折叠角度检测方法、装置、终端及存储介质制造方法及图纸

本发明专利技术实施例公开了一种折叠角度检测方法、装置、终端及存储介质，其中，所述方法应用于具有折叠显示屏的终端中，折叠显示屏包括主显示屏和副显示屏，主显示屏和副显示屏中均设置有加速度传感器和地磁传感器，其中，所述方法包括：实时获取所述主显示屏和所述副显示屏中的加速度传感器和/或地磁传感器采集的加速度数据和/或地磁数据；将所述加速度数据和/或所述地磁数据作为输入值，输入到预先训练好的折叠角检测模型中，并根据所述折叠角检测模型的输出值确定所述折叠显示屏的折叠角度。本发明专利技术实施例通过设计折叠角检测模型，简化了折叠屏的折叠角度的计算，且便于进行二次研发。

Folding angle detection method, device, terminal and storage medium

【技术实现步骤摘要】
折叠角度检测方法、装置、终端及存储介质
本专利技术实施例涉及移动终端
，尤其涉及一种折叠角度检测方法、装置、终端及存储介质。
技术介绍
随着移动终端的快速发展，具有折叠显示屏的移动终端由于能够满足用户更多的需求而备受关注。而为了更好的确定折叠屏的显示状态，需要实时的确定折叠屏的折叠角度。目前，常规的计算折叠角度的方法是：通过获取移动终端的加速度数据和地磁数据，并根据供应商提供的算法库来分别计算终端主屏幕姿态和终端副屏幕姿态，利用主副屏幕的滚转(ROLL)，俯仰(PITCH)，偏航(YAW)等姿态数据，使用相似三角形来计算主副屏幕之间的夹角角度。这种方法存在如下缺陷：(1)该方法完全依赖于供应商提供的算法库来虚拟当前屏幕的角度；(2)在主副屏幕夹角计算中，使用相似三角形，计算比较复杂，且不利于二次开发。
技术实现思路
本专利技术实施例提供了一种折叠角度检测方法、装置、终端及存储介质，以解决现有技术中存在的计算折叠角度时完全依赖供应商提供的算法库，不利于二次开发，且计算复杂的技术问题。第一方面，本专利技术实施例提供了一种折叠角度检测方法，应用于具有折叠显示屏的终端中，所述折叠显示屏包括主显示屏和副显示屏，所述主显示屏和所述副显示屏中均设置有加速度传感器和地磁传感器，其中，所述方法包括：实时获取所述主显示屏和所述副显示屏中的加速度传感器和/或地磁传感器采集的加速度数据和/或地磁数据；将所述加速度数据和/或所述地磁数据作为输入值，输入到预先训练好的折叠角检测模型中，并根据所述折叠角检测模型的输出值确定所述折叠显示屏的折叠角度。可选的，所述折叠角检测模型是基于径向基函数神经网络设计的检测模型；相应的，构建基于径向基函数神经网络的折叠角检测模型的操作包括：根据训练样本数据，确定径向基函数神经网络的参数，其中，所述训练样本数据包括预先采集的加速度数据和/或地磁数据，以及加速度数据和/或地磁数据对应的折叠角度；将所述训练样本数据中的所述加速度数据和/或所述地磁数据作为输入，并将所述加速度数据和/或所述地磁数据对应的折叠角度作为输出，训练所述径向基函数神经网络，以得到基于径向基函数神经网络的折叠角检测模型。可选的，所述根据训练样本数据，确定径向基函数神经网络的参数，包括：根据所述训练样本数据，确定径向基函数神经网络的径向基中心；根据所述训练样本数据和所述径向基中心确定径向基函数神经网络的径向基函数的方差。可选的，所述折叠角检测模型是基于BP神经网络设计的检测模型；相应的，构建基于BP神经网络的折叠角检测模型的操作包括：确定BP神经网络的激活函数，并结合训练样本数据对所述BP神经网络进行初始化，其中，训练样本数据包括预先采集的加速度数据和/或地磁数据，以及加速度数据和/或地磁数据对应的折叠角度；将所述训练样本数据中的所述加速度数据和/或所述地磁数据作为输入，并将所述加速度数据和/或所述地磁数据对应的折叠角度作为输出，训练所述BP神经网络，以得到基于BP神经网络的折叠角检测模型。可选的，所述方法还包括：基于验证样本数据，对训练完的折叠角检测模型进行校验，以确定训练完的折叠角检测模型的可信度，其中，验证样本数据至少包括预先采集的加速度数据和/或地磁数据。