一种路面不平度的分类识别方法、装置、车辆及存储介质制造方法及图纸

本发明专利技术公开了一种路面不平度的分类识别方法、装置、车辆及存储介质。该方法包括获取至少一组训练数据序列，根据所述至少一组训练数据序列将预设神经网络模型经过至少一轮训练，得到路面不平度预测模型；在车辆未来行驶预测轨迹上出现前车遮挡后，采集所述前车的实时位姿数据；将所述实时位姿数据输入至所述路面不平度预测模型，确定与所述前车行驶路面匹配的不平度分类识别结果。本发明专利技术的技术方案增加路面不平度预测模型的准确性与鲁棒性，提高对前方路面不平度识别的准确性。方路面不平度识别的准确性。方路面不平度识别的准确性。

【技术实现步骤摘要】
一种路面不平度的分类识别方法、装置、车辆及存储介质


[0001]本专利技术涉及图像识别
，尤其涉及一种路面不平度的分类识别方法、装置、车辆及存储介质。

技术介绍

[0002]城市道路工况下，车辆自身前向视觉传感器视野频繁遭路面上的其他车辆占据，无法感知前方路面状况，进而导致现有的路面不平度识别功能失效，此功能影响车辆整车模式切换、车辆动力学状态预测、主动悬架等其余功能，若失效将导致车辆安全性、舒适性等性能的下降。现有技术通常使用视觉传感器对前方路面高程、路面不平度进行识别的技术。
[0003]专利技术人在实现本专利技术的过程中，发现现有技术存在如下缺陷：现有对前方路面不平度的方法并没有考虑到实际应用过程中广泛存在的城市工况下视野受遮挡的问题，导致无法感知前方路面状况。

