【技术实现步骤摘要】
基于深度学习的主动式气囊拉带装置及其控制方法
本专利技术属于车辆安全
,具体涉及基于深度学习的主动式气囊拉带装置及其控制方法。
技术介绍
当前,我国校车的发展处于初级阶段,主要服务对象是小学生。随着国家对教育资源的重新整合,实行撤点并校,进一步提高了校车的潜在需求量。在当前不断增长的校车需求下,大量不符合相关法律法规的校车不断地涌入市场,导致近些年校车事故频发,对儿童乘员的安全性造成了巨大的潜在危险。据交通等相关部门的抽查发现,小学生在乘坐校车时,常存在未佩戴安全带的现象,同时,由于儿童乘员天性活泼好动,在乘坐校车时,经常出现“离位”现象,使得儿童乘员的伤亡率较高。安全气囊是乘员约束系统中重要的乘员保护辅助装置,其配合安全带使用,能显著降低乘员死亡率。目前所使用的安全气囊主要是被动触发式的,其在触发的瞬间会产生巨大的冲击力,若将此安全气囊应用于校车,其巨大的冲击力将会对未完全发育的“离位”儿童乘员造成严重的伤害。
技术实现思路
针对上述情况,本专利技术提供基于深度学习的主动式气囊拉带装置及其控制方法。基于深度学习的主动式气囊拉带装置,包括:气囊回收装置、单向电机、电机支架、转速传感器、传动轴、挡板、卷筒、底座、摄像头、语音提示模块、主动式安全气囊、以及拉带模块。所述气囊回收装置安装在座椅靠背中,用于回收主动式气囊袋;所述拉带模块布置在气囊回收装置中;所述单向电机安装在电机支架上端,在拉带回收时,单向电机为卷筒提供动力;所述电机支架与底座相连,为单向电机提供支撑力;所述转速传感 ...
【技术保护点】
1.基于深度学习的主动式气囊拉带装置,其特征在于,包括:气囊回收装置(12)、单向电机(1)、电机支架(2)、转速传感器(3)、传动轴(4)、挡板(5)、卷筒(6)、底座(7)、摄像头、语音提示模块(11)、主动式安全气囊(9)、拉带模块(13)以及ACU;/n所述气囊回收装置(12)安装在座椅靠背中,用于回收主动式安全气囊的气囊袋;所述拉带模块布置在气囊回收装置中;所述单向电机(1)安装在电机支架(2)上端,在拉带回收时,单向电机(1)为卷筒(6)提供动力;所述电机支架(2)与底座(7)相连,为单向电机(1)提供支撑力;所述转速传感器(3)安装在单向电机(1)上,用于检测单向电机输出轴的旋转圈数;所述传动轴的两端分别与单向电机的输出轴和卷筒(6)相连,用于将单向电机输出的转矩传递至卷筒(6),使得单相电机的输出轴与卷筒(6)同步转动;所述挡板(5)位于卷筒(6)的中心位置,用于隔离卷筒(6)的两端拉带,防止在拉带回收时,拉带发生缠绕现象;所述卷筒(6)固定连接传动轴上,用于在安全气囊泄气时回收拉带;所述底座(7)通过螺栓固定在气囊回收装置(12)上;所述摄像头布置在车内,用于拍摄乘员 ...
