【技术实现步骤摘要】
本专利技术涉及汽车座椅调整领域，尤其涉及一种用于汽车座椅的人体体型类别预测方法及目标座椅姿态获取方法。
技术介绍
1、目前在汽车座椅领域上对人体体型的识别，大部分是通过摄像头和雷达来检测乘车人体型数据，或者基于压力传感器来进行体型(仅包含体重信息)识别，但是人体身高方面并没有得到一个精准的预测。
2、另外，当前座椅的设计需要兼顾安全性、舒适性、装配便利性等要求。座椅的舒适性设计通常考虑舒适性断面、人与骨架硬点间距等设计参数。一般不同乘客上车后需要自主调节座椅至满足自己最合适的位置，或者通过记忆功能调节至想要的位置，但是该位置是否是最优的状态无法判断，也无法从人体生物学端判断最优的舒适性。目前基于生物力学的疲劳度评价模型也较为简单，一般是从关节力和肌肉力角度出发，评价指标较为单一，尤其是研究对象非驾驶环境，而驾驶场景中，人和驾驶室具有多接触的特征，且驾驶疲劳是多方面因素所引起的，因此目前疲劳度评价模型的评价精度不够准确。
3、本专利技术一方面实现了人体体型（同时包含体重及身高，下文中相关的内容无特殊说明均是包含体重及身高）的预测，另一方面基于准确预测的人体身高与体重模拟出驾驶场景，从而计算出了准确的且疲劳度为最优的座椅姿态，解决了上述技术问题。
技术实现思路
1、为了实现人体体型的精准预测，本专利技术提出了一种用于汽车座椅的人体体型类别预测方法，包括：
2、设定各种人体体型对应的体型类别标签；
3、基于座椅上布设的压力检测点，依次获取各
4、通过训练样本训练svm模型，得到svm目标模型；
5、获取当前用户处于预设座椅位置时座椅上的压力点云数据，并输入svm目标模型，通过svm目标模型预测出当前用户对应的体型类别。
6、进一步地，所述体型类别标签包含体型类别对应的身高范围与体重范围；
7、所述压力点云特征数据中还包括：
8、座椅坐垫信息，具体包括：臀宽、大腿长、坐骨结节间距、总压力值、平均压力值以及各点云数值范围对应的有效受力点数；
9、座椅靠背信息，具体包括：背宽、背高、总压力值、平均压力值以及各点云数值范围对应的有效受力点数。
10、进一步地，所述有效受力点数的获取方法为：
11、设定多个百分比，基于百分比与压力点云特征数据中最大点云数值的乘积，以及预设阈值设定多个点云数值范围，获取各点云数值范围内的有效受力点数量；所述有效受力点数量为去噪以后的受力点数量。
12、进一步地，所述数据分析处理包括：对原始压力点云数据去初值处理；对去除初值后的压力点云数据进行滤波处理。
13、进一步地，所述预处理中，具体包括：
14、获取原始压力点云数据的点云数值平均值为处理前平均值、数据分析处理后压力点云数据的点云数值平均值为处理后平均值；
15、获取处理前平均值与处理后平均值的比值为调整系数；
16、基于调整系数修复数据分析处理后的压力点云数据中每一个检测点对应的点云数值得到压力点云初始修复数据；
17、获取原始压力点云数据中检测点对应点云数值大小排名在前预设范围内的点云数值，对前预设范围内各检测点对应的点云数值与数据分析处理后对应检测点的点云数值进行比较，将较大的点云数值保留为或设置为压力点云初始修复数据中对应检测点的点云数值，得到压力点云特征数据。
18、进一步地，所述压力点云初始修复数据的获取公式为：
19、数据分析处理后检测点对应的点云数值*调整系数=压力点云初始修复数据中对应检测点的点云数值。
20、为了解决目前的疲劳度评价模型评价指标单一且未考虑人和驾驶室接触特征，而导致评价精度不够准确的问题，本专利技术还提出了通过如上文所述的人体体型类别预测方法预测当前用户对应的体型类别；
21、基于预测的体型类别计算当前用户对应的最优疲劳度，基于最优疲劳度设定当前用户对应的目标座椅姿态。
22、进一步地，设定当前用户对应的目标座椅姿态，具体包括：
23、s1：获取预测得到的体型类别对应身高范围的中间值与体重范围的中间值为当前用户的人体尺寸数据，根据人体尺寸数据构建人体骨骼肌肉模型，基于生物力学仿真软件，利用人体骨骼肌肉模型与座椅模型进行运动学约束，以构建人椅耦合仿真模型；
24、s2：初始化座椅姿态对应的变量值，并写入中间文件，设定座椅姿态为优化变量，设定最小综合疲劳度为优化目标；
25、s3：通过生物力学仿真软件读取中间文件，并加载至人椅耦合仿真模型，基于中间文件调整座椅姿态；
26、s4：基于调整后的座椅姿态，通过生物力学仿真软件利用运动学约束与动力学条件计算当前用户对应的腰椎力、肌肉作用力与人椅接触力；
27、s5：利用当前用户对应的腰椎力、肌肉作用力与人椅接触力计算综合疲劳度并存储至数据表，更新中间文件中的变量值，并返回s3步骤，直至获得最小综合疲劳度，设定最小综合疲劳度对应的座椅姿态为当前用户对应的目标座椅姿态。
28、进一步地，所述s5步骤中,具体通过梯度下降法、遗传算法或枚举法更新中间文件中的变量值；
29、所述腰椎力包括腰椎l4-l5节段对应的前后向分力与左右向分力；所述肌肉作用力包括肩部肌肉群、脊柱肌肉群、大腿肌肉群与小腿肌肉群中各根细分肌肉对应的激活度；所述人椅接触力包括坐垫上的法向力和剪切力以及靠背上的法向力和剪切力；
30、所述运动学约束包括h点约束、背部侵入点约束、脚与踏板之间的约束以及手与方向盘之间的约束；
31、所述座椅姿态对应的变量值包括：坐垫前后调节量、高低调节量以及靠背与坐垫之间的角度。
32、进一步地，所述s5步骤中，计算综合疲劳度的公式为：
33、
34、式中，表示肌肉激活度评价指标，表示人椅接触力评价指标，表示腰椎力评价指标，分别表示对应的权重，表示综合疲劳度，为包含肩部肌肉群中各根细分肌肉对应的激活度的数组，为包含脊柱肌肉群中各根细分肌肉对应的激活度的数组，为包含大腿肌肉群中各根细分肌肉对应的激活度的数组，为包含小腿肌肉群中各根细分肌肉对应的激活度的数组，表示当前肌肉群中的最大激活度，表示当前肌肉群对应的平均激活度，表示最大激本文档来自技高网...
