本申请公开了一种车辆姿态角预测模型的训练方法、一种车辆姿态角预测方法、装置及设备，用于实现实时、准确地车辆姿态角预测。该训练方法包括：采集车辆运行数据，车辆运行数据包括车速、车辆位置信息以及姿态信息，姿态信息包括至少一个欧拉角的角度值；将车辆运行数据分解为目标欧拉角对应的车辆运行数据，目标欧拉角分别为每一欧拉角；从目标欧拉角对应的车辆运行数据中截取连续第一数量时刻的目标欧拉角对应的车辆运行数据以及连续第二数量时刻的目标欧拉角对应的角度值作为训练样本；连续第一数量时刻与连续第二数量时刻组成连续时刻；利用训练样本训练初始LSTM时序网络，生成目标欧拉角对应的车辆姿态角预测模型。生成目标欧拉角对应的车辆姿态角预测模型。生成目标欧拉角对应的车辆姿态角预测模型。
【技术实现步骤摘要】
姿态角预测模型的训练、姿态角预测方法、装置及设备
[0001]本申请涉及数据处理
，具体涉及一种车辆姿态角预测模型的训练方法、一种车辆姿态角预测方法、装置及设备。
技术介绍
[0002]在车辆运行过程中，会存在各种因素导致车辆姿态发生改变，例如，驾驶员操控车辆、路面不平整、经过上下坡路段、经过减速带等情况均会导致车辆姿态发生改变。
[0003]在一些场景下，需要检测车辆姿态，以便于进一步对车辆进行控制。车辆姿态一般可以由车辆姿态角进行表征。通常可以利用传感器实时检测车辆状态，车辆状态包括有车辆姿态角。但是，由于传感器存在误差和延迟，无法实时获取较为准确的车辆姿态角。
技术实现思路
[0004]有鉴于此，本申请实施例提供一种车辆姿态角预测模型的训练方法、一种车辆姿态角预测方法、装置及设备，以实现实时获取较为准确的车辆姿态角。
[0005]为解决上述问题，本申请实施例提供的技术方案如下：
[0006]第一方面，本申请实施例提供一种车辆姿态角预测模型的训练方法，所述方法包括：
[0007]采集车辆运行数据，所述车辆运行数据包括车速、车辆位置信息以及姿态信息，所述姿态信息包括至少一个欧拉角的角度值；
[0008]将所述车辆运行数据分解为目标欧拉角对应的车辆运行数据，所述目标欧拉角分别为每一所述欧拉角；
[0009]从所述目标欧拉角对应的车辆运行数据中截取连续第一数量时刻的目标欧拉角对应的车辆运行数据以及连续第二数量时刻的目标欧拉角对应的角度值作为训练样本；所述连续第一数量时刻与所述连续第二数量时刻组成连续时刻；
[0010]利用所述训练样本训练初始LSTM时序网络，生成所述目标欧拉角对应的车辆姿态角预测模型。
[0011]在一种可能的实现方式中，所述采集车辆运行数据，包括：
[0012]获取车载传感器采集的车速以及姿态信息；
[0013]获取通过全球定位系统采集的定位数据、摄像头采集的图像数据以及雷达采集的雷达数据；
[0014]根据所述图像数据和/或所述雷达数据对所述定位数据进行修正，得到车辆位置信息；所述车速、所述车辆位置信息以及所述姿态信息组成车辆运行数据。
[0015]在一种可能的实现方式中，在将所述车辆运行数据分解为目标欧拉角对应的车辆运行数据之前，所述方法还包括：
[0016]将所述车辆运行数据分割为多个时间段的车辆运行数据；
[0017]将各个所述时间段的车辆运行数据进行坐标系对齐，生成对齐后的各个时间段的
车辆运行数据，并将对齐后的各个时间段的车辆运行数据重新确定为车辆运动数据。
[0018]在一种可能的实现方式中，所述利用所述训练样本训练初始LSTM时序网络，生成所述目标欧拉角对应的车辆姿态角预测模型，包括：
[0019]将所述连续第一数量时刻的目标欧拉角对应的车辆运行数据输入初始LSTM时序网络，获得所述连续第二数量时刻的目标欧拉角对应的预测角度值；
[0020]根据所述连续第二数量时刻的目标欧拉角对应的预测角度值以及所述连续第二数量时刻的目标欧拉角对应的角度值，计算损失值；
[0021]根据所述损失值调整所述初始LSTM时序网络；
[0022]重复执行将所述连续第一数量时刻的目标欧拉角对应的车辆运行数据输入初始LSTM时序网络以及后续步骤，直到达到预设条件，生成所述目标欧拉角对应的车辆姿态角预测模型。
[0023]第二方面，本申请实施例提供一种车辆姿态角预测方法，所述方法包括：
[0024]获取连续第一数量时刻的车辆实时运行数据，所述车辆实时运行数据包括车速、车辆位置信息以及姿态信息，所述姿态信息包括至少一个欧拉角的角度值；
[0025]将所述连续第一数量时刻的车辆实时运行数据输入目标欧拉角对应的车辆姿态角预测模型，获得连续第二数量时刻的目标欧拉角的预测角度值；所述目标欧拉角分别为每一所述欧拉角，所述连续第一数量时刻与所述连续第二数量时刻组成连续时刻，所述目标欧拉角对应的车辆姿态角预测模型是上述的车辆姿态角预测模型的训练方法训练生成的。
[0026]在一种可能的实现方式中，所述方法还包括：
[0027]从所述连续第二数量时刻的目标欧拉角的预测角度值中获得当前时刻的目标欧拉角的预测角度值；
[0028]根据所述当前时刻的目标欧拉角的预测角度值调整车载投影系统的投影矩阵。
[0029]第三方面，本申请实施例提供一种车辆姿态角预测模型的训练装置，所述装置包括：
[0030]采集单元，用于采集车辆运行数据，所述车辆运行数据包括车速、车辆位置信息以及姿态信息，所述姿态信息包括至少一个欧拉角的角度值；
