一种基于IMU传感器与机器学习的车辆行驶状态检测方法技术

本发明专利技术公开了一种基于IMU传感器与机器学习的车辆行驶状态检测方法，包括特征值提取，具体包括以下方式：将IMU进行姿态矫正；进行时域、频域分析；设定大小为100的时间窗口，并分别从窗口提取各轴的加速度与角速度数值；将时间窗口再分为10个子窗口，分别提取均值与最大值；提取时间窗口中的重心频率、平均频率、均方根频率、频率标准差；对叉车的运行状态进行分类，并将分类好的状态设定为训练的标签；机器学习中的XGboost算法进行训练，本发明专利技术提出的车辆行驶状态识别算法利用可安装在车辆上的IMU6轴传感器采集车辆的加速度、角速度等姿态信息，并利用特征值算法对数据进行特征提取，并将提取的特征输入机器学习算法。并将提取的特征输入机器学习算法。并将提取的特征输入机器学习算法。

【技术实现步骤摘要】
一种基于IMU传感器与机器学习的车辆行驶状态检测方法


[0001]本专利技术涉及车辆行驶状态识别的
，尤其涉及一种基于IMU传感器与机器学习的车辆行驶状态检测方法。

技术介绍

[0002]车辆行驶状态识别是指通过采集车辆运行时的数据，经过算法处理，对车辆的当前运动状态进行分析，以达到对车辆进行实时监控的目的。车辆行驶状态识别在车辆驾驶和安全研究领域一直是一个具有挑战性的问题；
[0003]在叉车的日常作业中，因为其复杂多样的工作环境(仓库内、露天工作、陡坡、颠簸路面)以及驾驶员驾驶习惯的不同，难以准确、实时的分析和识别驾驶行为信息，目前国内外已有成熟的驾驶辅助系统(ADAS)，但是系统所需的摄像头和传感器价格昂贵，所有应用只局限于高端汽车于高端人群。而目前市面上大多数类似于ADAS的产品属于事前预防，在安全事故发生之前做好应对措施，防止安全事故的发生，但是此种方法所需成本较高，无法进行事后的检测分析。