【技术保护点】
1.一种用于汽车座椅的人体体型类别预测方法，其特征在于，包括：
2.根据权利要求1所述的一种用于汽车座椅的人体体型类别预测方法，其特征在于，所述体型类别标签包含体型类别对应的身高范围与体重范围；
3.根据权利要求2所述的一种用于汽车座椅的人体体型类别预测方法，其特征在于，所述有效受力点数的获取方法为：
4.根据权利要求3所述的一种用于汽车座椅的人体体型类别预测方法，其特征在于，所述数据分析处理包括：对原始压力点云数据去初值处理；对去除初值后的压力点云数据进行滤波处理。
5.根据权利要求4所述的一种用于汽车座椅的人体体型类别预测方法，其特征在于，所述预处理中，具体包括：
6.根据权利要求5所述的一种用于汽车座椅的人体体型类别预测方法，其特征在于，所述压力点云初始修复数据的获取公式为：
7.一种目标座椅姿态获取方法，其特征在于，包括：
8.根据权利要求7所述的一种目标座椅姿态获取方法，其特征在于，设定当前用户对应的目标座椅姿态，具体包括：
9.根据权利要求8所述的一种目标座椅姿态获取方法，
10.式中，表示肌肉激活度评价指标，表示人椅接触力评价指标，表示腰椎力评价指标，分别表示对应的权重，表示综合疲劳度，为包含肩部肌肉群中各根细分肌肉对应的激活度的数组，为包含脊柱肌肉群中各根细分肌肉对应的激活度的数组，为包含大腿肌肉群中各根细分肌肉对应的激活度的数组，为包含小腿肌肉群中各根细分肌肉对应的激活度的数组，表示当前肌肉群中的最大激活度，表示当前肌肉群对应的平均激活度，表示最大激活度对应的权重，表示平均激活度对应的权重；分别表示坐垫上的法向力和剪切力，分别表示靠背上的法向力和剪切力，分别表示坐垫上的最大法向力与平均法向力，分别表示坐垫上的最大剪切力与平均剪切力，分别表示靠背上的最大法向力与平均法向力，分别表示靠背上的最大剪切力与平均剪切力，分别表示最大接触力对应的权重与平均接触力对应的权重；分别表示腰椎L4-L5节段对应的前后向分力与左右向分力。
11.一种基于人体体型类别控制气囊爆破量的方法，其特征在于，包括：
...【技术特征摘要】
1.一种用于汽车座椅的人体体型类别预测方法，其特征在于，包括：
2.根据权利要求1所述的一种用于汽车座椅的人体体型类别预测方法，其特征在于，所述体型类别标签包含体型类别对应的身高范围与体重范围；
3.根据权利要求2所述的一种用于汽车座椅的人体体型类别预测方法，其特征在于，所述有效受力点数的获取方法为：
4.根据权利要求3所述的一种用于汽车座椅的人体体型类别预测方法，其特征在于，所述数据分析处理包括：对原始压力点云数据去初值处理；对去除初值后的压力点云数据进行滤波处理。
5.根据权利要求4所述的一种用于汽车座椅的人体体型类别预测方法，其特征在于，所述预处理中，具体包括：
6.根据权利要求5所述的一种用于汽车座椅的人体体型类别预测方法，其特征在于，所述压力点云初始修复数据的获取公式为：
7.一种目标座椅姿态获取方法，其特征在于，包括：
8.根据权利要求7所述的一种目标座椅姿态获取方法，其特征在于，设定当前用户对应的目标座椅姿态，具体包括：
9.根据权利要求8所述的一...
【专利技术属性】
技术研发人员：刘菲，李连超，付保安，郭位龙，顾磊，常琳，
申请(专利权)人：继峰座椅合肥有限公司，
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。