CN111845647A - 一种汽车摄像头清洁系统及方法 - Google Patents

Abstract

本发明提供了一种汽车摄像头清洁系统及方法，该系统包括电子控制单元、清洗装置和吹扫装置。电子控制单元通过分析目标摄像头所拍摄的目标图像即可确定遮蔽物类型，从而按照遮蔽物类型控制清洗装置和吹扫装置的工作状态。基于本发明，可以实现摄像头的自动清洁，不仅提高了驾驶安全性，还减少了驾乘人员对摄像头的维护保养工作。

Description

一种汽车摄像头清洁系统及方法

技术领域

本发明涉及汽车技术领域，更具体地说，涉及一种汽车摄像头清洁系统及方法。

背景技术

在当前的汽车市场中，对于安装在车外的摄像头，需要驾乘人员自行检查表面的清洁程度，并人为清洁以保证摄像头的正常功能。如此，不仅影响了驾驶安全性，而且还增加了驾乘人员对摄像头进行维护保养工作。

发明内容

有鉴于此，为解决上述问题，本发明提供一种汽车摄像头清洁系统及方法。技术方案如下：

一种汽车摄像头清洁系统，所述系统包括：

电子控制单元、清洗装置和吹扫装置，所述电子控制单元分别与所述清洗装置和所述吹扫装置电连接；

所述电子控制单元，用于获取目标摄像头所拍摄的目标图像；分析所述目标图像确定所述目标摄像头对应的遮蔽物类型；按照所述遮蔽物类型控制所述清洗装置和所述吹扫装置的工作状态，以清洁所述目标摄像头；

其中，用于分析所述目标图像确定所述目标摄像头对应的遮蔽物类型的所述电子控制单元，具体用于：

计算所述目标图像的全局模糊度；判断所述全局模糊度是否大于指定全局模糊阈值；如果所述全局模糊度大于所述指定全局模糊阈值，分割所述目标图像得到子图像；提取所述子图像的特征向量，并对所述特征向量进行特征分类得到所述子图像对应的第一遮蔽物类型；根据所述子图像对应的第一遮蔽物类型确定所述目标摄像头对应的遮蔽物类型；如果所述全局模糊度不大于所述指定全局模糊度，获取所述目标摄像头以外的其他摄像头所拍摄的其他图像；对所述目标图像和所述其他图像进行拼接得到拼接图像；使用MobileNet-SSD深度卷积神经网络模型处理所述拼接图像得到位于所述拼接图像上的检测框以及所述检测框对应的第二遮蔽物类型；利用NMS算法从所述检测框中选取最佳检测框；在所述最佳检测框位于所述拼接图像上的位置对应所述目标图像的情况下，根据所述最佳检测框对应的第二遮蔽物类型确定所述目标摄像头对应的遮蔽物类型。