技术实现思路

[0004]本专利技术提供了一种路面不平度的分类识别方法、装置、车辆及存储介质，以增加路面不平度预测模型的准确性与鲁棒性，提高对前方路面不平度识别的准确性。
[0005]根据本专利技术的一方面，提供了一种路面不平度的分类识别方法，该方法包括：
[0006]获取至少一组训练数据序列，根据所述至少一组训练数据序列将预设神经网络模型经过至少一轮训练，得到路面不平度预测模型；
[0007]在车辆未来行驶预测轨迹上出现前车遮挡后，采集所述前车的实时位姿数据；
[0008]将所述实时位姿数据输入至所述路面不平度预测模型，确定与所述前车行驶路面匹配的不平度分类识别结果。
[0009]根据本专利技术的另一方面，提供了一种路面不平度的分类识别装置，该装置包括：
[0010]路面不平度预测模型获取模块，用于获取至少一组训练数据序列，根据所述至少一组训练数据序列将预设神经网络模型经过至少一轮训练，得到路面不平度预测模型；
[0011]位姿数据采集模块，用于在车辆未来行驶预测轨迹上出现前车遮挡后，采集所述前车的实时位姿数据；
[0012]分类识别结果确定模块，用于将所述实时位姿数据输入至所述路面不平度预测模型，确定与所述前车行驶路面匹配的不平度分类识别结果。
[0013]根据本专利技术的另一方面，提供了一种车辆，所述车辆包括：
[0014]至少一个处理器；以及
[0015]与所述至少一个处理器通信连接的存储器；其中，
[0016]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的路面不平度的分类识别方法。
[0017]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的路面不平度的分类识别方法。
[0018]本专利技术实施例的技术方案，通过获取至少一组训练数据序列，根据所述至少一组训练数据序列将预设神经网络模型经过至少一轮训练，得到路面不平度预测模型；在车辆未来行驶预测轨迹上出现前车遮挡后，采集所述前车的实时位姿数据；将所述实时位姿数据输入至所述路面不平度预测模型，确定与所述前车行驶路面匹配的不平度分类识别结果，即通过大量训练数据训练神经网络模型得到路面不平度预测模型，通过路面不平度预测模型根据前车的位姿信号确定前车行驶路面的不平度分类识别结果，解决了现有技术在车辆自身前向视觉传感器视野受遮挡导致无法感知前方路面状况的问题，增加路面不平度预测模型的准确性与鲁棒性，提高对前方路面不平度识别的准确性。
[0019]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0020]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例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专利技术的一些实施例，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，还可以根据这些附图获得其他的附图。
[0021]图1a为本专利技术实施例一提供的一种路面不平度的分类识别方法的流程图；
[0022]图1b为本专利技术实施例一提供的一种路面不平度的分类识别方法的应用场景图；
[0023]图2为本专利技术实施例二提供的另一种路面不平度的分类识别方法的流程图；
[0024]图3为本专利技术实施例三提供的一种路面不平度的分类识别装置的结构示意图；
[0025]图4是实现本专利技术实施例的路面不平度的分类识别方法的车辆的结构示意图。
具体实施方式
[0026]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都应当属于本专利技术保护的范围。
[0027]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0028]实施例一
[0029]图1a为本专利技术实施例一提供的一种路面不平度的分类识别方法的流程图，本实施例可适用于在车辆未来行驶预测轨迹上出现前车遮挡路面的情况，该方法可以由路面不平度的分类识别装置来执行，该路面不平度的分类识别装置可以采用硬件和/或软件的形式实现，该路面不平度的分类识别装置可配置于车辆的主控制器中。如图1a所示，该方法包括：
[0030]S110、获取至少一组训练数据序列，根据所述至少一组训练数据序列将预设神经网络模型经过至少一轮训练，得到路面不平度预测模型。
[0031]城市道路工况下，车辆自身前向视觉传感器视野频繁遭路面上的其他车辆占据，无法感知前方路面状况，进而导致现有的路面不平度识别功能失效，基于此，可以在车辆自身前向视觉传感器视野被占据时，通过前车的位姿信息判别路面不平度。
[0032]其中，至少一组训练数据序列可以是从大量用户车辆在实际行驶中采集的数据中获得，每组训练数据序列可以包括前车的位姿数据以及匹配的路面不平度标签数据，例如，某一时间点前车的位姿数据以及同时间前车行驶路面的不平度标签。预设神经网络模型可以是适用于时间序列信号的计算的RNN(Recurrent Neural Network，循环神经网络)，例如LSTM(Long Short
‑
Term Memory，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种路面不平度的分类识别方法，其特征在于，包括：获取至少一组训练数据序列，根据所述至少一组训练数据序列将预设神经网络模型经过至少一轮训练，得到路面不平度预测模型；在车辆未来行驶预测轨迹上出现前车遮挡后，采集所述前车的实时位姿数据；将所述实时位姿数据输入至所述路面不平度预测模型，确定与所述前车行驶路面匹配的不平度分类识别结果。2.根据权利要求1所述的方法，其特征在于，获取至少一组训练数据序列，包括：针对一组目标车辆和目标前车执行下述操作：在所述目标车辆未来行驶预测轨迹上出现所述目标前车遮挡时，记录第一时间点和所述目标前车的目标位置，并在所述第一时间点后采集所述目标前车的实时位姿数据；根据所述目标前车的实时位姿数据初步确定所述目标前车所处的目标路面严重不平时，判断所述目标车辆在所述第一时间点后是否按照所述未来行驶预测轨迹行驶至所述目标位置；若是，在所述目标车辆按照所述未来行驶预测轨迹行驶至所述目标位置后，采集所述目标车辆的实时动力学响应信号；根据所述目标车辆的实时动力学响应信号再次确定所述目标路面的不平度分类识别结果，并将所述不平度分类识别结果，作为与所述目标路面匹配的标签数据序列；将所述标签数据序列与所述目标前车的实时位姿数据在时序上对齐，得到对齐结果，并将所述对齐结果作为一组训练数据序列。3.根据权利要求2所述的方法，其特征在于，所述目标前车的实时位姿数据包括实时车速和实时侧倾角；相应的，根据所述实时位姿数据初步确定所述目标前车所处的目标路面严重不平，包括：获取所述目标前车的当前车速和当前侧倾角；根据所述当前车速和所述当前侧倾角，计算所述目标前车的当前侧倾方差值；根据所述当前侧倾方差值和预设方差阈值，确定所述目标前车在当前时刻所处的目标路面严重不平。4.根据权利要求3所述的方法，其特征在于，根据所述当前车速和所述当前侧倾角，计算所述目标前车的当前侧倾方差值，包括：根据所述当前车速、预设采集周期和预设不平度判断区间长度，计算在当前时刻对历史目标前车位姿数据的需求数量；根据所述需求数量，获取对应数量的历史目标前车侧倾角；根据所述需求数量和各所述历史目标前车侧倾角，计算所述目标前车的当前侧倾方差值。5.根据权利要求3所述的方法，其特征在于，根据所述当前侧倾方差值和预设方差阈值，确定所述目标前车在当前时刻所处的目标路面严重不平，包括：判断所述当前侧倾方差值是否大于所述预设方差阈值；在所述当前侧倾方差值大于所述预设方差阈值时，确定所述目标前车在当前时刻所处的目标路面严重不平。
6.根据权利要求2所述的方法，其特征在于，判断所述目标车辆在所述第一时间点后是否按照所述未来行驶预测轨迹行驶至所述目...

【专利技术属性】
技术研发人员：洪日，张建，刘秋铮，王超，王御，谢飞，韩亚凝，杜杰，
申请(专利权)人：中国第一汽车股份有限公司，
类型：发明
国别省市：