坡度识别方法技术

一种坡度识别方法

【技术实现步骤摘要】
坡度识别方法、装置、设备及计算机可读存储介质


[0001]本申请涉及智能驾驶
，具体涉及一种坡度识别方法
、
装置
、
设备及计算机可读存储介质
。

技术介绍

[0002]现有的道路坡度识别方法，主要分为基于外接传感器和基于车辆纵向动力学模型两种方法
。
[0003]基于外接传感器的主要有倾角传感器
、
陀螺仪
、
加速度传感器，
GPS、
激光雷达等
。
车辆在行驶过程中的高频瞬态运动特性和复杂的行驶工况易造成加速度传感器的量测信噪比降低，造成道路坡度估计的精准度不高
。
悬架变形和路面颠簸等因素会导致陀螺仪传感器无法准确的获取道路坡度
。GPS
信号因精度不高
、
稳定性差等特性也无法精确估计道路坡度，且大多数车辆的处理器又因无法处理激光雷达产生的巨量信息而不能实现坡度的实时预估
。
且这些方法设备成本昂贵，只适用于研发阶段，并不适用于车辆的量产
。
[0004]而基于车辆纵向动力学模型的坡度预估方法，可以从
CAN
总线获取发动机输出转矩
、
变速箱档位和车速等信息结合车辆纵向动力学模型以及卡尔曼滤波进行坡度预估，但此类方法在起步
、
换挡
、
制动和停车等特殊工况下，存在较大误差
。