优选的，所述系统还包括：

车载传感器，所述车载传感器与所述电子控制单元电连接；

所述电子控制单元，还用于通过所述车载传感器获取环境数据，并在所述环境数据满足指定条件的情况下，执行所述分析所述目标图像确定所述目标摄像头对应的遮蔽物类型。

优选的，所述系统还包括：

移动终端，所述移动终端与所述电子控制单元通信连接；

所述电子控制单元，还用于将所述目标摄像头的清洁结果发送至所述移动终端；

所述移动终端，用于基于所述目标摄像头的清洁结果进行提示。

优选的，所述清洗装置，包括：

含有洗涤液的洗涤壶、水泵和第一喷头，所述水泵与所述电子控制单元电连接，在所述水泵的作用下所述洗涤液自所述第一喷头喷出。

优选的，所述第一喷头为气液两用喷头。

优选的，所述吹扫装置，包括：

气泵和第二喷头，所述气泵与所述电子控制单元电连接，在所述气泵的作用下空气自所述第二喷头喷出。

优选的，所述第二喷头为气液两用喷头。

优选的，所述第二喷头上设置有加热器。

一种汽车摄像头清洁方法，应用于前文任意一项所述汽车摄像头清洁系统中的所述电子控制单元，所述方法包括：

获取目标摄像头所拍摄的目标图像；

分析所述目标图像确定所述目标摄像头对应的遮蔽物类型；

按照所述遮蔽物类型控制所述清洗装置和所述吹扫装置的工作状态，以清洁所述目标摄像头；

其中，所述分析所述目标图像确定所述目标摄像头对应的遮蔽物类型，包括：

计算所述目标图像的全局模糊度；

判断所述全局模糊度是否大于指定全局模糊阈值；

如果所述全局模糊度大于所述指定全局模糊阈值，分割所述目标图像得到子图像；

提取所述子图像的特征向量，并对所述特征向量进行特征分类得到所述子图像对应的第一遮蔽物类型；

根据所述子图像对应的第一遮蔽物类型确定所述目标摄像头对应的遮蔽物类型；

如果所述全局模糊度不大于所述指定全局模糊度，获取所述目标摄像头以外的其他摄像头所拍摄的其他图像；

对所述目标图像和所述其他图像进行拼接得到拼接图像；

使用MobileNet-SSD深度卷积神经网络模型处理所述拼接图像得到位于所述拼接图像上的检测框以及所述检测框对应的第二遮蔽物类型；

利用NMS算法从所述检测框中选取最佳检测框；

在所述最佳检测框位于所述拼接图像上的位置对应所述目标图像的情况下，根据所述最佳检测框对应的第二遮蔽物类型确定所述目标摄像头对应的遮蔽物类型。

以上本发明提供了一种汽车摄像头清洁系统及方法，该系统包括电子控制单元、清洗装置和吹扫装置。电子控制单元通过分析目标摄像头所拍摄的目标图像即可确定遮蔽物类型，从而按照遮蔽物类型控制清洗装置和吹扫装置的工作状态。基于本发明，可以实现摄像头的自动清洁，不仅提高了驾驶安全性，还减少了驾乘人员对摄像头的维护保养工作。

附图说明

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的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的汽车摄像头清洁系统的结构示意图；

图2为本发明实施例提供的汽车摄像头清洁系统的另一结构示意图；

图3为本发明实施例提供的汽车摄像头清洁系统的再一结构示意图；

图4为本发明实施例提供的汽车摄像头清洁方法的方法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供一种汽车摄像头清洁系统，该系统的结构示意图如图1所示(图1中直线段表示电连接)，包括：

电子控制单元10、清洗装置20和吹扫装置30，电子控制单元10分别与清洗装置20和吹扫装置电连接30。

本实施例中，电子控制单元10可以通过硬线线束分别与清洗装置20和吹扫装置30连接。

电子控制单元10，用于获取目标摄像头所拍摄的目标图像；分析目标图像确定目标摄像头对应的遮蔽物类型；按照遮蔽物类型控制清洗装置20和吹扫装置30的工作状态，以清洁目标摄像头；

其中，用于分析目标图像确定目标摄像头对应的遮蔽物类型的电子控制单元，具体用于：

计算目标图像的全局模糊度；判断全局模糊度是否大于指定全局模糊阈值；如果全局模糊度大于指定全局模糊阈值，分割目标图像得到子图像；提取子图像的特征向量，并对特征向量进行特征分类得到子图像对应的第一遮蔽物类型；根据子图像对应的第一遮蔽物类型确定目标摄像头对应的遮蔽物类型；如果全局模糊度不大于指定全局模糊度，获取目标摄像头以外的其他摄像头所拍摄的其他图像；对目标图像和其他图像进行拼接得到拼接图像；使用MobileNet-SSD深度卷积神经网络模型处理拼接图像得到位于拼接图像上的检测框以及检测框对应的第二遮蔽物类型；利用NMS算法从检测框中选取最佳检测框；在最佳检测框位于拼接图像上的位置对应目标图像的情况下，根据最佳检测框对应的第二遮蔽物类型确定目标摄像头对应的遮蔽物类型。

本实施例中，电子控制单元10在接收到目标摄像头所发送的目标图像时，可以分块计算诸如模糊度和颜色分布等图像特征，并利用评价函数处理图像特征得到目标图像的全局模糊度，该全局模糊度表征图像模糊程度。

