[發(fā)明專(zhuān)利]一種基于IMU傳感器與機(jī)器學(xué)習(xí)的車(chē)輛行駛狀態(tài)檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202211261029.6
• 申請(qǐng)日: 2022-10-14
• 公開(kāi)（公告）號(hào): CN115784093A
• 公開(kāi)（公告）日: 2023-03-14
• 發(fā)明（設(shè)計(jì)）人: 曹喜樂(lè);王利強(qiáng)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 愛(ài)動(dòng)超越人工智能科技（北京）有限責(zé)任公司
• 主分類(lèi)號(hào): B66F9/075
• 分類(lèi)號(hào): B66F9/075;G06F18/214
• 代理公司: 南京匯業(yè)佳知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32708
• 代理人: 汪立雪

本發(fā)明公開(kāi)了一種基于IMU傳感器與機(jī)器學(xué)習(xí)的車(chē)輛行駛狀態(tài)檢測(cè)方法，包括特征值提取，具體包括以下方式：將IMU進(jìn)行姿態(tài)矯正；進(jìn)行時(shí)域、頻域分析；設(shè)定大小為100的時(shí)間窗口，并分別從窗口提取各軸的加速度與角速度數(shù)值；將時(shí)間窗口再分為10個(gè)子窗口，分別提取均值與最大值；提取時(shí)間窗口中的重心頻率、平均頻率、均方根頻率、頻率標(biāo)準(zhǔn)差；對(duì)叉車(chē)的運(yùn)行狀態(tài)進(jìn)行分類(lèi)，并將分類(lèi)好的狀態(tài)設(shè)定為訓(xùn)練的標(biāo)簽；機(jī)器學(xué)習(xí)中的XGboost算法進(jìn)行訓(xùn)練，本發(fā)明提出的車(chē)輛行駛狀態(tài)識(shí)別算法利用可安裝在車(chē)輛上的IMU6軸傳感器采集車(chē)輛的加速度、角速度等姿態(tài)信息，并利用特征值算法對(duì)數(shù)據(jù)進(jìn)行特征提取，并將提取的特征輸入機(jī)器學(xué)習(xí)算法。

技術(shù)領(lǐng)域

本發(fā)明涉及車(chē)輛行駛狀態(tài)識(shí)別的技術(shù)領(lǐng)域，尤其涉及一種基于IMU傳感器與機(jī)器學(xué)習(xí)的車(chē)輛行駛狀態(tài)檢測(cè)方法。

背景技術(shù)

車(chē)輛行駛狀態(tài)識(shí)別是指通過(guò)采集車(chē)輛運(yùn)行時(shí)的數(shù)據(jù)，經(jīng)過(guò)算法處理，對(duì)車(chē)輛的當(dāng)前運(yùn)動(dòng)狀態(tài)進(jìn)行分析，以達(dá)到對(duì)車(chē)輛進(jìn)行實(shí)時(shí)監(jiān)控的目的。車(chē)輛行駛狀態(tài)識(shí)別在車(chē)輛駕駛和安全研究領(lǐng)域一直是一個(gè)具有挑戰(zhàn)性的問(wèn)題；

在叉車(chē)的日常作業(yè)中，因?yàn)槠鋸?fù)雜多樣的工作環(huán)境(倉(cāng)庫(kù)內(nèi)、露天工作、陡坡、顛簸路面)以及駕駛員駕駛習(xí)慣的不同，難以準(zhǔn)確、實(shí)時(shí)的分析和識(shí)別駕駛行為信息，目前國(guó)內(nèi)外已有成熟的駕駛輔助系統(tǒng)(ADAS)，但是系統(tǒng)所需的攝像頭和傳感器價(jià)格昂貴，所有應(yīng)用只局限于高端汽車(chē)于高端人群。而目前市面上大多數(shù)類(lèi)似于ADAS的產(chǎn)品屬于事前預(yù)防，在安全事故發(fā)生之前做好應(yīng)對(duì)措施，防止安全事故的發(fā)生，但是此種方法所需成本較高，無(wú)法進(jìn)行事后的檢測(cè)分析。

發(fā)明內(nèi)容

本部分的目的在于概述本發(fā)明的實(shí)施例的一些方面以及簡(jiǎn)要介紹一些較佳實(shí)施例。在本部分以及本申請(qǐng)的說(shuō)明書(shū)摘要和發(fā)明名稱(chēng)中可能會(huì)做些簡(jiǎn)化或省略以避免使本部分、說(shuō)明書(shū)摘要和發(fā)明名稱(chēng)的目的模糊，而這種簡(jiǎn)化或省略不能用于限制本發(fā)明的范圍。

鑒于上述現(xiàn)有基于IMU傳感器與機(jī)器學(xué)習(xí)的車(chē)輛行駛狀態(tài)檢測(cè)方法存在的問(wèn)題，提出了本發(fā)明。

因此，本發(fā)明目的是提供一種基于IMU傳感器與機(jī)器學(xué)習(xí)的車(chē)輛行駛狀態(tài)檢測(cè)方法，其對(duì)事發(fā)時(shí)的數(shù)據(jù)進(jìn)行分析，把數(shù)據(jù)中的事故信息因子進(jìn)行特征提取，并深入分析其產(chǎn)生的原因，以確保此類(lèi)安全事故不再發(fā)生。

為解決上述技術(shù)問(wèn)題，本發(fā)明提供如下技術(shù)方案：一種基于IMU傳感器與機(jī)器學(xué)習(xí)的車(chē)輛行駛狀態(tài)檢測(cè)方法，包括以下步驟；

步驟一：特征值提取，具體包括以下方式：

(1)將IMU進(jìn)行姿態(tài)矯正；

(2)進(jìn)行時(shí)域、頻域分析，并就分析結(jié)果進(jìn)行篩選，篩出能夠代表碰撞發(fā)生的特征；

(3)設(shè)定大小為100的時(shí)間窗口，并分別從窗口提取各軸的加速度與角速度數(shù)值；

(4)將時(shí)間窗口再分為10個(gè)子窗口，分別提取均值與最大值；

(5)提取時(shí)間窗口中的重心頻率、平均頻率、均方根頻率、頻率標(biāo)準(zhǔn)差；

(6)對(duì)叉車(chē)的運(yùn)行狀態(tài)進(jìn)行分類(lèi)，并將分類(lèi)好的狀態(tài)設(shè)定為訓(xùn)練的標(biāo)簽；步驟二：機(jī)器學(xué)習(xí)中的XGboost算法進(jìn)行訓(xùn)練，具體包括以下方式：

(1)將特征值數(shù)據(jù)集放入算法進(jìn)行訓(xùn)練，進(jìn)行參數(shù)調(diào)整，生成算法模型；

(2)使用模型進(jìn)行推理，并設(shè)計(jì)一個(gè)長(zhǎng)度為5的隊(duì)列，將推理結(jié)果與對(duì)應(yīng)的速度、貨叉升降信息放入隊(duì)列；

(3)當(dāng)隊(duì)列滿(mǎn)時(shí)判斷第三個(gè)隊(duì)列元素的狀態(tài)值；之所有將速度的標(biāo)準(zhǔn)差做為判斷依據(jù)，是因?yàn)椴孳?chē)發(fā)生碰撞時(shí)，短時(shí)間內(nèi)的速度變化會(huì)比較大；

(4)根據(jù)狀態(tài)值判斷結(jié)果是否為碰撞；

(5)輸出結(jié)果，輸出隊(duì)列第三個(gè)元素的狀態(tài)值，刪除隊(duì)列第一個(gè)元素，保持隊(duì)列長(zhǎng)度不變，并進(jìn)行下一次判斷。