【技术特征摘要】
1.基于深度学习的主动式气囊拉带装置,其特征在于,包括:气囊回收装置(12)、单向电机(1)、电机支架(2)、转速传感器(3)、传动轴(4)、挡板(5)、卷筒(6)、底座(7)、摄像头、语音提示模块(11)、主动式安全气囊(9)、拉带模块(13)以及ACU;
所述气囊回收装置(12)安装在座椅靠背中,用于回收主动式安全气囊的气囊袋;所述拉带模块布置在气囊回收装置中;所述单向电机(1)安装在电机支架(2)上端,在拉带回收时,单向电机(1)为卷筒(6)提供动力;所述电机支架(2)与底座(7)相连,为单向电机(1)提供支撑力;所述转速传感器(3)安装在单向电机(1)上,用于检测单向电机输出轴的旋转圈数;所述传动轴的两端分别与单向电机的输出轴和卷筒(6)相连,用于将单向电机输出的转矩传递至卷筒(6),使得单相电机的输出轴与卷筒(6)同步转动;所述挡板(5)位于卷筒(6)的中心位置,用于隔离卷筒(6)的两端拉带,防止在拉带回收时,拉带发生缠绕现象;所述卷筒(6)固定连接传动轴上,用于在安全气囊泄气时回收拉带;所述底座(7)通过螺栓固定在气囊回收装置(12)上;所述摄像头布置在车内,用于拍摄乘员的坐姿,以采集乘员坐姿图像;语音提示模块(11)用于提醒乘员佩戴安全带;所述主动式安全气囊(9)能够收纳于气囊回收装置中,在校车发生碰撞时,为乘员提供最佳防护。
2.根据权利要求1所述的基于深度学习的主动式气囊拉带装置,其特征在于,所述ACU根据轮速传感器(3)实时采集车速信息、根据存储的算法获得儿童乘员安全带的佩戴信息和乘员的姿态信息,其包括头部、颈部、胸部、髋部、大腿、小腿和前臂的坐标信息,结合储存在ACU中的主动式安全气囊包形信息进行匹配,得出最优包形,以便为儿童乘员提供最佳防护;
所述ACU计算各个拉带的长度,以确定单向电机输出轴的旋转圈数,向拉带模块发送信号,通过控制拉带的长度,以使得气囊达到ACU计算得到的包形;
所述ACU存储的算法包括:YOLO3网络模型,得出包含儿童乘员和安全带的区域;G-RMI算法模型,对儿童乘员进行姿态估计;以及Softmax分类器模型,用于当前儿童乘员的坐姿类别。
3.基于深度学习的主动式气囊拉带装置的控制方法,其特征在于,包括如下步骤:
步骤1:各摄像头采集儿童乘员坐姿图像,将图像信息输入已训练好的Yolo3网络中,输出分类为儿童乘员和安全带的包围框;
步骤2:判别Yolo3网络是否输出儿童乘员和安全带的包围框,若没有检测到儿童乘员,则主动式安全气囊不启动,反之,则主动式安全气囊开始启动;若检测到儿童乘员未佩戴安全带,则发出预警信号,语音提示模块(11)接收到预警信号后,进行语音提示,若检测到儿童乘员已佩戴安全带,则语音提示模块不工作;
步骤3:将Yolo3网络输出的儿童乘员包围框,输入到姿态估计网络中,使用G-RMI算法得到关节点骨架图,将骨架图输入到分类器softmax中,得到人体坐姿图像对应的儿童乘员当前坐姿状态,进而确定出头部、颈部、胸部、髋部、大腿、小腿和前臂等的位置,以及儿童乘员相对于座椅对称面的横向偏移度,同时,对原始图像特征的提取,估算儿童乘员前胸与前排座椅的距离,并将数据传输至主动式安全气囊控制器,即ACU;
步骤4:ACU根据轮速传感器实时采集车速信息、步骤2中获得的儿童乘员安全带的佩戴信息和步骤3中获得的乘员的姿态信息,其包括头部、颈部、胸部、髋部、大腿、小腿和前臂的坐标信息,结合储存在ACU中的主动式安全气囊包形进行匹配,得以匹配最优包形,为儿童乘员提供最佳防护;
步骤5:ACU计算各个拉带的长度,以确定单向电机输出轴的旋转圈数,向拉带模块发送信号,通过控制拉带的长度,以达到ACU计算得到的包形;
步骤6:在校车发生碰撞的过程中,ACU根据摄像头探测到的儿童乘员与主动式安全气囊的接触位置,实时向单向电机发送信号,通过控制各个拉带的长度,以控制主动式安全气囊的包形,极大降低儿童乘员的损伤。
4.根据权利要求3所述的基于深度学习的主动式气囊拉带装置的控制方法,其特征在于,步骤3中,用于儿童乘员的姿态估计方法,具体包括:
采用自顶向下的方式,即先...
【专利技术属性】
技术研发人员:洪亮,刘刚,杜睿,李思远,王子康,
申请(专利权)人:江苏大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。