[发明专利]一种基于机器学习的汽车失重检测与控制方法

说明书

本发明提供了一种基于机器学习的汽车失重检测与控制方法，用于在汽车过桥时控制汽车减速以避免乘客产生失重感，具有这样的特征，包括以下步骤：步骤1，建立上桥的识别模型；步骤2，建立下桥的识别模型；步骤3，利用人工神经网络算法建立汽车下桥时的理想车速的优化模型；步骤4，汽车通过待测桥时的速度控制。通过本方法能够实现桥的自动识别以及下桥时的自动精确减速，特别适用于汽车的无人驾驶过程。

技术领域

本发明涉及车辆领域，具体涉及一种基于机器学习的汽车失重检测与控制方法。

背景技术

随着汽车行业的不断发展，特别是在无人驾驶技术中，乘车舒适性和汽车的平顺性越来越受到重视。在日常生活中，桥一般都是做成拱形的，因为这样就将桥的受力集中到桥的两端(桥墩)，这样当桥上受力时，可以把力量传递到两端(桥墩)。汽车经过拱形桥过程中，汽车做离心运动，重力减去支持力为向心力，所以汽车处于失重状态，给人带来不适的感觉。

在汽车过桥时，我们一般采用的是人工减速来缓解乘车人不适的感觉。但是，人工减速会存在操作失当，调整过度问题。此外，随着无人驾驶的发展，如何实现汽车过桥时的自适应减速成为车辆领域中亟待解决的问题之一。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供一种基于机器学习的汽车失重检测与控制方法。

本发明提供了一种基于机器学习的汽车失重检测与控制方法，用于在汽车过桥时控制汽车减速以避免乘客产生失重感，具有这样的特征，包括以下步骤：步骤1，建立上桥的识别模型：步骤1-1，收集预定数量的关于桥的图片的正样本和负样本得到收集数据集，步骤1-2，设定桥的特征点的种类，步骤1-3，根据设定的特征点对收集数据集进行图像提取得到第一特征点图像，步骤1-4，将第一特征点图像通过显著区域检测法进行处理得到第一显著性图像，步骤1-5，对汽车行驶过程中汽车前方的物体进行检测得到物体图片，步骤1-6，根据设定的特征点对物体图片进行图像提取得到物体特征点图像，步骤1-7，将物体特征点图像通过显著区域检测法进行处理得到物体显著性图像，步骤1-8，分别对物体显著性图像以及第一显著性图像进行特征提取并对提取结果进行比对识别，步骤1-9，在设定的时间内重复进行步骤1-5～步骤1-8，并采用机器学习训练模型进行精确识别得到上桥的识别模型；步骤2，建立下桥的识别模型：步骤2-1，设定桥的特征点的种类，步骤2-2，根据设定的特征点对收集数据集进行图像提取得到第二特征点图像，步骤2-3，将第二特征点图像通过显著区域检测法进行处理得到第二显著性图像，步骤2-4，对汽车行驶过程中汽车前方的物体进行检测得到物体图片，步骤2-5，根据设定的特征点对物体图片进行图像提取得到物体特征点图像，步骤2-6，将物体特征点图像通过显著区域检测法进行处理得到物体显著性图像，步骤2-7，分别对物体显著性图像以及第二显著性图像进行特征提取并对提取结果进行比对识别，步骤2-8，在设定的时间内重复进行步骤2-4～步骤2-7，并对采用机器学习训练模型进行精确识别得到下桥的识别模型；步骤3，建立汽车下桥时的理想车速的优化模型：步骤3-1，对汽车前方的物体进行检测得到物体图片和坡度数据，步骤3-2，将物体图片中的特征点进行特征提取得到图像数据，步骤3-3，当汽车下桥时，控制汽车减速并记录使乘客没有失重感时的目标车速，步骤3-4，当汽车下桥时，控制汽车减速至目标车速，得到此时的图像数据和坡度数据的权重并根据该权重更新目标车速，步骤3-5，重复步骤3-4并通过人工神经网络算法对图像数据以及坡度数据进行模型训练得到图像数据和坡度数据的最优权重；步骤4，汽车通过待测桥时的速度控制，步骤4-1，对汽车前方的物体进行检测得到待测物体图片和待测坡度数据，步骤4-2，将待测物体图片中的特征点进行特征提取得到待测图像数据，步骤4-3，将待测图像数据分别与上桥的识别模型以及下桥的识别模型进行比对来判断汽车是否在下桥，步骤4-4，根据判断为是的判断结果，并根据待测坡度数据、待测图像数据以及最优权重得到汽车下桥时需要的理想车速；步骤4-5，以刹车减速的方式将车速减至理想车速，其中，步骤1-2中，粗定位桥的特征点至少包括水、栏杆、路的坡度范围、路的宽度、桥的高度，步骤2-1中，粗定位桥的特征点至少包括土地变化、栏杆变化以及路面下凹。