[发明专利]结合地表特征和车辆晃动情况的自动驾驶状态控制方法

说明书

本申请涉及智慧农业领域中的智能车辆驾驶状态监控，其具体地公开了一种结合地表特征和车辆晃动情况的自动驾驶状态控制方法。具体地，在控制过程中，其首先获取当前位置的地表情况与该时刻之前的时刻车辆本身的先前晃动情况，然后在高维空间中将两者进行融合以获得融合特征图，进而基于所述融合特征图进行分类，来确定车辆即将到达的行驶路径上的位置是否会存在导致车辆剧烈晃动的情况，通过这样的方式，提高了分类的准确性。

技术领域

本发明涉及智慧农业领域中的智能车辆驾驶状态监控，且更为具体地，涉及一种结合地表特征和车辆晃动情况的自动驾驶状态控制方法、结合地表特征和车辆晃动情况的自动驾驶状态控制系统和电子设备。

背景技术

农业作业车辆包括用于完成翻耕、播种、施肥、喷药、收割等多种田间作业，以及割草、装载、推土和钻孔等多种农业作业的车辆。这些农业车辆在田间作业的过程中可能会正面撞击前方田埂、其他较硬的东西，并且由于地面的坑洼可能会发生剧烈晃动。这时，车辆内部的人会由于惯性向前方运动，同时又会在安全带的作用下将人拉回座椅靠背，导致的晃动容易造成人的头颈部位的损伤。

因此，期待一种农业作业车辆晃动情况的自动驾驶状态控制方法。

目前，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。

深度学习以及神经网络的发展为农业作业车辆晃动情况的自动驾驶状态控制提供了新的解决思路和方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种结合地表特征和车辆晃动情况的自动驾驶状态控制方法、结合地表特征和车辆晃动情况的自动驾驶状态控制系统和电子设备，其在控制过程中，首先获取当前位置的地表情况与该时刻之前的时刻车辆本身的先前晃动情况，然后在高维空间中将两者进行融合以获得融合特征图，进而基于所述融合特征图进行分类，来确定车辆即将到达的行驶路径上的位置是否会存在导致车辆剧烈晃动的情况，通过这样的方式，提高了分类的准确性。

根据本申请的一个方面，提供了一种结合地表特征和车辆晃动情况的自动驾驶状态控制方法，其包括：

获取该车辆在农业作业时的车辆行驶路径上的当前状态下的地表图像；

通过安装在车辆上的三轴加速计获取当前状态之前的多个时间点的在x,y和z轴上的加速度；

将所述地表图像通过深度卷积神经网络，以从所述地表图像中提取出初始特征图；

对所述多个时间点的在x,y和z轴上的加速度，将每个时间点的三个加速度值转化为输入向量，以获得多个输入向量；

将所述多个输入向量分别输入一个或多个全连接层，以获得多个状态特征向量；

对所述多个状态特征向量，将每个所述状态特征向量减去所述多个特征向量的均值后再除以多个向量的方差以获得归一化特征向量，以获得多个归一化特征向量；

将所述多个归一化特征向量在向量样本维度上拼接为特征矩阵，并将所述特征矩阵调整为与所述初始特征图具有相同尺度的状态特征图；

融合所述初始特征图与所述状态特征图，以获得分类特征图；以及

将所述分类特征图通过分类器，以获得分类结果，所述分类结果用于表示是否需要提示该车辆的驾驶员控制车辆的晃动。

在上述结合地表特征和车辆晃动情况的自动驾驶状态控制方法中，通过安装在车辆上的三轴加速计获取当前状态之前的多个时间点的在x,y和z轴上的加速度，包括：通过安装在车辆上的三轴加速计获取当前状态之前的预设时间段内的在x,y和z轴上的加速度；以及，提取该车辆在所述预设时间段内的多个时间点的在x,y和z轴上的加速度。