可选的，所述基于验证样本数据，对训练完的折叠角检测模型进行校验，以确定训练完的折叠角检测模型的可信度，包括：将所述验证样本数据输入到训练完的折叠角检测模型后，获取所述折叠角检测模型输出的折叠角度值，并对所述折叠角度值进行归一化处理，以作为证据理论的输入；获取证据理论的信任函数，并根据归一化的折叠角度值确定所述信任函数的参数；根据所述信任函数的参数获取证据理论的可信区间，并基于所述证据理论的可信区间确定所述折叠角检测模型的可信区间。第二方面，本专利技术实施例还提供了一种折叠角度检测装置，配置在具有折叠显示屏的终端中，所述折叠显示屏包括主显示屏和副显示屏，所述主显示屏和所述副显示屏中均设置有加速度传感器和地磁传感器，其中，所述装置包括：数据获取模块，用于实时获取所述主显示屏和所述副显示屏中的加速度传感器和/或的地磁传感器采集的加速度数据和/或地磁数据；折叠角度计算模块，用于将所述加速度数据和/或所述地磁数据作为输入值，输入到预先训练好的折叠角检测模型中，并根据所述折叠角检测模型的输出值确定所述折叠显示屏的折叠角度。可选的，折叠角检测模型是基于径向基函数神经网络设计的检测模型；相应的，该装置还包括第一构建模块，具体包括：参数确定单元，用于根据训练样本数据，确定径向基函数神经网络的参数，其中，训练样本数据包括预先采集的加速度数据和/或地磁数据，以及加速度数据和/或地磁数据对应的折叠角度；第一训练单元，用于将训练样本数据中的加速度数据和/或地磁数据作为输入，并将加速度数据和/或地磁数据对应的折叠角度作为输出，训练径向基函数神经网络，以得到基于径向基函数神经网络的折叠角检测模型。可选的，参数确定单元具体用于：根据训练样本数据，确定径向基函数神经网络的径向基中心；根据训练样本数据和径向基中心确定径向基函数神经网络的径向基函数的方差。在上述实施例的基础上，折叠角检测模型是基于BP神经网络设计的检测模型；相应的，该装置还包括第二构建模块，具体包括：初始化单元，用于确定BP神经网络的激活函数，并结合训练样本数据对BP神经网络进行初始化，其中，训练样本数据包括预先采集的加速度数据和/或地磁数据，以及加速度数据和/或地磁数据对应的折叠角度；第二训练单元，用于将训练样本数据中的加速度数据和/或地磁数据作为输入，并将加速度数据和/或地磁数据对应的折叠角度作为输出，训练BP神经网络，以得到基于BP神经网络的折叠角检测模型。可选的，该装置还包括：验证模块，用于基于验证样本数据，对训练完的折叠角检测模型进行校验，以确定训练完的折叠角检测模型的可信度，其中，验证样本数据至少包括预先采集的加速度数据和/或地磁数据。可选的，验证模块具体用于：将验证样本数据输入到训练完的折叠角检测模型后，获取折叠角检测模型输出的折叠角度值，并对折叠角度值进行归一化处理，以作为证据理论的输入；获取证据理论的信任函数，并根据归一化的折叠角度值确定该信任函数的参数；根据所述信任函数的参数获取证据理论的可信区间，并基于证据理论的可信区间确定该折叠角检测模型的可信区间。第三方面，本专利技术实施例还提供了一种具有折叠显示屏的终端，包括：一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术任一实施例所述的折叠角度检测方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术任一实施例所述的折叠角度检测方法。本专利技术实施例提供了一种折叠角度检测方法、装置、终端及存储介质，通过预先设计一个折叠角检测模型，将实时采集的加速度数据和/或地磁数据作为折叠角检测模型的输入，根据折叠角检测模型的输出即可确定折叠角度，由此简化的折叠角度的计算，而且在折叠角检测模型的基础上，还便于进行二次研发。附图说明图1是本专利技术实施例一提供的一种折叠角度检测方法的流程示意图；图2是本专利技术实施例二提供的一种折叠角检测模型的设计方法的流程示意图；图3是本文档来自技高网...

