【技术实现步骤摘要】
本申请实施例涉及车辆，具体涉及一种姿态预测方法、神经网络模型的训练方法及设备。
技术介绍
1、随着科技的发展，汽车领域也迎来大量的创新，例如车载抬头显示器(head-updisplay，hud)和车灯投影功能等技术开始广泛应用。
2、其中，在智能车灯投影功能中，为了保证车灯照亮特定的目标区域，需要结合车身姿态实时调整车灯投影光型，不施加额外补偿会导致照亮区域显著变形，影响车灯照明体验。相同的，在hud成像过程中，为了保证投出的标志物体贴合目标物体，也需要结合车身姿态调整成像提醒区域，不施加补偿会导致投出的相关标志物和目标物体不贴合，影响hud的最终显示质量。
3、但是车灯、hud的成像过程存在系统时延，车身姿态可能在系统时延中产生微小变化，导致基于该车身姿态确定的补偿结果不够精确，降低了成像和显示质量。
技术实现思路
1、本申请实施例提供一种姿态预测方法、神经网络模型的训练方法及设备，用于预测出车辆未来时间段的姿态，从而提升补偿数据的准确性，以提升车辆抬头显示成像和...
【技术保护点】
1.一种姿态预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求1或2所述的方法，其特征在于，所述第一对象和所述第二对象的型号相同，所述第二对象的数据采集精度大于所述第一对象。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述第一对象为车辆；
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述第一时间段与所述第二时间段的和小于或等于300毫秒。
6.根据权利要求1-5中任一项所述的方法，其特征在于，所述动作分类器采用支撑向量机模型...
【技术特征摘要】
1.一种姿态预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求1或2所述的方法，其特征在于，所述第一对象和所述第二对象的型号相同，所述第二对象的数据采集精度大于所述第一对象。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述第一对象为车辆；
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述第一时间段与所述第二时间段的和小于或等于300毫秒。
6.根据权利要求1-5中任一项所述的方法，其特征在于，所述动作分类器采用支撑向量机模型、随机森林模型和人工神经网络模型中的至少一项。
7.根据权利要求2-6中任一项所述的方法，其特征在于，所述姿态预测器采用长短时记忆神经网络模型、基于注意力的变压器网络模型和基于梯度下降的序列预测网络模型中的至少一项。
8.一种神经网络模型的训练方法，其特征在于，所述方法包括：
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
10.一种计算设备，其特征在于，包括：
11.根据权利要求10所述的计算设备，其特征在于，还包括：
12.根据权利要求10或11所述的计算设备，其特征在于，所述第一对象和所述第二对象的型号相同，所述第二对象的数据采集精度大于所述第一对...
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。