[0031]分解单元，用于将所述车辆运行数据分解为目标欧拉角对应的车辆运行数据，所述目标欧拉角分别为每一所述欧拉角；
[0032]截取单元，用于从所述目标欧拉角对应的车辆运行数据中截取连续第一数量时刻的目标欧拉角对应的车辆运行数据以及连续第二数量时刻的目标欧拉角对应的角度值作为训练样本；所述连续第一数量时刻与所述连续第二数量时刻组成连续时刻；
[0033]训练单元，用于利用所述训练样本训练初始LSTM时序网络，生成所述目标欧拉角对应的车辆姿态角预测模型。
[0034]第四方面，本申请实施例提供一种车辆姿态角预测装置，所述装置包括：
[0035]获取单元，用于获取连续第一数量时刻的车辆实时运行数据，所述车辆实时运行数据包括车速、车辆位置信息以及姿态信息，所述姿态信息包括至少一个欧拉角的角度值；
[0036]预测单元，用于将所述连续第一数量时刻的车辆实时运行数据输入目标欧拉角对应的车辆姿态角预测模型，获得连续第二数量时刻的目标欧拉角的预测角度值；所述目标
欧拉角分别为每一所述欧拉角，所述连续第一数量时刻与所述连续第二数量时刻组成连续时刻，所述目标欧拉角对应的车辆姿态角预测模型是根据上述的车辆姿态角预测模型的训练方法训练生成的。
[0037]第五方面，本申请实施例提供一种电子设备，包括：存储器，处理器，及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上述的车辆姿态角预测模型的训练方法，或者如上述的车辆姿态角预测方法。
[0038]第六方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行如上述的车辆姿态角预测模型的训练方法，或者如上述的车辆姿态角预测方法。
[0039]由此可见，本申请实施例具有如下有益效果：
[0040]本申请实施例收集大量包括车速、车辆位置信息以及姿态信息的车辆运行数据，进而将车辆运行数据拆分为每个欧拉角对应的车辆运行数据。针对每个欧拉角对应的车辆运行数据，从中截取连续T个时刻的车辆运行数据以及之后N个时刻的该欧拉角的角度值作为训练样本，训练初始LSTM时序网络，以生成该欧拉角对应的车本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种车辆姿态角预测模型的训练方法，其特征在于，所述方法包括：采集车辆运行数据，所述车辆运行数据包括车速、车辆位置信息以及姿态信息，所述姿态信息包括至少一个欧拉角的角度值；将所述车辆运行数据分解为目标欧拉角对应的车辆运行数据，所述目标欧拉角分别为每一所述欧拉角；从所述目标欧拉角对应的车辆运行数据中截取连续第一数量时刻的目标欧拉角对应的车辆运行数据以及连续第二数量时刻的目标欧拉角对应的角度值作为训练样本；所述连续第一数量时刻与所述连续第二数量时刻组成连续时刻；利用所述训练样本训练初始LSTM时序网络，生成所述目标欧拉角对应的车辆姿态角预测模型。2.根据权利要求1所述的方法，其特征在于，所述采集车辆运行数据，包括：获取车载传感器采集的车速以及姿态信息；获取通过全球定位系统采集的定位数据、摄像头采集的图像数据以及雷达采集的雷达数据；根据所述图像数据和/或所述雷达数据对所述定位数据进行修正，得到车辆位置信息；所述车速、所述车辆位置信息以及所述姿态信息组成车辆运行数据。3.根据权利要求1或2所述的方法，其特征在于，在将所述车辆运行数据分解为目标欧拉角对应的车辆运行数据之前，所述方法还包括：将所述车辆运行数据分割为多个时间段的车辆运行数据；将各个所述时间段的车辆运行数据进行坐标系对齐，生成对齐后的各个时间段的车辆运行数据，并将对齐后的各个时间段的车辆运行数据重新确定为车辆运动数据。4.根据权利要求1所述的方法，其特征在于，所述利用所述训练样本训练初始LSTM时序网络，生成所述目标欧拉角对应的车辆姿态角预测模型，包括：将所述连续第一数量时刻的目标欧拉角对应的车辆运行数据输入初始LSTM时序网络，获得所述连续第二数量时刻的目标欧拉角对应的预测角度值；根据所述连续第二数量时刻的目标欧拉角对应的预测角度值以及所述连续第二数量时刻的目标欧拉角对应的角度值，计算损失值；根据所述损失值调整所述初始LSTM时序网络；重复执行将所述连续第一数量时刻的目标欧拉角对应的车辆运行数据输入初始LSTM时序网络以及后续步骤，直到达到预设条件，生成所述目标欧拉角对应的车辆姿态角预测模型。5.一种车辆姿态角预测方法，其特征在于，所述方法包括：获取连续第一数量时刻的车辆实时运行数据，所述车辆实时运行数据包括车速、车辆位置信息以及姿态信息，所述姿态信息包括至少一个欧拉角的角度值；将所述连续第一数量时刻的车辆实时运行数据输入目标欧拉角对应的车辆姿态角预测模型，获得连续第二数量时刻的目标欧拉角的预测角度值；所述目标欧拉角分别为每一所述欧拉角，所述连续第一数量时刻与所述连续第二数量时刻组...
【专利技术属性】
技术研发人员：佘明钢，张鑫，张洪旭，牟文燕，
申请(专利权)人：东软集团大连有限公司，
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。