本发明涉及全景天窗驱动领域，尤其涉及一种多参数全景天窗管理平台。
背景技术：
全景天窗实际上是相对于普通天窗而言。一般而言，全景天窗首先面积较大，甚至是整块玻璃的车顶，坐在车中可以将上方的景象一览无余；目前较多的全景天窗为前后两块单独的玻璃，分别使得前后座位都有天窗的感受。
全景天窗，并未对车身的安全性带来本质性的影响，因此其已经成为中高端汽车的一个亮点。然而，由于全景天窗尺寸更大，对车身的结构、冲压件的精度、车身的制造工艺等，都提出了更高的要求。
例如，分段开启式天窗分为双天窗式全景天窗和拼接式全景天窗。双天窗式全景天窗：在前座顶部，仍然是与标准天窗一样的普通天窗，然后在后座顶部，设计师再加人一个不可开启的“天窗”，从而可以给车内带来更多的透光量，达到类似全景天窗的效果。拼接式全景天窗：由前后两个天窗组成，只不过前后两个天窗重叠，且重叠量很小，类似一个整体，天窗面积很大，因此也可以把这类天窗归为整体可开启式全景天窗。
现有技术中，全景天窗能够给予车辆内部明亮的照明环境以及给予车辆内部人员更宽广的俯仰视野。然而，全景天窗带来以上优点的同时也存在一些固有的缺陷：例如，过于宽广的覆盖范围增加了在打开状态下鸟粪侵入车内的概率，以及增加了积累灰尘的厚度和分布面积，使得车辆美观度下降。
技术实现要素：
为了解决现有技术中的技术问题，本发明提供了一种多参数全景天窗管理平台，采用多种针对性的控制结构实现对全景天窗的智能化除尘和智能化鸟粪躲避处理，从而在有效维护全景天窗的使用环境的同时避免驾驶员过分分心于天窗的人工控制。
为此，本发明至少需要具备以下两处重要的发明点：
(1)采用定制结构用于在全景天窗上方存在接近全景天窗顶部位置以及靠近全景天窗距离过近的鸟体目标时，控制天窗驱动设备以自动关闭全景天窗，否则，控制天窗驱动设备进入使能关闭全景天窗的状态，从而降低鸟粪侵入车辆内部的概率；
(2)在预设时序控制逻辑下，采用包括时序控制设备、现场喷水设备、擦拭式设备和吹风设备的自动除尘机构实现对全景天窗灰尘的擦拭式除尘操作。
根据本发明的一方面，提供了一种多参数全景天窗管理平台，所述平台包括：
智能化天窗架构，包括推拉式驱动设备、全景天窗主体、灰尘测量机构、自动除尘机构和遮阳板主体构成，所述遮阳板主体设置在所述全景天窗主体的底部且尺寸与所述全景天窗主体的尺寸吻合，所述推拉式驱动设备用于在接收到关闭控制信号时，基于推拉模式驱动所述全景天窗主体实现对车辆顶部的封闭，还用于在接收到使能控制信号时，允许采用推拉模式驱动所述全景天窗主体解除对车辆顶部的封闭；
可视化摄像头，设置在支撑所述全景天窗主体的支撑框的框体内，用于面对全景天窗主体的上方场景执行可视化摄像操作，以获得天窗上方图像；
点像复原机构，与所述可视化摄像头连接，用于基于可视化摄像头的光学部件的光学特征对接收到的天窗上方图像进行点像复原操作，以获得对应的特征处理图像；
中点滤波机构，与所述点像复原机构连接，用于对接收到的特征处理图像执行中点滤波处理，以获得对应的即时操作图像；
双重识别机构，与所述中点滤波机构连接，先基于鸟体外形特征识别出所述即时操作图像中的各个鸟体目标，并在所述各个鸟体目标中存在接近所述即时操作图像中央位置且景深浅于预设景深阈值的鸟体目标时，发出关闭控制信号，否则，发出使能控制信号；
其中，支撑所述全景天窗主体的支撑框为矩形结构，由沿着车辆行进方向的左右两侧框体以及垂直于车辆行进方向的前后两侧框体构成；
其中，所述可视化摄像头位于所述左侧框体的中央位置或者所述右侧框体的中央位置；
其中，所述灰尘测量机构设置在所述全景天窗主体的玻璃件的侧面，用于采用视觉检测机制对所述玻璃件上堆积的灰尘分布面积进行测量，以获得相应的灰尘分布比例；
其中，所述自动除尘机构设置在所述灰尘测量机构的附近且与所述灰尘测量机构间距小于预设距离阈值，与所述灰尘测量机构连接，用于在接收到的灰尘分布比例超限时，实现对所述玻璃件的自动除尘处理；
