发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种基于神经网络的方向盘自适应标定方法及系统、车载终端,基于神经网络模型对方向盘角度数据进行校准,从而保证了输出的方向盘角度数据的精确度。
为实现上述目的及其他相关目的,本发明提供一种基于神经网络的方向盘自适应标定方法,包括以下步骤:获取方向盘角度数据的历史校准数据;基于所述历史校准数据训练神经网络模型;获取当前方向盘角度数据;基于训练好的神经网络模型对所述当前方向盘角度数据进行校准。
于本发明一实施例中,基于GPS轨迹获取方向盘角度数据的历史校准数据。
于本发明一实施例中,基于方向盘转角传感器获取当前方向盘角度数据。
于本发明一实施例中,所述方向盘角度数据包括方向盘零点漂移量和量程的角度系数。
对应地,本发明提供一种基于神经网络的方向盘自适应标定系统,包括第一获取模块、训练模块、第二获取模块和校准模块;
所述第一获取模块用于获取方向盘角度数据的历史校准数据;
所述训练模块用于基于所述历史校准数据训练神经网络模型;
所述第二获取模块用于获取当前方向盘角度数据;
所述校准模块用于基于训练好的神经网络模型对所述当前方向盘角度数据进行校准。
于本发明一实施例中,所述第一获取模块基于GPS轨迹获取方向盘角度数据的历史校准数据。
于本发明一实施例中,所述第二获取模块基于方向盘转角传感器获取当前方向盘角度数据。
于本发明一实施例中,所述方向盘角度数据包括方向盘零点漂移量和量程的角度系数。
本发明提供一种车载终端,包括:处理器及存储器;
所述存储器用于存储计算机程序;
所述处理器用于执行所述存储器存储的计算机程序,以使所述车载终端执行上述的基于神经网络的方向盘自适应标定方法。
最后,本发明提供一种基于神经网络的方向盘自适应标定系统,包括上述的车载终端、GPS模块和方向盘转角传感器;
所述GPS模块用于获取车辆的GPS轨迹数据并发送至所述车载终端,以使所述车载终端根据所述GPS轨迹数据获取方向盘角度数据的历史校准数据;
所述方向盘转角传感器用于获取当前方向盘角度数据并发送至所述车载终端。
如上所述,本发明的基于神经网络的方向盘自适应标定方法及系统、车载终端,具有以下有益效果:
(1)基于神经网络模型对方向盘角度数据进行校准,从而保证了输出的方向盘角度数据的精确度;
(2)避免了方向盘角度数据不准确带来的安全驾驶隐患;
(3)无需用户手动操作,极大地提升了用户体验;
(4)提高了方向盘定位的适应能力,降低了对其他模块的依赖程度。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。
需要说明的是,本实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
本发明的基于神经网络的方向盘自适应标定方法及系统、车载终端基于神经网络模型对方向盘角度数据进行校准,从而避免了对车辆上的其他模块的依赖程度,且保证了输出的方向盘角度数据的精确度。
如图1所示,于一实施例中,本发明的基于神经网络的方向盘自适应标定方法包括以下步骤:
步骤S1、获取方向盘角度数据的历史校准数据。
具体地,根据车辆的行驶轨迹和对应的方向盘角度数据获取方向盘角度数据的历史校准数据。于本发明一实施例中,基于GPS轨迹获取方向盘角度数据的历史校准数据。也就是说,将车载GPS模块所获取的GPS轨迹作为车辆的行驶轨迹,从而获取方向盘角度数据的历史校准数据。
于本发明一实施例中,所述方向盘角度数据包括方向盘零点漂移量和量程的角度系数。
步骤S2、基于所述历史校准数据训练神经网络模型。
神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力,特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。神经网络的发展与神经科学、数理科学、认知科学、计算机科学、人工智能、信息科学、控制论、机器人学、微电子学、心理学、光计算、分子生物学等有关,是一门新兴的边缘交叉学科。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络是对人类大脑系统的一阶特性的一种描。简单地讲,它是一个数学模型。神经网络模型由网络拓扑节点特点和学习规则来表示。
具体地,所述历史校准数据作为训练数据来训练一个用于方向盘角度数据校准的神经网络模型,从而得到一个训练好的神经网络模型。对于本领域技术人员而言,神经网络模型的训练是成熟的现有技术,故在此不再赘述。
步骤S3、获取当前方向盘角度数据。
于本发明一实施例中,基于方向盘转角传感器获取当前方向盘角度数据。具体地,方向盘转角传感器获取当前方向盘角度数据,并发送至车载终端。
步骤S4、基于训练好的神经网络模型对所述当前方向盘角度数据进行校准。
具体地,将所述当前方向盘角度数据输入训练好的神经网络模型,即可对当前方向盘角度数据进行校准,从而得到校准后的方向盘角度数据,为安全驾驶提供了数据支持。
如图2所示,于一实施例中,本发明的基于神经网络的方向盘自适应标定系统包括第一获取模块21、训练模块22、第二获取模块23和校准模块24。