技术实现思路

[0005]本申请提供一种坡度识别方法
、
装置
、
设备及计算机可读存储介质，可以解决现有技术中存在的车辆在起步
、
换挡
、
制动和停车等特殊工况进行坡度预估不够精确的技术问题
。
[0006]第一方面，本申请实施例提供一种坡度识别方法，所述坡度识别方法包括：
[0007]检测车辆是否处于特殊工况，所述特殊工况为停车工况
、
起步工况
、
制动工况以及换挡工况中的任一种；
[0008]若车辆处于特殊工况，则获取车辆处于特殊工况前第一预设行驶里程内的第一历史坡度数据；
[0009]基于所述第一历史坡度数据对预置
LSTM
模型进行训练，得到训练完成的
LSTM
模型；
[0010]将车辆处于特殊工况前第二预设行驶里程内的第二历史坡度数据输入训练完成的
LSTM
模型，得到训练完成的
LSTM
模型输出的车辆处于特殊工况后第三预设行驶里程内的第三坡度数据；
[0011]根据所述第三坡度数据确定车辆处于特殊工况下的坡度数据
。
[0012]结合第一方面，在一种实施方式中，在所述获取车辆处于特殊工况前第一预设行驶里程内的第一历史坡度数据的步骤之前，还包括：
[0013]检测车辆处于特殊工况前第一预设行驶里程内的历史坡度数据中是否存在按时间变化排列的历史坡度数据；
[0014]若存在，则将按时间变化排列的历史坡度数据转换为按行驶里程变化排列的历史坡度数据
。
[0015]结合第一方面，在一种实施方式中，所述基于所述第一历史坡度数据对预置
LSTM
模型进行训练的步骤包括：
[0016]按照预设行驶里程间隔对所述第一历史坡度数据进行插值处理，得到第四历史坡度数据；
[0017]对所述第四历史坡度数据进行归一化处理，得到训练数据；
[0018]基于所述训练数据对预置
LSTM
模型进行训练
。
[0019]结合第一方面，在一种实施方式中，所述根据所述第三坡度数据确定车辆处于特殊工况下的坡度数据的步骤包括：
[0020]对所述第三坡度数据进行反归一化处理，得到第五坡度数据；
[0021]按照预设行驶里程间隔对所述第五坡度数据进行插值处理，得到第六坡度数据；
[0022]根据车辆处于特殊工况下的行驶里程从第六坡度数据中确定车辆处于特殊工况下的坡度数据
。
[0023]结合第一方面，在一种实施方式中，在所述检测车辆是否处于特殊工况的步骤之后，还包括：
[0024]若车辆处于非特殊工况，则基于车辆纵向动力学模型以及扩展卡尔曼滤波确定车辆处于非特殊工况下的坡度数据
。
[0025]第二方面，本申请实施例提供了一种坡度识别装置，所述坡度识别装置包括：
[0026]检测模块，用于检测车辆是否处于特殊工况，所述特殊工况为停车工况
、
起步工况
、
制动工况以及换挡工况中的任一种；
[0027]获取模块，用于若车辆处于特殊工况，则获取车辆处于特殊工况前第一预设行驶里程内的第一历史坡度数据；
[0028]训练模块，用于基于所述第一历史坡度数据对预置
LSTM
模型进行训练，得到训练完成的
LSTM
模型；
[0029]预测模块，用于将车辆处于特殊工况前第二预设行驶里程内的第二历史坡度数据输入训练完成的
LSTM
模型，得到训练完成的
LSTM
模型输出的车辆处于特殊工况后第三预设行驶里程内的第三坡度数据；
[0030]确定模块，用于根据所述第三坡度数据确定车辆处于特殊工况下的坡度数据
。
[0031]结合第二方面，在一种实施方式中，所述坡度识别装置还包括转换模块，用于：
[0032]检测车辆处于特殊工况前第一预设行驶里程内的历史坡度数据中是否存在按时间变化排列的历史坡度数据；
[0033]若存在，则将按时间变化排列的历史坡度数据转换为按行驶里程变化排列的历史坡度数据
。
[0034]结合第二方面，在一种实施方式中，训练模块，用于：
[0035]按照预设行驶里程间隔对所述第一历史坡度数据进行插值处理，得到第四历史坡度数据；
[0036]对所述第四历史坡度数据进行归一化处理，得到训练数据；
[0037]基于所述训练数据对预置
LSTM
模型进行训练
。
[0038]第三方面，本申请实施例提供了一种坡度识别设备，所述坡度识别设备包括处理器
、
存储器
、
以及存储在所述存储器上并可被所述处理器执行的坡度识别程序，其中所述坡度识别程序被所述处理器执行时，实现如上所述的坡度识别方法的步骤
。
[0039]第四方面，本申请实施例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上存储有坡度识别程序，其中所述坡度识别程序被处理器执行时，实现如上所述的坡度识别方法的步骤
。
[0040]本申请实施例提供的技术方案带来的有益效果至少包括：
[0041]本申请实施例中，检测车辆是否处于特殊工况，所述特殊工况本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种坡度识别方法，其特征在于，所述坡度识别方法包括：检测车辆是否处于特殊工况，所述特殊工况为停车工况
、
起步工况
、
制动工况以及换挡工况中的任一种；若车辆处于特殊工况，则获取车辆处于特殊工况前第一预设行驶里程内的第一历史坡度数据；基于所述第一历史坡度数据对预置
LSTM
模型进行训练，得到训练完成的
LSTM
模型；将车辆处于特殊工况前第二预设行驶里程内的第二历史坡度数据输入训练完成的
LSTM
模型，得到训练完成的
LSTM
模型输出的车辆处于特殊工况后第三预设行驶里程内的第三坡度数据；根据所述第三坡度数据确定车辆处于特殊工况下的坡度数据
。2.
如权利要求1所述的坡度识别方法，其特征在于，在所述获取车辆处于特殊工况前第一预设行驶里程内的第一历史坡度数据的步骤之前，还包括：检测车辆处于特殊工况前第一预设行驶里程内的历史坡度数据中是否存在按时间变化排列的历史坡度数据；若存在，则将按时间变化排列的历史坡度数据转换为按行驶里程变化排列的历史坡度数据
。3.
如权利要求2所述的坡度识别方法，其特征在于，所述基于所述第一历史坡度数据对预置
LSTM
模型进行训练的步骤包括：按照预设行驶里程间隔对所述第一历史坡度数据进行插值处理，得到第四历史坡度数据；对所述第四历史坡度数据进行归一化处理，得到训练数据；基于所述训练数据对预置
LSTM
模型进行训练
。4.
如权利要求3所述的坡度识别方法，其特征在于，所述根据所述第三坡度数据确定车辆处于特殊工况下的坡度数据的步骤包括：对所述第三坡度数据进行反归一化处理，得到第五坡度数据；按照预设行驶里程间隔对所述第五坡度数据进行插值处理，得到第六坡度数据；根据车辆处于特殊工况下的行驶里程从第六坡度数据中确定车辆处于特殊工况下的坡度数据
。5.
如权利要求1所述的坡度识别方法，其特征在于，在所述检测车辆是否处于特殊工况的步骤之后，还包括：若车辆处于非特殊工况，则基于车辆纵向动力学模型以及扩展卡尔曼滤波确定...

【专利技术属性】
技术研发人员：毕雅梦，汪曼，王贝贝，喻锐，王荣荣，董佳怡，曾令慰，
申请(专利权)人：东风商用车有限公司，
类型：发明
国别省市：