[发明专利]一种骑行载具姿态安全监测方法及装置

说明书

本发明公开了一种骑行载具姿态安全监测方法，包括以下步骤：S1、读取六轴加速度/陀螺仪传感器的俯仰角、航向角、横滚角、三轴的角速度数据，使用madgwick算法进行IMU姿态融合解算；S2、获取连续n组姿态融合解算的俯仰角、航向角、横滚角、三轴的角速度与对应期望输出的二进制编码为初始训练集训练RBF神经网络；S3、保存训练完成的神经网络参数，获取连续n组俯仰角、航向角、横滚角、三轴方向角速度，并以三个欧拉角和三个角速度为神经网络的输入样本，求样本对应特征向量对应的神经网络输出分类结果；S4、无线通信模块获取当前骑行载具的定位信息，并将定位信息与姿态分类结果发送至指定终端地址。

技术领域

本发明涉及骑行检测技术领域，尤其是一种骑行载具姿态安全监测方法及装置。

背景技术

如果采用以固定阈值界定摔倒或收到猛烈冲击的方法，那么对于众多的厂家的众多型号的共享单车，要分别针对不同的共享单车建立不同的物理模型计算阈值。而自行车倾倒的物理模型因受力情况的多样化需考虑的情况众多，计算过程极其复杂而且理论的阈值跟实际阈值存在着很大的误差。而且在某些情况下，会出现错误的判断，比如虽然自行车发生事故受到猛烈冲击，但是在发生倾倒时共享自行车用户能够用腿进行一定的有效支撑或用柔软的物体进行缓解倒地时的冲击，那么共享自行车用户将不会受到很大的伤害，更不需要医疗急救。

发明内容

本发明的目的是提供一种骑行载具姿态安全监测方法及装置，方法适用性广泛，无需针对不同骑行载具进行物理模型计算阈值，多次训练后识别准确度极大增加。

为实现上述目的，本发明采用下述技术方案：

一种骑行载具姿态安全监测方法，包括以下步骤：

S1、读取六轴加速度/陀螺仪传感器的俯仰角pitch、航向角yaw、横滚角roll、三轴的角速度数据，使用madgwick算法进行IMU姿态融合解算；

S2、获取连续n组姿态融合解算的俯仰角pitch、航向角yaw、横滚角roll、三轴的角速度与对应期望输出的二进制编码为初始训练集训练RBF神经网络；

S3、保存训练完成的神经网络参数，获取连续n组俯仰角pitch、航向角yaw、横滚角roll、三轴方向角速度，并以三个欧拉角和三个角速度为神经网络的输入样本，求样本对应特征向量对应的神经网络输出分类结果；

S4、无线通信模块获取当前骑行载具的定位信息，并将定位信息与姿态分类结果发送至指定终端地址。

进一步地，如权利要求1所述的一种骑行载具姿态安全监测方法，其特征是，所述步骤S1中，读取六轴加速度/陀螺仪传感器的俯仰角pitch、航向角yaw、横滚角roll、三轴的角速度数据与使用madgwick算法进行姿态融合解算一组俯仰角pitch、航向角yaw、横滚角roll、三轴的角速度数据的指令时间总和小于

进一步地，步骤S2具体步骤如下：

S21、以400HZ的频率采样姿态融合解算后的数据，对己知的姿态i(i＝1,2,3...m)，将n组解算后三轴的姿态角俯仰角pitch、航向角yaw、横滚角roll和三轴角速度值作为一组初始训练数据；；

S22、从每个数据中提取相同的特征组成特征向量，设姿态i拥有S_i个特征向量，则m个姿态共有个特征向量，获取实际训练样本；

S23、用二进制码确定期望输出，根据特征向量生成训练样本集，利用训练样本集进行训练。

进一步地，所述步骤S23中，利用训练样本集进行训练选用的神经网络核函数为：