1)如果全局模糊度大于指定全局模糊阈值，表示目标摄像头外表面的清洁度较差。为提高检测效率，可以将目标图像分割为多个子图像，识别每个子图像对应的第一遮蔽物类型，进而综合所有子图像对应的第一遮蔽物类型确定目标摄像头对应的遮蔽物类型，比如可以将出现次数最多的第一遮蔽物类型确定为目标摄像头对应的遮蔽物类型，具体的：

对于每个子图像来说，首先提取子图像的边缘特征，进而应用拉普拉斯算子提取边缘特征以外的特性向量，最后可以使用SVM模型对特征向量进行特征分类得到子图像对应的第一遮蔽物类型。其中，SVM模型预先使用大量样本进行训练，以使SVM模型具有将预测的遮蔽物类型趋向于实际遮蔽物类型的能力。

需要说明的是，为提高检测有效性，在分割目标图像之前，还可以对目标图像进行预处理，比如进行Gamma校正，再比如提取有效区域等等。可以理解的是，上述仅为预处理的举例内容，对于其他未列举的预处理方式，也在本发明的保护范围内。

2)如果全局模糊度大于指定全局模糊阈值，表示目标摄像头外表面的清洁度较好。为减少计算资源浪费，可以将其他摄像头所拍摄的其他图像与目标图像进行拼接，以实现一次性检测多个摄像头遮蔽物类型、减少检测耗时的效果。

进一步，使用MobileNet-SSD深度卷积神经网络模型处理拼接图像得到位于拼接图像上的检测框以及检测框对应的第二遮蔽物类型。其中，此外，本实施例中MobileNet-SSD深度卷积神经网络模型预先使用大量样本训练，以使MobileNet-SSD深度卷积神经网络模型具有将预测的检测框趋向于实际检测框、预测的遮蔽物类型趋向于实际遮蔽物类型的能力。

更进一步，利用NMS(Non-MaximumSuppression，非极大值抑制)算法从检测框中选取遮蔽物类型可以代表其他检测框的遮蔽物类型的最佳检测框。并且，如果最佳检测框位于拼接图像上的位置对应目标图像(也就是说，最佳检测框位于拼接图像上的位置全部属于或者部分属于目标图像位于拼接图像上的范围时)，此时可以将最佳检测框对应的第二遮蔽物类型作为目标摄像头对应的遮蔽物类型。

需要说明的是，为提高检测有效性，在使用MobileNet-SSD深度卷积神经网络模型处理拼接图像之前，还可以对拼接图像进行预处理，比如进行Gamma校正，再比如提取有效区域等等。可以理解的是，上述仅为预处理的举例内容，对于其他未列举的预处理方式，也在本发明的保护范围内。

还需要说明的是，为提高检测准确度，如果最佳检测框位于拼接图像上的位置部分属于目标图像位于目标图像位于拼接图像上的范围时，还可以重新使用MobileNet-SSD深度卷积神经网络模型处理目标图像得到位于目标图像上的新检测框以及新检测框对应的第三遮蔽物类型，并综合所有新检测框对应的第三遮蔽物类型确定目标摄像头对应的遮蔽物类型，比如可以将出现次数最多的第三遮蔽物类型确定为目标摄像头对应的遮蔽物类型。

需要说明的是，遮蔽物类型可以为灰尘、雨水、油渍、冰、雪、霜等中的任意一个或多个。可以理解的是，其他未列举的遮蔽物类型也在本实施例保护范围内。

此外，在确定目标摄像头对应的遮蔽物类型后，结合预先存储的外表面遮蔽物的不同类型与清洁策略之间的对应关系控制清洗装置20和吹扫装置30的工作状态。以下分别以遮蔽物类型为灰尘和雨水为例进行说明：

1)如果遮蔽物类型为灰尘，则电子控制单元10先启动清洗装置20对目标摄像头的外表面进行清洗，再启动吹扫装置30对目标摄像头的外表面进行吹扫。

2)如果遮蔽物类型为雨水，则电子控制单元10启动吹扫装置30对目标摄像头的外表面进行吹扫。

在实际应用中，本实施例中清洗装置20，包括含有洗涤液的洗涤壶、水泵和第一喷头，水泵与电子控制单元10电连接，在水泵的作用下洗涤液自第一喷头喷出。具体的，水泵和第一喷头之间设置有用于传输洗涤液的第一管道，电子控制单元10控制水泵的启停，水泵启动时，通过该第一管道可以将洗涤液泵至第一喷头，由第一喷头喷出。

