洗车机器人的车辆识别与定位：车牌识别、轮廓测量与车型匹配的作用与边界

← 返回洗车机器人 · 基础知识

先分清三件事：身份、位置、形状

讨论洗车机器人的识别能力时，最常见的混淆是把「认车」「定位」「测形」当成一件事。它们回答的是三个不同的问题：这辆车是谁，对应计费与会员；车停在洗车位的哪个位置、朝向如何；车体的实际轮廓长什么样，决定刷体与喷嘴贴近到什么程度。

三者的输入传感器、失败模式与后果完全不同。身份识别错了，是账目与放行问题；定位不准，是入口吞吐与安全联锁问题；轮廓判断偏差，则直接表现为洗不干净、刮伤风险或耗水耗电上升。采购与验收时如果把它们混在一张指标表里，很容易被一句话带过。

车牌识别与身份核验：为计费与放行服务

车牌识别属于图像识别，工作流程通常分成四步：触发拍照、车牌定位、字符分割与识别、结果比对。触发环节可以是地感线圈、光电开关或视频事件检测；识别结果再与会员库、优惠券或订单系统比对，决定抬杆、放行与计费口径。

它的价值集中在无人值守场景：月卡与套餐车主不用下车刷卡，出口自动核对，异常订单可回溯。但车牌识别的能力边界需要提前讲明：

• 它识别的是字符，不是车辆本身。换牌、遮挡、污损、泥污覆盖都会直接影响结果。
• 光照是主要变量。夜间强逆光、雨雪反光、地下车库的低照度与频闪，都会降低一次识别率。
• 车牌样式与安装位置差异大，异形牌照、拖挂车、临时牌与摩托车的处理逻辑需要单独设计。
• 识别率是统计量，不是保证值。工程上通常要保留人工介入与备用放行通道，而不是假设百分之百成功。

因此车牌识别在整机里承担的是商业与通行职能，不应被当作洗车动作的定位依据。把它当作位置传感器用，系统会变得很脆弱。

入位检测与位置检测：车停在哪里、停正了没有

洗车动作的起点是「车已就位且朝向正确」。这一步通常由一组开关量传感器完成：入口与出口各设一对光电开关或对射传感器判断车辆是否完全进入；地面设置压力开关、地感线圈或压力感应垫判断轮胎是否在指定区间；两侧再设若干对射光路判断车身是否停在居中范围。

这类传感器的优点是稳定、响应快、成本低，缺点是只能给出「到位或未到位」的离散结论。它能发现的典型问题包括：车身超出洗车区、车尾未完全进入、车辆偏左偏右导致一侧过近、以及有人员或物品滞留在洗车区内。

对无人值守场景，位置检测还承担安全联锁职能：只要车辆未就位或有人进入，设备就不得启动刷体或高压喷淋。验收时可以核对以下几点：

1. 入位检测覆盖了入口、两侧与出口几个方向，是否存在检测盲区。
2. 车长与车宽超出允许范围时，设备是拒绝启动还是照常执行。
3. 人员或异物进入洗车区能否立即中止动作。
4. 检测失效时是否有提示与人工介入路径，而不是反复重试。

轮廓测量：从距离传感器到轮廓记忆

轮廓测量解决的是「车体实际外形」。常见做法有三类，可以单独使用，也可以组合。

• 超声测距：在机身或龙门上装若干超声传感器，沿行驶方向连续测距，得到侧向与顶部的近似轮廓。优点是受污渍与颜色影响小，缺点是有最小盲区、响应速度有限，对细尖凸出物分辨不足。
• 光电对射与机械触须：用多对光电或可摆动的触杆判断某一高度上是否有车体存在，本质上得到的是「有或无」的二维包络。
• 视觉与深度测量：用相机或深度相机获取点云或轮廓，信息量最大，但对光照、反光与算力更敏感。

无论哪种方式，最终都会形成一份轮廓记忆或包络：沿车身方向逐点记录车体面位置，机器再据此在洗车过程中调整刷体或喷嘴与车面的距离。轮廓记忆的核心价值不是「测得准」，而是「可预测」——它让设备在遇到后视镜、行李架、尾翼、备胎与前牌照框等凸出物时提前让位，而不是撞上去再说。

车型匹配：把识别结果翻译成动作方案

车型匹配处在识别与执行之间。它把测得的尺寸、轮廓特征与已知分类对照，选出一套动作参数：刷体压力或喷射距离、龙门行走速度、覆盖次数、药剂与水量档位、风干时间。对于轿车、两厢车、SUV、皮卡、面包车这类差异明显的外形，匹配的收益最直接。

需要明确的是，车型匹配本质上是分类，不是测量。分类必然有边界样本：改装车、加装车顶架或行李箱、贴膜改色、非标准尺寸车辆，都可能落在两类之间。稳健的做法是设置「默认保守方案」，当特征不可信时统一走较保守的清洗参数，宁可少洗一点，也不要冒险接近。

三条边界：看不清、测不准、分不出

把各类识别技术的失效情形归拢，可以得到三条清晰边界。

第一，看不清。反光、强逆光、雨雪、镜头污渍、蒸汽与泡沫遮挡都会削弱图像类识别的可靠性。这也是为什么视觉方案通常需要补光、遮光与自清洁设计。

第二，测不准。超声与光电方案受安装角度、盲区、表面材质与姿态影响。车顶装了行李架、车尾挂了自行车架、车头牌照框外凸，都会让轮廓包络出现局部误差。误差本身不可怕，可怕的是系统没有为误差预留安全余量。

第三，分不出。分类模型无法覆盖所有车型，尤其是低频与非标车辆。工程上正确的做法不是追求覆盖一切，而是明确「不认识时怎么办」。

验收可以照着问的问题

• 身份识别用什么触发，失败时的兜底流程是什么。
• 入位与位置检测覆盖几个方向，超尺寸车辆如何处理。
• 轮廓测量用的是哪种传感器，最小盲区与安装位置如何。
• 轮廓记忆是否包含后视镜、行李架等凸出物的避让策略。
• 车型匹配分几类，未知车型走哪套默认参数。
• 传感器脏污或失效时，设备是停机提示还是继续运行。
• 识别结果是否留存记录，便于事后复盘与责任界定。

把这些问题逐项落成书面答案，识别与定位这一环才算真正验收完成。