地面材质识别方法、装置、电子设备及存储介质
- 国知局
- 2024-07-31 22:36:04
本发明涉及数据处理,尤其涉及一种地面材质识别方法、装置、电子设备及存储介质。
背景技术:
1、随着智能车辆技术的快速发展,精准的环境感知能力成为了提升自主行驶能力和安全性的关键。在这方面,实时准确地识别地面材质对于提升智能车辆的适应性和驾驶决策过程至关重要。
2、传统地面材质识别技术主要通过地面反馈的超声信号、光学信号、音频信号或分析运动阻力对工作效率的影响来获取地面特征,然后采用传统判别器判别分析地面材质。
3、然而,传统地面材质识别方法大多依赖于大量的信号处理和分析步骤,在面对地面材质的多样性和环境的复杂性时,地面材质识别准确性低。
技术实现思路
1、本发明提供一种地面材质识别方法、装置、电子设备及存储介质,用以解决现有技术中传统地面材质识别方法在面对地面材质的多样性和环境的复杂性时,地面材质识别准确性低的缺陷,实现在面对地面材质的多样性和环境的复杂性时,有效提升地面材质识别的准确性和稳定性,进而增强智能车辆的适应性和安全驾驶能力。
2、本发明提供一种地面材质识别方法,包括:
3、采集待识别地面材质引气的压力变化时序数据;
4、将预处理后的所述压力变化时序数据输入训练好的1d-snn模型进行地面材质识别,得到识别结果;
5、其中,所述1d-snn模型是基于1d-cnn和脉冲神经元构建的,所述1d-cnn用于提取所述压力变化时序数据的局部时序特征,所述脉冲神经元用于提取所述压力变化时序数据的全局时序特征。
6、在一些实施例中,所述1d-snn模型包括:至少一个一维卷积层、多个残差块和一个全连接层;
7、输入所述1d-snn模型的信号,依次经过至少一个一维卷积层、多个残差块和一个全连接层后输出;
8、其中,每一个所述残差块包括:三个一维卷积层、两个批归一化层和两个lif脉冲神经元;
9、输入所述残差块的信号分两路,一路信号依次经过一维卷积层、批归一化层、lif脉冲神经元、一维卷积层和批归一化层后,与另一路经一维卷积层的信号进行汇合后,经lif脉冲神经元输出。
10、在一些实施例中,所述方法还包括:
11、将预处理后的样本时序数据输入到所述1d-snn模型中,得到时序特征;
12、根据交叉熵损失函数,计算所述时序特征对应的损失值;
13、利用所述损失值对所述1d-snn模型进行反向迭代更新,以更新所述损失值;
14、在更新后的损失值小于目标阈值的情况下,得到所述训练好的1d-snn模型。
15、在一些实施例中,所述利用所述损失值对所述1d-snn模型进行反向迭代更新,包括:
16、根据所述损失值和梯度函数,确定替代梯度;
17、采用所述替代梯度对所述1d-snn模型进行反向迭代更新。
18、在一些实施例中,在将预处理后的样本时序数据输入到所述1d-snn模型中之前,还包括:
19、对样本时序数据进行异常值识别和剔除处理,并调整处理后的样本时序数据的尺寸,得到目标样本时序数据;
20、对所述目标样本时序数据进行归一化处理,得到所述预处理后的样本时序数据。
21、在一些实施例中,所述压力变化时序数据是通过安装在与车辆轮胎底部平齐位置的压力传感器获取的。
22、在一些实施例中,所述压力传感器为fsr402超薄型电阻式压力传感器。
23、本发明还提供一种地面材质识别装置,包括:
24、采集模块,用于采集待识别地面材质引气的压力变化时序数据;
25、识别模块,用于将预处理后的所述压力变化时序数据输入训练好的1d-snn模型进行地面材质识别,得到识别结果;
26、其中,所述1d-snn模型是基于1d-cnn和脉冲神经元构建的,所述1d-cnn用于提取所述压力变化时序数据的局部时序特征,所述脉冲神经元用于提取所述压力变化时序数据的全局时序特征。
27、本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述任一种所述地面材质识别方法。
28、本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述地面材质识别方法。
29、本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述地面材质识别方法。
30、本发明提供的地面材质识别方法、装置、电子设备及存储介质,通过将待识别地面材质引气的压力变化时序数据输入到1d-snn模型中进行地面材质识别,1d-snn模型中的1d-cnn负责提取压力变化时序数据的局部时序特征,1d-snn模型中的脉冲神经元负责提取压力变化时序数据的全局时序特征,得到更全面的时序特征,在面对地面材质的多样性和环境的复杂性时,有效提升地面材质识别的准确性和稳定性,进而增强智能车辆的适应性和安全驾驶能力。
技术特征:1.一种地面材质识别方法,其特征在于,包括:
2.根据权利要求1所述的地面材质识别方法,其特征在于,所述1d-snn模型包括:至少一个一维卷积层、多个残差块和一个全连接层;
3.根据权利要求1所述的地面材质识别方法,其特征在于,所述方法还包括:
4.根据权利要求3所述的地面材质识别方法,其特征在于,所述利用所述损失值对所述1d-snn模型进行反向迭代更新,包括:
5.根据权利要求3所述的地面材质识别方法,其特征在于,在将预处理后的样本时序数据输入到所述1d-snn模型中之前,还包括:
6.根据权利要求1所述的地面材质识别方法,其特征在于,所述压力变化时序数据是通过安装在与车辆轮胎底部平齐位置的压力传感器获取的。
7.根据权利要求6所述的地面材质识别方法,其特征在于,所述压力传感器为fsr402超薄型电阻式压力传感器。
8.一种地面材质识别装置,其特征在于,包括:
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述地面材质识别方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述地面材质识别方法。
技术总结本发明提供一种地面材质识别方法、装置、电子设备及存储介质,涉及数据处理技术领域,所述方法包括:采集待识别地面材质引气的压力变化时序数据,将预处理后的压力变化时序数据输入训练好的1D‑SNN模型进行地面材质识别,得到识别结果;其中,1D‑SNN模型是基于1D‑CNN和脉冲神经元构建的,1D‑CNN用于提取压力变化时序数据的局部时序特征,脉冲神经元用于提取压力变化时序数据的全局时序特征。本发明在面对地面材质的多样性和环境的复杂性时,有效提升地面材质识别的准确性和稳定性,进而增强智能车辆的适应性和安全驾驶能力。技术研发人员:李文娟,李兵,原春锋,叶炳昊,胡卫明受保护的技术使用者:中国科学院自动化研究所技术研发日:技术公布日:2024/7/25本文地址:https://www.jishuxx.com/zhuanli/20240731/193800.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。