基于机器视觉的车辆座椅调节方法、系统、装置及介质与流程

本发明涉及车辆控制，尤其是一种基于机器视觉的车辆座椅调节方法、系统、装置及介质。

背景技术：

1、随着汽车智能网联化的发展，车辆监测及控制技术也越来越智能化，给驾乘人员带来越来越丰富的行车体验。目前市面上车辆装备的主动座椅，都是根据车辆上各类传感器收集的车身姿态信息作为输入进行座椅姿态的调节，但这种调节方式存在一定的滞后性，即当车辆在路况改变的情况下发生车身姿态变化之后，才会相应地进行座椅姿态的调节，而主动座椅一般采用气囊充放气的方式进行姿态调节，气囊充放气也需要一定的时间来完成，这就意味着车辆座椅的调节并不能及时响应路况的变化，在车辆座椅还未来得及调整之前仍然会因为路况变化对驾乘人员的驾乘体验带来一定的影响；此外，由于存在滞后性，调整后的座椅姿态实质上只能应对下一阶段的路况而非当前的路况，导致车辆座椅调节的准确性并不高。

技术实现思路

1、本发明的目的在于至少一定程度上解决现有技术中存在的技术问题之一。

2、为此，本发明实施例的一个目的在于提供一种基于机器视觉的车辆座椅调节方法，该方法提高了车辆座椅调节的准确性和及时性，也提高了驾乘人员的驾乘体验。

3、本发明实施例的另一个目的在于提供一种基于机器视觉的车辆座椅调节系统。

4、为了达到上述技术目的，本发明实施例所采取的技术方案包括：

5、第一方面，本发明实施例提供了一种基于机器视觉的车辆座椅调节方法，包括以下步骤：

6、获取目标车辆前方的道路图像时序数据，将所述道路图像时序数据输入到预先训练好的路况识别模型，得到所述目标车辆前方的实时路况信息；

7、获取所述目标车辆的实时车速信息和实时胎压信息，对所述实时车速信息、所述实时胎压信息以及所述实时路况信息进行特征融合，得到多维行驶状态数据；

8、将所述多维行驶状态数据输入到预先训练好的座椅姿态预测模型，得到目标座椅姿态参数；

9、根据所述目标座椅姿态参数对所述目标车辆的车辆座椅进行调节控制。

10、进一步地，在本发明的一个实施例中，所述获取目标车辆前方的道路图像时序数据这一步骤，其具体包括：

11、通过设置在所述目标车辆前端/车顶的摄像装置获取预设时段内所述目标车辆前方的道路图像信息；

12、对所述道路图像信息进行时序化处理得到所述道路图像时序数据。

13、进一步地，在本发明的一个实施例中，所述车辆座椅调节方法还包括预先训练所述路况识别模型的步骤，其具体包括：

14、获取预设的多个路况样本时序数据，并通过人工标注确定各所述路况样本时序数据的路况标签；

15、根据所述路况样本时序数据和对应的所述路况标签构建第一训练数据集；

16、将所述第一训练数据集输入到预先构建的双向循环神经网络进行训练，得到训练好的所述路况识别模型；

17、其中，所述路况标签包括路面平坦度、上坡角度、下坡角度、转弯半径以及转弯方向中的至少一种，所述双向循环神经网络包括输入层、正向隐藏层、反向隐藏层以及输出层。

18、进一步地，在本发明的一个实施例中，所述将所述第一训练数据集输入到预先构建的双向循环神经网络进行训练，得到训练好的所述路况识别模型这一步骤，其具体包括：

19、将所述路况样本时序数据输入到所述输入层，并通过所述正向隐藏层计算得到第一隐藏状态向量；

20、将所述路况样本时序数据逆序输入到所述输入层，并通过所述反向隐藏层计算得到第二隐藏状态向量；

21、对所述第二隐藏状态向量进行逆序处理得到第三隐藏状态向量，并将所述第一隐藏状态向量和所述第三隐藏状态向量进行拼接处理得到第四隐藏状态向量；

22、将所述第四隐藏状态向量输入到所述输出层，输出得到路况识别结果；

23、根据所述路况识别结果和所述路况标签确定所述双向循环神经网络的第一损失值；

24、根据所述第一损失值更新所述双向循环神经网络的模型参数，并返回将所述路况样本时序数据输入到所述输入层这一步骤；

25、当所述第一损失值达到预设的第一阈值，停止训练，得到训练好的所述路况识别模型。

26、进一步地，在本发明的一个实施例中，所述获取所述目标车辆的实时车速信息和实时胎压信息，对所述实时车速信息、所述实时胎压信息以及所述实时路况信息进行特征融合，得到多维行驶状态数据这一步骤，其具体包括：

