[发明专利]基于多传感器的越野摩托车运动识别方法及设备

说明书

本发明提供一种基于多传感器的越野摩托车运动识别方法及设备，所述方法包括以下步骤：步骤1，获取安装在越野摩托车上的各类传感器实时采集的运动传感信号，并对获取的运动传感信号进行卡尔曼滤波；步骤2，采用滑动时间窗口对通过卡尔曼滤波后的各类传感信号进行特征提取，获得特征集；步骤3，对特征集中的每个特征进行均值与方差计算，得到扩展特征集；步骤4，将扩展特征集送入到预先训练好的运动场景分类模型中进行分类，获得越野摩托车的运动场景。本发明利用神经网络分类器对实时采集的越野摩托车运动传感信息进行运动场景的同步识别分类，识别结果精准且无需等待大量数据采集，为分析和学习人类驾驶经验和决策逻辑提供基础。

技术领域

本发明涉及大数据采集与处理领域，具体的说，涉及了一种基于多传感器的越野摩托车运动识别方法及设备。

背景技术

越野摩托车等单轨迹运动车辆具有体积小，运动灵活等特点，因此成为我国以及大多中小国家日常出行的主要交通工具。目前国内外对越野摩托车运动情况的研究主要在于从机理分析的角度对越野摩托车模型进行抽象简化，建立运动学或动力学方程，以此求得越野摩托车运动过程中各个不同部位之间的相互联系与制约。但是由于越野摩托车等单轨迹车辆的自由度较多，因此运行时不同部位相互作用，难以建立出准确的运动模型，且由于模型中理想化条件相对较多，也使得实验结果在真实的运动场景中准确度较低。

考虑到越野摩托车的建模较为复杂，并且越野摩托车作为公路上最危险的交通工具之一，其运动的稳定性对于驾驶员的行车安全有着较为重要的影响，传统的机理分析很难实时准确的反应出越野摩托车在不同运动场景中的实时运行情况。

因此，提出一种基于多传感器的越野摩托车运动识别方法是尤为重要的，通过检测车辆运行过程中各部分相互之间的数据变化，分析彼此之间的联系，能够更为准确的反应出越野摩托车运动过程中的状态，并通过较少的特征对越野摩托车不同的运动场景进行分类决策，具有较好的研究与发展前景。

为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。

发明内容

本发明的目的是针对现有技术的不足，从而提供了一种基于多传感器的越野摩托车运动识别方法，还提供了基于上述方法的计算机设备、可读存储介质以及计算机程序产品。

为了实现上述目的，本发明所采用的技术方案是：一种基于多传感器的越野摩托车运动识别方法，具体包括以下步骤：

步骤1，获取安装在越野摩托车上的各类传感器实时采集的运动传感信号，并对获取的运动传感信号进行卡尔曼滤波；

所述运动传感信号包括车把转角传感信号、油门转角传感信号、前减震位移传感信号、后减震位移传感信号、前轮转速传感信号、后轮转速传感信号、车体三维加速度传感信号、车体三维偏转角传感信号、车体三维磁场传感信号、前叉三维加速度传感信号、前叉三维偏转角传感信号、前叉三维磁场传感信号、后架三维加速度传感信号、后架三维偏转角传感信号和后架三维磁场传感信号；

步骤2，采用滑动时间窗口对步骤1中通过卡尔曼滤波后的各类传感信号进行特征提取，获得特征集；

步骤3，对特征集中的每个特征进行均值与方差计算，得到扩展特征集；

步骤4，将扩展特征集送入到预先训练好的运动场景分类模型中进行分类，获得越野摩托车的运动场景。

基于上述，按照以下方式训练所述运动场景分类模型：

获取越野摩托车在每个运动场景下的大量运动传感信号，并对上述传感信号进行特征提取；

将每个运动场景对应的特征作为训练数据，训练所述运动场景分类模型。

在执行步骤4之前，还可以执行以下步骤：获取安装在越野摩托车上的摄像机拍摄的环境图像，并对环境图像进行预处理和图像特征提取，并将提取的图像特征送入到预先训练好的运动环境分类模型中，识别出运动环境；

选择该运动环境下的运动场景分类模型作为运动场景分类模型供步骤4使用。