技术实现思路

[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0005]鉴于上述现有基于IMU传感器与机器学习的车辆行驶状态检测方法存在的问题，提出了本专利技术。
[0006]因此，本专利技术目的是提供一种基于IMU传感器与机器学习的车辆行驶状态检测方法，其对事发时的数据进行分析，把数据中的事故信息因子进行特征提取，并深入分析其产生的原因，以确保此类安全事故不再发生。
[0007]为解决上述技术问题，本专利技术提供如下技术方案：一种基于IMU传感器与机器学习的车辆行驶状态检测方法，包括以下步骤；
[0008]步骤一：特征值提取，具体包括以下方式：
[0009](1)将IMU进行姿态矫正；
[0010](2)进行时域、频域分析，并就分析结果进行筛选，筛出能够代表碰撞发生的特征；
[0011](3)设定大小为100的时间窗口，并分别从窗口提取各轴的加速度与角速度数值；
[0012](4)将时间窗口再分为10个子窗口，分别提取均值与最大值；
[0013](5)提取时间窗口中的重心频率、平均频率、均方根频率、频率标准差；
[0014](6)对叉车的运行状态进行分类，并将分类好的状态设定为训练的标签；步骤二：机器学习中的XGboost算法进行训练，具体包括以下方式：
[0015](1)将特征值数据集放入算法进行训练，进行参数调整，生成算法模型；
[0016](2)使用模型进行推理，并设计一个长度为5的队列，将推理结果与对应的速度、货
叉升降信息放入队列；
[0017](3)当队列满时判断第三个队列元素的状态值；之所有将速度的标准差做为判断依据，是因为叉车发生碰撞时，短时间内的速度变化会比较大；
[0018](4)根据状态值判断结果是否为碰撞；
[0019](5)输出结果，输出队列第三个元素的状态值，删除队列第一个元素，保持队列长度不变，并进行下一次判断。
[0020]作为本专利技术所述基于IMU传感器与机器学习的车辆行驶状态检测方法的一种优选方案，其中：所述步骤一过程中，叉车的运行状态具体分类为四种，分别为：静止、正常行驶、颠簸、碰撞，并将这四种状态作为训练标签的同时，把提取的特征信息与4种标签相对应；其中，颠簸是指叉车运行在颠簸路面上的运动状态。
[0021]作为本专利技术所述基于IMU传感器与机器学习的车辆行驶状态检测方法的一种优选方案，其中：所述步骤二过程中，当队列满时判断第三队列状态至是碰撞，则计算队列中5个元素速度的标准差，并同时判断叉车的货叉状态是否为升叉，当速度标准差大于阈值1000且为降叉状态时，认定此次碰撞为真实碰撞。
[0022]作为本专利技术所述基于IMU传感器与机器学习的车辆行驶状态检测方法的一种优选方案，其中：所述步骤二过程中，当队列满时判断第三队列状态至是碰撞，若计算队列中5个元素速度的标准差小于阈值，则将碰撞状态调整为颠簸状态后进行结果输出。
[0023]作为本专利技术所述基于IMU传感器与机器学习的车辆行驶状态检测方法的一种优选方案，其中：所述步骤一过程中时域、频域分析的具体方式为小波变换、傅里叶变换。
[0024]作为本专利技术所述基于IMU传感器与机器学习的车辆行驶状态检测方法的一种优选方案，其中：所述步骤一过程中，时间窗口以30为步长依次过滤IMU数据，再在窗口中提取行驶状态特征。
[0025]作为本专利技术所述基于IMU传感器与机器学习的车辆行驶状态检测方法的一种优选方案，其中：所述步骤一过程中IMU进行姿态矫正具体是依据传感器采集叉车的加速度、角速度、叉车速度信息。
[0026]本专利技术的有益效果：
[0027]1、本专利技术提出的车辆行驶状态识别算法利用可安装在车辆上的IMU 6轴传感器采集车辆的加速度、角速度等姿态信息，并利用特征值算法对数据进行特征提取，并将提取的特征输入机器学习算法。此方法可准确识别车辆的行驶状态，且成本低廉，应用场景广泛；
[0028]2、添加了IMU姿态识别校准功能，通过设定大小为100的时间窗口，并以30为步长依次过滤IMU数据，并在窗口中提取行驶状态特征；当车辆发生异常状态(发生了碰撞)，100大小的窗口可以包含异常状态发生的全过程，提取的特征能比较全面描述此异常状态，且通过加入叉车速度、货叉升降等信息进行辅助判定，提高判定的准确率。
附图说明
[0029]为了更清楚地说明本专利技术实施例的技术方案，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性的前提下，还可以根据这些附图获得其它的附图。其中：
[0030]图1为本专利技术提出的一种基于IMU传感器与机器学习的车辆行驶状态检测方法的流程原理示意图。
具体实施方式
[0031]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本专利技术的具体实施方式做详细的说明。
[0032]实施例1
[0033]参照图1，为本专利技术的一个实施例，提供了一种基于IMU传感器与机器学习的车辆行驶状态检测方法，此方法包括以下步骤；
[0034]步骤一：特征值提取，具体包括以下方式：
[0035](1)根据传感器采集叉车的加速度、角速度、叉车速度信息，将IMU进行姿态矫正；
[0036](2)进行时域、频域分析，如小波变换、傅里叶变换，并就分析结果进行筛选，筛出能够代表碰撞发生的特征；
[0037](3)设定大小为100的时间窗口，时间窗口以30为步长依次过滤IMU数据，并分别从窗口提取各轴的加速度与角速度数值；
[0038](4)将时间窗口再分为10个子窗口，分别提取均值与最大值；...

【技术保护点】

【技术特征摘要】
1.一种基于IMU传感器与机器学习的车辆行驶状态检测方法，其特征在于：包括以下步骤；步骤一：特征值提取，具体包括以下方式：(1)将IMU进行姿态矫正；(2)进行时域、频域分析，并就分析结果进行筛选，筛出能够代表碰撞发生的特征；(3)设定大小为100的时间窗口，并分别从窗口提取各轴的加速度与角速度数值；(4)将时间窗口再分为10个子窗口，分别提取均值与最大值；(5)提取时间窗口中的重心频率、平均频率、均方根频率、频率标准差；(6)对叉车的运行状态进行分类，并将分类好的状态设定为训练的标签；步骤二：机器学习中的XGboost算法进行训练，具体包括以下方式：(1)将特征值数据集放入算法进行训练，进行参数调整，生成算法模型；(2)使用模型进行推理，并设计一个长度为5的队列，将推理结果与对应的速度、货叉升降信息放入队列；(3)当队列满时判断第三个队列元素的状态值；(4)根据状态值判断结果是否为碰撞；(5)输出结果，输出队列第三个元素的状态值，删除队列第一个元素，保持队列长度不变，并进行下一次判断。2.根据权利要求1所述的基于IMU传感器与机器学习的车辆行驶状态检测方法，其特征在于：所述步骤一过程中，叉车的运行状态具体分类为四种，分别为：静止、正常行驶、颠簸、碰撞，并将这四种状态作为训练标签的同时...

【专利技术属性】
技术研发人员：曹喜乐，王利强，
申请(专利权)人：爱动超越人工智能科技北京有限责任公司，
类型：发明
国别省市：