当然，为防止第一喷头误喷，电子控制单元10还可以与第一喷头电连接，用于控制第一喷头的启停，只有在第一喷头启动时，洗涤液才可以自第一喷头喷出。

本实施例中的吹扫装置30，包括气泵和第二喷头，气泵与电子控制单元10电连接，在气泵的作用下空气自第二喷头喷出。具体的，气泵和第二喷头之间设置有用于传输空气的第二管道，电子控制单元10控制气泵的启停，气泵启动时，通过该第二管道可以将空气泵至第二喷头，由第二喷头喷出。

当然，为防止第二喷头误喷，电子控制单元10还可以与第二喷头电连接，用于控制第二喷头的启停，只有在第二喷头启动时，空气才可以自第二喷头喷出。

在具体应用中，第一喷头可以为气液两用喷头，第二喷头也可以为气液两用喷头。并且，如果第一喷头和第二喷头均采用气液两用喷头，则清洗转装置和吹扫装置30可以共用同一个气液两用喷头，该气液两用喷头的尾部设置有第一管道和第二管道。

另外，为提高吹扫装置30的吹扫效率，还可以在第二喷头上设置加热器，使第二喷头吹出热风，提高清洗液或者水的蒸发速度。

还需说明的是，本实施例中清洗装置20还可以采用现有的具有清洗功能的设备，吹扫装置30还可以采用现有的具有吹扫功能的设备。

在其他一些实施例中，为减少误报，排除极端环境的影响，在图1所示汽车摄像头清洁系统的基础上，系统还包括如下器件，结构示意图如图2所示(图2中直线段表示电连接)：

车载传感器40，车载传感器40与电子控制单元10电连接。

本实施例中，电子控制单元10可以通过CAN总线与车载传感器40连接。而该车载传感器40可以为亮度传感器，还可以为雨量传感器等等，本实施例对此不做限定，可以结合实际需要进行选择。可以理解的是，对于其他未列举的车载传感器40，也在本实施例的保护范围内。

电子控制单元10，还用于通过车载传感器40获取环境数据，并在环境数据满足指定条件的情况下，执行分析目标图像确定目标摄像头对应的遮蔽物类型。

本实施例中，电子控制单元10可以基于车载传感器40所反馈的传感器信号确定目标摄像头周边的环境数据，比如，可以利用亮度传感器确定环境亮度，再比如，可以利用雨量传感器确定环境雨量。以下分别以环境亮度和环境雨量为例进行说明：

1)对于环境亮度来说，如果环境亮度小于指定亮度阈值，则可以确定目标摄像头当前所处环境为黑暗环境，此时分析目标摄像头所拍摄的目标图像也无法准确确定目标摄像头的遮蔽物类型。因此，在环境亮度大于指定亮度阈值时，才具有识别目标摄像头的遮蔽物类型的基础，也才执行分析目标图像确定目标摄像头对应的遮蔽物类型及其后续步骤。

2)对于环境雨量来说，如果环境雨量大于指定雨量阈值，则可以确定目标摄像头当前所处环境的暴雨环境，此时启动吹扫装置30对目标摄像头进行吹扫的作用不大。因此，在环境雨量小于指定雨量阈值时，才具有清洁目标摄像头的必要性，也才执行分析目标图像确定目标摄像头对应的遮蔽物类型及其后续步骤。

进一步，在环境雨量小于指定雨量阈值时，为提高吹扫效率，电子控制单元10还可以采用提高吹扫强度、提高吹扫频率和提高吹扫温度中的任意一种或多种方式。

在其他一些实施例中，为提高人机交互能力，在图1所示汽车摄像头清洁系统的基础上，系统还包括如下器件，结构示意图如图3所示(图3中直线段表示电连接，双向箭头直线段表示通信连接)：

移动终端50，移动终端50与电子控制单元10通信连接。

本实施例中，移动终端50可以以蓝牙、热点或者wifi等方式与电子控制单元10建立通信连接，本实施例对此不做限定。可以理解的是，对于其他未列举的通信方式，也在本实施例的保护范围内。