【技术保护点】
1.一种折叠角度检测方法，其特征在于，应用于具有折叠显示屏的终端中，所述折叠显示屏包括主显示屏和副显示屏，所述主显示屏和所述副显示屏中均设置有加速度传感器和地磁传感器，其中，所述方法包括：实时获取所述主显示屏和所述副显示屏中的加速度传感器和/或地磁传感器采集的加速度数据和/或地磁数据；将所述加速度数据和/或所述地磁数据作为输入值，输入到预先训练好的折叠角检测模型中，并根据所述折叠角检测模型的输出值确定所述折叠显示屏的折叠角度。

【技术特征摘要】
1.一种折叠角度检测方法，其特征在于，应用于具有折叠显示屏的终端中，所述折叠显示屏包括主显示屏和副显示屏，所述主显示屏和所述副显示屏中均设置有加速度传感器和地磁传感器，其中，所述方法包括：实时获取所述主显示屏和所述副显示屏中的加速度传感器和/或地磁传感器采集的加速度数据和/或地磁数据；将所述加速度数据和/或所述地磁数据作为输入值，输入到预先训练好的折叠角检测模型中，并根据所述折叠角检测模型的输出值确定所述折叠显示屏的折叠角度。2.根据权利要求1所述的方法，其特征在于，所述折叠角检测模型是基于径向基函数神经网络设计的检测模型；相应的，构建基于径向基函数神经网络的折叠角检测模型的操作包括：根据训练样本数据，确定径向基函数神经网络的参数，其中，所述训练样本数据包括预先采集的加速度数据和/或地磁数据，以及加速度数据和/或地磁数据对应的折叠角度；将所述训练样本数据中的所述加速度数据和/或所述地磁数据作为输入，并将所述加速度数据和/或所述地磁数据对应的折叠角度作为输出，训练所述径向基函数神经网络，以得到基于径向基函数神经网络的折叠角检测模型。3.根据权利要求2所述的方法，其特征在于，所述根据训练样本数据，确定径向基函数神经网络的参数，包括：根据所述训练样本数据，确定径向基函数神经网络的径向基中心；根据所述训练样本数据和所述径向基中心确定径向基函数神经网络的径向基函数的方差。4.根据权利要求1所述的方法，其特征在于，所述折叠角检测模型是基于BP神经网络设计的检测模型；相应的，构建基于BP神经网络的折叠角检测模型的操作包括：确定BP神经网络的激活函数，并结合训练样本数据对所述BP神经网络进行初始化，其中，训练样本数据包括预先采集的加速度数据和/或地磁数据，以及加速度数据和/或地磁数据对应的折叠角度；将所述训练样本数据中的所述加速度数据和/或所述地磁数据作为输入，并将所述加速度数据和/或所述地磁数据对应的折叠角度作为输出，训练所述BP神经网络，以得到基于BP神经网络的折叠角检测模型。5.根据权利要求2或4所述的方法，其特征在于，所述方法还包括：基于验证样本数据，对训练完的折叠角检测模型进行校验，以确定训练完的折叠角检测模型的可信度，其中，验证样本数据至少包括预先采集的加速度数据和/或地磁数据。6.根据权利要求5所述的方法，其特征在于，所述基于验证样本数据，对训练完的折叠角检测模型进行校验，以确定训练完的折叠角检测模型的可信度，包括：将所述验证样本数据输入到训练完的折叠角检测模型后，获取所述折叠角检测模型输出的折叠角度值，并对所述折叠角度值进行归一化处理，以作为证据理论的输入；获取证据理论的信任函数，并根据归一化的折叠角度值确定所述信...

【专利技术属性】
技术研发人员：陈治，
申请(专利权)人：闻泰通讯股份有限公司，
类型：发明
国别省市：上海,31