像處理特征提取與FLANN匹配算法的研究[J].計算機測量與控制，2018，26（2）：175-178.

[3] 廖如珺，黃建中，楊丹蓉.中國城市垃圾分類處理現狀與對策[J].職業衛生與傷病，2012，27（1）：30-34.