电子控制单元10，还用于将目标摄像头的清洁结果发送至移动终端50。

本实施例中，电子控制单元10可以将本次清洁结果发送至移动终端50，还可以综合历史清洁结果对目标摄像头诊断，比如目标摄像头经过多次清洗和/或吹扫后表面仍不清洁，并将“目标摄像头可能出现损坏”的诊断结果发送至移动终端50。

移动终端50，用于基于目标摄像头的清洁结果进行提示。

本实施例中，移动终端50可以采用指定方式，比如提示音，再比如对话框等方式进行提示。此时，驾乘人员可以采用人工操作或者应用APP操控电子控制单元10的方式对目标摄像头的表面进行清洗和/或吹扫。

本发明实施例提供的汽车摄像头清洁系统，该系统包括电子控制单元、清洗装置和吹扫装置。电子控制单元通过分析目标摄像头所拍摄的目标图像即可确定遮蔽物类型，从而按照遮蔽物类型控制清洗装置和吹扫装置的工作状态。基于本发明，可以实现摄像头的自动清洁，不仅提高了驾驶安全性，还减少了驾乘人员对摄像头的维护保养工作。

基于上述实施例提供的汽车摄像头清洁系统，本发明实施例则提供一种汽车摄像头清洁方法，该方法应用于汽车摄像头清洁系统中的电子控制单元，方法流程图如图4所示，包括如下步骤：

S10，获取目标摄像头所拍摄的目标图像。

S20，分析目标图像确定目标摄像头对应的遮蔽物类型。

S30，按照遮蔽物类型控制清洗装置和吹扫装置的工作状态，以清洁目标摄像头。

其中，步骤S20“分析目标图像确定目标摄像头对应的遮蔽物类型”，可以包括如下步骤：

计算目标图像的全局模糊度；

判断全局模糊度是否大于指定全局模糊阈值；

如果全局模糊度大于指定全局模糊阈值，分割目标图像得到子图像；

提取子图像的特征向量，并对特征向量进行特征分类得到子图像对应的第一遮蔽物类型；

根据子图像对应的第一遮蔽物类型确定目标摄像头对应的遮蔽物类型；

如果全局模糊度不大于指定全局模糊度，获取目标摄像头以外的其他摄像头所拍摄的其他图像；

对目标图像和其他图像进行拼接得到拼接图像；

使用MobileNet-SSD深度卷积神经网络模型处理拼接图像得到位于拼接图像上的检测框以及检测框对应的第二遮蔽物类型；

利用NMS算法从检测框中选取最佳检测框；

在最佳检测框位于拼接图像上的位置对应目标图像的情况下，根据最佳检测框对应的第二遮蔽物类型确定目标摄像头对应的遮蔽物类型。

在其他一些实施例中，为减少误报，排除极端环境的影响，在图4所示汽车摄像头清洁方法的基础上，还包括如下步骤：

通过车载传感器获取环境数据，并在环境数据满足指定条件的情况下，执行步骤S20。

在其他一些实施例中，为提高人机交互能力，在图4所示汽车摄像头清洁方法的基础上，还包括如下步骤：

将目标摄像头的清洁结果发送至移动终端，以使移动终端基于目标摄像头的清洁结果进行提示。

本发明实施例提供的汽车摄像头清洁方法，通过分析目标摄像头所拍摄的目标图像即可确定遮蔽物类型，从而按照遮蔽物类型控制清洗装置和吹扫装置的工作状态。基于本发明，可以实现摄像头的自动清洁，不仅提高了驾驶安全性，还减少了驾乘人员对摄像头的维护保养工作。

以上对本发明所提供的一种汽车摄像头清洁系统及方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素，或者是还包括为这些过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种汽车摄像头清洁系统，其特征在于，所述系统包括：

电子控制单元、清洗装置和吹扫装置，所述电子控制单元分别与所述清洗装置和所述吹扫装置电连接；

所述电子控制单元，用于获取目标摄像头所拍摄的目标图像；分析所述目标图像确定所述目标摄像头对应的遮蔽物类型；按照所述遮蔽物类型控制所述清洗装置和所述吹扫装置的工作状态，以清洁所述目标摄像头；