其中，所述自动除尘机构包括时序控制设备、现场喷水设备、擦拭式设备和吹风设备，所述时序控制设备分别与所述现场喷水设备、所述擦拭式设备和所述吹风设备连接，所述擦拭式设备包括擦拭杆体、吸水式棉垫和永磁无刷电机，所述永磁无刷电机与所述擦拭杆体连接以驱动所述擦拭杆体带动其下方的吸水式棉垫在所述玻璃件上来回擦拭。
根据本发明的另一方面，还提供了一种多参数全景天窗管理方法，所述方法包括使用一种如上述的多参数全景天窗管理平台，用于基于车辆全景天窗的多个现场检测参数的具体数值对全景天窗进行多方位控制和管理。
本发明的多参数全景天窗管理平台设计紧凑、具有一定的智能化水准。由于能够在减少人工操作的方式下实现对全景天窗的多方位自动化管理，从而有效维护了全景天窗的使用环境。
具体实施方式
下面将对本发明的多参数全景天窗管理平台的实施方案进行详细说明。
全景天窗的优点在于：①因为天窗面积大，相比一般轿车更能保持车内空气清新，迅速除去车内异味；②抬头看天的超佳享受；③高速行驶时，相对于侧开窗能更有效降低车内噪音；④可迅速降低车内温度，对于在太阳下暴晒的车来说是个相当不错的散热。相应地，全景天窗的缺点在于：①制造成本高；②对车身要求更高。
现有技术中，全景天窗能够给予车辆内部明亮的照明环境以及给予车辆内部人员更宽广的俯仰视野。然而，全景天窗带来以上优点的同时也存在一些固有的缺陷：例如，过于宽广的覆盖范围增加了在打开状态下鸟粪侵入车内的概率，以及增加了积累灰尘的厚度和分布面积，使得车辆美观度下降。
为了克服上述不足，本发明搭建了一种多参数全景天窗管理平台，能够有效解决相应的技术问题。
根据本发明实施方案示出的多参数全景天窗管理平台包括：
智能化天窗架构，包括推拉式驱动设备、全景天窗主体、灰尘测量机构、自动除尘机构和遮阳板主体构成，所述遮阳板主体设置在所述全景天窗主体的底部且尺寸与所述全景天窗主体的尺寸吻合，所述推拉式驱动设备用于在接收到关闭控制信号时，基于推拉模式驱动所述全景天窗主体实现对车辆顶部的封闭，还用于在接收到使能控制信号时，允许采用推拉模式驱动所述全景天窗主体解除对车辆顶部的封闭；
可视化摄像头，设置在支撑所述全景天窗主体的支撑框的框体内，用于面对全景天窗主体的上方场景执行可视化摄像操作，以获得天窗上方图像；
点像复原机构，与所述可视化摄像头连接，用于基于可视化摄像头的光学部件的光学特征对接收到的天窗上方图像进行点像复原操作，以获得对应的特征处理图像；
中点滤波机构，与所述点像复原机构连接，用于对接收到的特征处理图像执行中点滤波处理，以获得对应的即时操作图像；
双重识别机构，与所述中点滤波机构连接，先基于鸟体外形特征识别出所述即时操作图像中的各个鸟体目标，并在所述各个鸟体目标中存在接近所述即时操作图像中央位置且景深浅于预设景深阈值的鸟体目标时，发出关闭控制信号，否则，发出使能控制信号；
其中，支撑所述全景天窗主体的支撑框为矩形结构，由沿着车辆行进方向的左右两侧框体以及垂直于车辆行进方向的前后两侧框体构成；
其中，所述可视化摄像头位于所述左侧框体的中央位置或者所述右侧框体的中央位置；
其中，所述灰尘测量机构设置在所述全景天窗主体的玻璃件的侧面，用于采用视觉检测机制对所述玻璃件上堆积的灰尘分布面积进行测量，以获得相应的灰尘分布比例；
其中，所述自动除尘机构设置在所述灰尘测量机构的附近且与所述灰尘测量机构间距小于预设距离阈值，与所述灰尘测量机构连接，用于在接收到的灰尘分布比例超限时，实现对所述玻璃件的自动除尘处理；
其中，所述自动除尘机构包括时序控制设备、现场喷水设备、擦拭式设备和吹风设备，所述时序控制设备分别与所述现场喷水设备、所述擦拭式设备和所述吹风设备连接，所述擦拭式设备包括擦拭杆体、吸水式棉垫和永磁无刷电机，所述永磁无刷电机与所述擦拭杆体连接以驱动所述擦拭杆体带动其下方的吸水式棉垫在所述玻璃件上来回擦拭。