27、通过车身控制器获取所述目标车辆的实时车速信息和实时胎压信息；

28、根据所述实时车速信息确定车速特征向量，根据所述实时胎压信息确定胎压特征向量，并根据所述实时路况信息确定路况特征向量；

29、对所述车速特征向量、所述胎压特征向量以及所述路况特征向量进行向量拼接处理，得到所述多维行驶状态数据。

30、进一步地，在本发明的一个实施例中，所述车辆座椅调节方法还包括预先训练所述座椅姿态预测模型的步骤，其具体包括：

31、获取预设的多个行驶状态样本数据，并通过人工标注确定各所述行驶状态样本数据的座椅姿态标签；

32、根据所述行驶状态样本数据和对应的所述座椅姿态标签构建第二训练数据集；

33、将所述第二训练数据集输入到预先构建的卷积神经网络，得到座椅姿态预测结果；

34、根据所述座椅姿态预测结果和所述座椅姿态标签确定所述卷积神经网络的第二损失值；

35、根据所述第二损失值通过反向传播算法更新所述卷积神经网络的模型参数，并返回将所述第二训练数据集输入到预先构建的卷积神经网络这一步骤；

36、当所述第二损失值达到预设的第二阈值，停止训练，得到训练好的所述座椅姿态预测模型。

37、进一步地，在本发明的一个实施例中，所述车辆座椅调节方法还包括以下步骤：

38、当根据所述实时路况信息确定路况不佳，且根据所述实时车速信息确定车速超出预设的第三阈值，控制所述车辆座椅收紧侧翼，以提醒驾驶员注意驾驶安全。

39、第二方面，本发明实施例提供了一种基于机器视觉的车辆座椅调节系统，包括：

40、路况识别模块，用于获取目标车辆前方的道路图像时序数据，将所述道路图像时序数据输入到预先训练好的路况识别模型，得到所述目标车辆前方的实时路况信息；

41、特征融合模块，用于获取所述目标车辆的实时车速信息和实时胎压信息，对所述实时车速信息、所述实时胎压信息以及所述实时路况信息进行特征融合，得到多维行驶状态数据；

42、座椅姿态预测模块，用于将所述多维行驶状态数据输入到预先训练好的座椅姿态预测模型，得到目标座椅姿态参数；

43、座椅调节控制模块，用于根据所述目标座椅姿态参数对所述目标车辆的车辆座椅进行调节控制。

44、第三方面，本发明实施例提供了一种基于机器视觉的车辆座椅调节装置，包括：

45、至少一个处理器；

46、至少一个存储器，用于存储至少一个程序；

47、当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现上述的一种基于机器视觉的车辆座椅调节方法。

48、第四方面，本发明实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行上述的一种基于机器视觉的车辆座椅调节方法。

49、本发明的优点和有益效果将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到：

50、本发明实施例获取目标车辆前方的道路图像时序数据，将道路图像时序数据输入到预先训练好的路况识别模型，得到目标车辆前方的实时路况信息，获取目标车辆的实时车速信息和实时胎压信息，对实时车速信息、实时胎压信息以及实时路况信息进行特征融合，得到多维行驶状态数据，将多维行驶状态数据输入到预先训练好的座椅姿态预测模型，得到目标座椅姿态参数，根据目标座椅姿态参数对目标车辆的车辆座椅进行调节控制。本发明实施例根据车辆前方的道路图像识别车辆前方实时路况信息，并与车辆的实时车速信息和实时胎压信息进行特征融合得到多维行驶状态数据，根据该多维行驶状态数据和预先训练的座椅姿态预测模型预测得到舒适的目标座椅姿态参数，从而使得车辆座椅能够及时响应路况的变化，也有充足的时间进行气囊充放气以调节座椅姿态，提高了车辆座椅调节的准确性和及时性，也提高了驾乘人员的驾乘体验。