其中，用于分析所述目标图像确定所述目标摄像头对应的遮蔽物类型的所述电子控制单元，具体用于：

计算所述目标图像的全局模糊度；判断所述全局模糊度是否大于指定全局模糊阈值；如果所述全局模糊度大于所述指定全局模糊阈值，分割所述目标图像得到子图像；提取所述子图像的特征向量，并对所述特征向量进行特征分类得到所述子图像对应的第一遮蔽物类型；根据所述子图像对应的第一遮蔽物类型确定所述目标摄像头对应的遮蔽物类型；如果所述全局模糊度不大于所述指定全局模糊度，获取所述目标摄像头以外的其他摄像头所拍摄的其他图像；对所述目标图像和所述其他图像进行拼接得到拼接图像；使用MobileNet-SSD深度卷积神经网络模型处理所述拼接图像得到位于所述拼接图像上的检测框以及所述检测框对应的第二遮蔽物类型；利用NMS算法从所述检测框中选取最佳检测框；在所述最佳检测框位于所述拼接图像上的位置对应所述目标图像的情况下，根据所述最佳检测框对应的第二遮蔽物类型确定所述目标摄像头对应的遮蔽物类型。

2.根据权利要求1所述的系统，其特征在于，所述系统还包括：

车载传感器，所述车载传感器与所述电子控制单元电连接；

所述电子控制单元，还用于通过所述车载传感器获取环境数据，并在所述环境数据满足指定条件的情况下，执行所述分析所述目标图像确定所述目标摄像头对应的遮蔽物类型。

3.根据权利要求1所述的系统，其特征在于，所述系统还包括：

移动终端，所述移动终端与所述电子控制单元通信连接；

所述电子控制单元，还用于将所述目标摄像头的清洁结果发送至所述移动终端；

所述移动终端，用于基于所述目标摄像头的清洁结果进行提示。

4.根据权利要求1所述的系统，其特征在于，所述清洗装置，包括：

含有洗涤液的洗涤壶、水泵和第一喷头，所述水泵与所述电子控制单元电连接，在所述水泵的作用下所述洗涤液自所述第一喷头喷出。

5.根据权利要求4所述的系统，其特征在于，所述第一喷头为气液两用喷头。

6.根据权利要求1所述的系统，其特征在于，所述吹扫装置，包括：

气泵和第二喷头，所述气泵与所述电子控制单元电连接，在所述气泵的作用下空气自所述第二喷头喷出。

7.根据权利要求6所述的系统，其特征在于，所述第二喷头为气液两用喷头。

8.根据权利要求6所述的系统，其特征在于，所述第二喷头上设置有加热器。

9.一种汽车摄像头清洁方法，其特征在于，应用于权利要求1～8任意一项所述汽车摄像头清洁系统中的所述电子控制单元，所述方法包括：

获取目标摄像头所拍摄的目标图像；

分析所述目标图像确定所述目标摄像头对应的遮蔽物类型；

按照所述遮蔽物类型控制所述清洗装置和所述吹扫装置的工作状态，以清洁所述目标摄像头；

其中，所述分析所述目标图像确定所述目标摄像头对应的遮蔽物类型，包括：

计算所述目标图像的全局模糊度；

判断所述全局模糊度是否大于指定全局模糊阈值；

如果所述全局模糊度大于所述指定全局模糊阈值，分割所述目标图像得到子图像；

提取所述子图像的特征向量，并对所述特征向量进行特征分类得到所述子图像对应的第一遮蔽物类型；

根据所述子图像对应的第一遮蔽物类型确定所述目标摄像头对应的遮蔽物类型；

如果所述全局模糊度不大于所述指定全局模糊度，获取所述目标摄像头以外的其他摄像头所拍摄的其他图像；

对所述目标图像和所述其他图像进行拼接得到拼接图像；

使用MobileNet-SSD深度卷积神经网络模型处理所述拼接图像得到位于所述拼接图像上的检测框以及所述检测框对应的第二遮蔽物类型；

利用NMS算法从所述检测框中选取最佳检测框；

在所述最佳检测框位于所述拼接图像上的位置对应所述目标图像的情况下，根据所述最佳检测框对应的第二遮蔽物类型确定所述目标摄像头对应的遮蔽物类型。

Images