接着，继续对本发明的多参数全景天窗管理平台的具体结构进行进一步的说明。
在所述多参数全景天窗管理平台中：
在接收到的灰尘分布比例超限时，实现对所述玻璃件的自动除尘处理包括：在所述时序控制设备的控制下，控制所述现场喷水设备、所述擦拭式设备和所述吹风设备依次动作，以实现对所述玻璃体的自动除尘处理。
在所述多参数全景天窗管理平台中：
所述双重识别机构包括状态判断单元、特征存储单元、鸟体识别单元、位置检测单元和参数解析单元。
在所述多参数全景天窗管理平台中：
所述特征存储单元用于预先存储各种鸟体的外形特征，所述鸟体识别单元与所述特征存储单元连接，用于基于鸟体外形特征识别出所述即时操作图像中的各个鸟体目标。
在所述多参数全景天窗管理平台中：
所述位置检测单元与所述鸟体识别单元连接，用于检测每一个鸟体目标是否接近所述即时操作图像中央位置，所述参数解析单元与所述鸟体识别单元连接，用于解析每一个鸟体目标的景深。
在所述多参数全景天窗管理平台中：
所述状态判断单元分别与所述位置检测单元和所述参数解析单元连接；
其中，所述状态判断单元用于在所述各个鸟体目标中存在接近所述即时操作图像中央位置且景深浅于预设景深阈值的鸟体目标时，发出关闭控制信号。
在所述多参数全景天窗管理平台中：
所述状态判断单元还用于在所述各个鸟体目标中不存在接近所述即时操作图像中央位置且景深浅于预设景深阈值的鸟体目标时，发出使能控制信号。
在所述多参数全景天窗管理平台中：
所述双重识别机构还与所述推拉式驱动设备连接，用于将所述关闭控制信号或者使能控制信号发送给所述推拉式驱动设备。
同时，为了克服上述不足，本发明还搭建了一种多参数全景天窗管理方法，所述方法包括使用一种如上述的多参数全景天窗管理平台，用于基于车辆全景天窗的多个现场检测参数的具体数值对全景天窗进行多方位控制和管理。
另外，智能控制的思想出现于20世纪60年代。当时，学习控制的研究十分活跃，并获得较好的应用。如自学习和自适应方法被开发出来，用于解决控制系统的随机特性问题和模型未知问题；1965年美国普渡大学傅京孙(k.s.fu)教授首先把ai的启发式推理规则用于学习控制系统；1966年美国门德尔(j.m.mendel)首先主张将ai用于飞船控制系统的设计。1967年，美国莱昂德斯(c.t.leondes)等人首次正式使用“智能控制”一词。1971年，傅京孙论述了ai与自动控制的交叉关系。自此，自动控制与ai开始碰撞出火花，一个新兴的交叉领域——智能控制得到建立和发展。早期的智能控制系统采用比较初级的智能方法，如模式识别和学习方法等，而且发展速度十分缓慢。扎德于1965年发表了著名论文“fuzzysets”，开辟了以表征人的感知和语言表达的模糊性这一普遍存在不确定性的模糊逻辑为基础的数学新领域——模糊数学。1975年，英国马丹尼(e.h.mamdani)成功地将模糊逻辑与模糊关系应用于工业控制系统，提出了能处理模糊不确定性、模拟人的操作经验规则的模糊控制方法。此后，在模糊控制的理论和应用两个方面，控制专家们进行厂大量研究，并取得一批令人感兴趣的成果，被视为智能控制中十分活跃、发展也较为深刻的智能控制方法。随着研究的展开和深入，形成智能控制新学科的条件逐渐成熟。1985年8月，ieee在美国纽约召开了第一届智能控制学术讨论会，讨论了智能控制原理和系统结构。由此，智能控制作为一门新兴学科得到广泛认同，并取得迅速发展。近十几年来.随着智能控制方法和技术的发展，智能控制迅速走向各种专业领域，应用于各类复杂被控对象的控制问题，如工业过程控制系统、机器人系统、现代生产制造系统、交通控制系统等。
以上所述仅为本发明的优选实施例，凡依本发明权利要求所做的均等变化与修饰，都应属本发明的涵盖范围。