【技术实现步骤摘要】
路况检测模型训练、路况检测方法和装置
[0001]本公开涉及人工智能
，尤其涉及一种路况检测模型训练、路况检测方法和装置。
技术介绍
[0002]露天矿的工作环境恶劣，推动露天矿的矿卡无人化具有重要意义。
[0003]在露天矿无人运输场景下，由于矿区道路环境复杂，路面起伏大，会导致车辆运输效率下降、轮胎磨损快、油耗高等问题。基于大数据分析的矿区路况检测，对解决上述问题有重要意义。
技术实现思路
[0004]本公开提出了一种路况检测模型训练、路况检测方法和装置。
[0005]根据本公开的第一方面，提供了一种路况检测模型训练方法，包括：构建第一训练样本数据集，所述第一训练样本数据集包括：道路上的车辆行驶特征样本数据和道路环境特征样本数据；利用第一路况检测模型对所述第一训练样本数据集进行路况类别标注；对标注后的第一训练样本数据集进行综合采样，以得到第二训练样本数据集；根据第二训练样本数据集，对第二路况检测模型进行训练。
[0006]在一些实施例中，第一路况检测模型为无监督模型。>[0007]在一些本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种路况检测模型训练方法，包括：构建第一训练样本数据集，所述第一训练样本数据集包括：道路上的车辆行驶特征样本数据和道路环境特征样本数据；利用第一路况检测模型对所述第一训练样本数据集进行路况类别标注；对标注后的第一训练样本数据集进行综合采样，以得到第二训练样本数据集；根据第二训练样本数据集，对第二路况检测模型进行训练。2.根据权利要求1所述的路况检测模型训练方法，其中，第一路况检测模型为无监督模型。3.根据权利要求1所述的路况检测模型训练方法，其中，对标注后的第一训练样本数据集进行综合采样包括：对标注后的第一训练样本数据集中指定路况类别的样本，进行综合采样，其中，所述指定路况类别为标注后的第一训练样本数据集中数据量占比最小的N个路况类别、或者数据量小于预设阈值的N个路况类别，其中，N为大于或等于1的整数。4.根据权利要求3所述的路况检测模型训练方法，其中，对标注后的第一训练样本数据集中指定路况类别的样本，进行综合采样包括：对所述指定路况类别的样本，进行过采样；对过采样后的样本，进行欠采样。5.根据权利要求1所述的路况检测模型训练方法，其中：所述车辆行驶特征样本数据包括车辆姿态、速度、转向角、角速度、加速度中的至少一项；和/或所述道路环境特征样本数据包括道路的冻结程度、打滑程度中的至少一项。6.根据权利要求1所述的路况检测模型训练方法，其中，所述构建第一训练样本数据集包括：采集车辆在道路上行驶过程中的多传感器数据；基于所述多传感器数据，进行特征数据筛选和/或特征数据构造，以得到车辆行驶特征样本数据和道路环境特征样本数据；根据所述车辆行驶特征样本数据和所述道路环境特征样本数据，构建第一训练样本数据集。7.根据权利要求6所述的路况检测模型训练方法，其中，所述多传感器数据包括：车辆姿态、速度、转向角、角速度、以及加速度中的至少一项，车辆载重，以及温度、降雪量、降雨量中的至少一项。8.根据权利要求1至7任一所述的路况检测模型训练方法，其中，第二路况检测模型包括：第一路况检测模块、第二路况检测模块；所述根据第二训练样本数据集，对第二路况检测模型进行训练包括：将第二训练样本数据集中的车辆行驶特征样本数据输入第一路况检测模块，以得到第一路况类别检测结果；根据第二训练样本数据集中的车辆行驶特征样本数据、以及道路环境特征样本数据，确定融合特征数据；将所述融合特征数据输入第二路况检测模块，以得到第二路况类别检测结果；
根据第一路况类别检测结果和第二路况类别检测结果，确定损失函数值；根据所述损失函数值，对第二路况检测模型进行更新。9.根据权利要求8所述的路况检测模型训练方法，其中，所述第一路况检测模块包括特征提取子模块；所述根据第二训练样本数据集中的车辆行驶特征样本数据、以及道路环境特征样本数据，确定融合特征数据包括：基于所述特征提取子模块，对第二训练样本数据集中的车辆行驶特征样本数据进行处理，以得到中间特征数据；将所述中间特征数据与所述道路环境特征样本数据进行拼接，以得到所述融合特征数据。10.根据权利要求9所述的路况检测模型训练方法，其中，所述特征提取子模块包括残差网络结构和注意力网络结构；所述基于所述特征提取子模块，对第二训练...
【专利技术属性】
技术研发人员：唐建林，王桐，周长成，
申请(专利权)人：江苏徐工工程机械研究院有限公司，
类型：发明
国别省市：
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。