第一获取模块21用于获取方向盘角度数据的历史校准数据。
具体地,根据车辆的行驶轨迹和对应的方向盘角度数据获取方向盘角度数据的历史校准数据。于本发明一实施例中,基于GPS轨迹获取方向盘角度数据的历史校准数据。也就是说,将车载GPS模块所获取的GPS轨迹作为车辆的行驶轨迹,从而获取方向盘角度数据的历史校准数据。
于本发明一实施例中,所述方向盘角度数据包括方向盘零点漂移量和量程的角度系数。
训练模块22与第一获取模块21相连,用于基于所述历史校准数据训练神经网络模型。
神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力,特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。神经网络的发展与神经科学、数理科学、认知科学、计算机科学、人工智能、信息科学、控制论、机器人学、微电子学、心理学、光计算、分子生物学等有关,是一门新兴的边缘交叉学科。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络是对人类大脑系统的一阶特性的一种描。简单地讲,它是一个数学模型。神经网络模型由网络拓扑节点特点和学习规则来表示。
具体地,所述历史校准数据作为训练数据来训练一个用于方向盘角度数据校准的神经网络模型,从而得到一个训练好的神经网络模型。对于本领域技术人员而言,神经网络模型的训练是成熟的现有技术,故在此不再赘述。
第二获取模块23用于获取当前方向盘角度数据。
于本发明一实施例中,基于方向盘转角传感器获取当前方向盘角度数据。具体地,方向盘转角传感器获取当前方向盘角度数据,并发送至车载终端。
校准模块24与训练模块22和第二获取模块23相连,用于基于训练好的神经网络模型对所述当前方向盘角度数据进行校准。
具体地,将所述当前方向盘角度数据输入训练好的神经网络模型,即可对当前方向盘角度数据进行校准,从而得到校准后的方向盘角度数据,为安全驾驶提供了数据支持。
需要说明的是,应理解以上系统的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,x模块可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上x模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里所述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(ApplicationSpecificIntegratedCircuit,简称ASIC),或,一个或多个微处理器(digitalsingnalprocessor,简称DSP),或,一个或者多个现场可编程门阵列(FieldProgrammableGateArray,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessingUnit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
如图3所示,于一实施例中,本发明的车载终端包括处理器31及存储器32。
所述存储器32用于存储计算机程序。
所述存储器32包括:ROM、RAM、磁碟、U盘、存储卡或者光盘等各种可以存储程序代码的介质。
所述处理器31与所述存储器32相连,用于执行所述存储器32存储的计算机程序,以使所述车载终端执行上述的基于神经网络的方向盘自适应标定方法。
优选地,所述处理器31可以是通用处理器,包括中央处理器(CentralProcessingUnit,简称CPU)、网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器(DigitalSignalProcessor,简称DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,简称ASIC)、现场可编程门阵列(Field-ProgrammableGateArray,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
如图4所示,于一实施例中,本发明的基于神经网络的方向盘自适应标定系统包括上述的车载终端41、GPS模块42和方向盘转角传感器43。
所述GPS模块42与车载终端41相连,用于获取车辆的GPS轨迹数据并发送至所述车载终端41,以使所述车载终端41根据所述GPS轨迹数据获取方向盘角度数据的历史校准数据;
所述方向盘转角传感器43与车载终端41相连,用于获取当前方向盘角度数据并发送至所述车载终端41。
综上所述,本发明的基于神经网络的方向盘自适应标定方法及系统、车载终端基于神经网络模型对方向盘角度数据进行校准,从而保证了输出的方向盘角度数据的精确度;避免了方向盘角度数据不准确带来的安全驾驶隐患;无需用户手动操作,极大地提升了用户体验;提高了方向盘定位的适应能力,降低了对其他模块的依赖程度。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。