一种车辆动态行驶虚拟场景的调整系统及方法与流程

本发明涉及汽车领域，尤其涉及一种车辆动态行驶虚拟场景的调整系统及方法。

背景技术：

1、目前，随着人们对生活品质追求越来越高，对于驾驶时的体验尤为重视，然而避免不了车辆行驶环境复杂化，经常存在类似下雨天气、大雾天气导致的障碍物不可知的情况，也存在未能及时获取道路标志导致的走错路的情况，这也就使驾驶员在驾驶时面临着越来越多的驾驶挑战。传统车辆行驶过程中，呈现更多的是在倒车时有倒车影像的辅助，对于周围的环境不能了解周全，这就使驾驶员在行驶过程中驾驶的安全性不强。

2、为了提高驾驶员的安全性和驾驶体验，虚拟现实技术被引入到车辆中。然而，由于传统的车载虚拟现实系统存在着场景预测和调整的局限性，使得车辆在驾驶过程存在驾驶安全性差、驾驶体验差的问题。

技术实现思路

1、鉴于此，为解决传统的车载虚拟现实系统存在着场景预测和调整的局限性，使得车辆在驾驶过程存在驾驶安全性差、驾驶体验差的问题，本发明实施例提供了一种车辆动态行驶虚拟场景的调整系统及方法。

2、一种车辆动态行驶虚拟场景的调整系统，包括：

3、采集标定模块，用于采集当前位置车辆行驶时的场景数据，并多方位标定场景中的各元素；

4、训练模块，用于将车辆当前位置的场景数据输入到预先训练的深度学习模型中进行场景元素预测获得场景预测结果；

5、虚拟场景构建模块，利用虚拟现实技术构建对应当前位置场景预测结果的虚拟场景；

6、动态调整模块，用于当前位置的场景预测结果更新时，对应的虚拟场景也同时动态调整；

7、其中，深度学习模型是通过学习车辆位置、包含标定元素的历史场景数据的对应关系，回归训练得到。

8、在一可能的实施例中，所述训练模块，包括：

9、模型训练子模块，用于执行深度学习模型的训练。

10、在一可能的实施例中，所述模型训练子模块，包括：

11、学习单元，用于学习所述历史场景数据，提取预设时段内各时刻所述包含标定元素的场景数据中的图像空间特征并确定所述图像空间特征与车辆位置的对应关系；

12、分类单元，用于根据预设数据类别，将同一类别的所述图像空间特征归一处理构成一个特征序列子集，多个类别的特征序列子集构成特征序列集；

13、测试训练单元，用于输入某一时刻的车辆位置、所述包含标定元素的场景数据，基于所述对应关系确定所述场景数据对应的所述图像空间特征，找到所述图像空间特征所在的第一特征序列子集；

14、训练达标单元，用于以达到预设的预测准确度为期望，在所述第一特征序列子集中查找下一时刻的目标图像空间特征，确定所述目标图像空间特征对应的车辆位置、所述包含标定元素的场景数据，在达到期望时训练完成。

15、在一可能的实施例中，所述训练模块，还包括：

16、接收子模块，用于接收当前位置的所述场景数据；

17、特征提取子模块，用于提取所述场景数据的图像空间特征并确定所述图像空间特征的第二特征序列子集；

18、结果预测子模块，用于基于所述第二特征序列子集确定当前位置的时刻，并预测下一时刻的车辆位置和包含标定元素的场景数据，输出场景预测结果。

19、在一可能的实施例中，所述虚拟场景构建模块，包括：

20、三维模型子模块，用于为当前位置的场景预测结果中车辆以及标定元素构建三维模型；

21、元素位置子模块，用于基于所述场景预测结果对应的所述图像空间特征，确定所述标定元素的元素位置；

22、虚拟位置子模块，利用虚拟现实技术根据所述场景预测结果的车辆位置确定车辆三维模型的车辆虚拟位置，并基于所述标定元素的元素位置确定标定元素三维模型的元素虚拟位置；

23、虚拟场景子模块，用于基于所述车辆虚拟位置和所述元素虚拟位置确定当前位置的虚拟场景。

24、在一可能的实施例中，所述系统还包括：

25、显示器，用于将所述虚拟场景投射到所述用户视觉范围内。

26、在一可能的实施例中，所述系统还包括：多个传感器、至少一个音频装置；

27、所述传感器，用于追踪用户头部运动状态确定用户头部活动范围；

28、所述音频装置，用于采集车辆预设范围内的声音信息，并在所述用户头部活动范围内将所述声音信息输出为对应虚拟场景的音频信息。

29、基于同一构思，一种车辆动态行驶虚拟场景的调整方法，包括：

30、采集当前位置车辆行驶时的场景数据，并多方位标定场景中的各元素；

31、将车辆当前位置的场景数据输入到预先训练的深度学习模型中进行场景元素预测获得场景预测结果；

32、利用虚拟现实技术构建对应当前位置场景预测结果的虚拟场景；

33、当前位置的场景预测结果更新时，对应的虚拟场景也同时动态调整；

34、其中，深度学习模型是通过学习车辆位置、包含标定元素的历史场景数据的对应关系，回归训练得到。

35、在一可能的实施例中，所述深度学习模型的训练，包括：

36、学习所述历史场景数据，提取预设时段内各时刻所述包含标定元素的场景数据中的图像空间特征并确定所述图像空间特征与车辆位置的对应关系；

37、根据预设数据类别，将同一类别的所述图像空间特征归一处理构成一个特征序列子集，多个类别的特征序列子集构成特征序列集；

38、输入某一时刻的车辆位置、所述包含标定元素的场景数据，基于所述对应关系确定所述场景数据对应的所述图像空间特征，找到所述图像空间特征所在的第一特征序列子集；

39、以达到预设的预测准确度为期望，在所述第一特征序列子集中查找下一时刻的目标图像空间特征，确定所述目标图像空间特征对应的车辆位置、所述包含标定元素的场景数据，在达到期望时训练完成。

40、在一可能的实施例中，所述将车辆当前位置的场景数据输入到预先训练的深度学习模型中进行场景元素预测获得场景预测结果，包括：

41、接收当前位置的所述场景数据；

42、提取所述场景数据的图像空间特征并确定所述图像空间特征的第二特征序列子集；

43、基于所述第二特征序列子集确定当前位置的时刻，并预测下一时刻的车辆位置和包含标定元素的场景数据，输出场景预测结果。

44、本发明实施例，通过采集当前位置车辆行驶时的场景数据，并多方位标定场景中的各元素；将车辆当前位置的场景数据输入到预先训练的深度学习模型中进行场景元素预测获得场景预测结果；利用虚拟现实技术构建对应当前位置场景预测结果的虚拟场景，由此避免了因行驶环境不佳，降低驾驶员感知和反应能力的情况；当前位置的场景预测结果更新时，对应的虚拟场景也同时动态调整；其中，深度学习模型是通过学习车辆位置、包含标定元素的历史场景数据的对应关系，回归训练得到，由此解决了传统的车载虚拟现实系统存在着场景预测和调整的局限性，使得车辆在驾驶过程存在驾驶安全性差、驾驶体验差的问题。