CN111666825A - 基于人在回路的车辆载重状态识别方法及装置 - Google Patents
基于人在回路的车辆载重状态识别方法及装置 Download PDFInfo
- Publication number
- CN111666825A CN111666825A CN202010414252.4A CN202010414252A CN111666825A CN 111666825 A CN111666825 A CN 111666825A CN 202010414252 A CN202010414252 A CN 202010414252A CN 111666825 A CN111666825 A CN 111666825A
- Authority
- CN
- China
- Prior art keywords
- vehicle load
- load state
- vehicle
- feedback information
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供了一种基于人在回路的车辆载重状态识别方法及装置。基于人在回路的车辆载重状态识别方法包括:显示各传感器采集的车辆载重数据;接收用户针对所述车辆载重数据的反馈信息;根据所述反馈信息对所述车辆载重数据进行处理,获取有效的车辆载重数据;根据所述有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态。本发明实施例可以根据有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态,从而不断地提升车辆载重状态识别准确率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种基于人在回路的车辆载重状态识别方法、装置、电子设备及存储介质。
背景技术
识别车辆载重状态具有广泛的应用价值,确切的知道当前车辆的载重状态对于车辆、驾驶员、车主等有着重要的用途。例如对于车主,通过得到车辆的载重状态的变化来得到车辆拉货的趟数,可以用于跟雇佣的驾驶员进行费用的结算;车辆如果知道当前的车辆载重状态,可以自动切换发动机的输出功率的百分比,从而可以达到省油的目的;对于渣土车,可以通过得到车辆的载重状态来决定渣土车在篷布不密闭时是否要告警或者对车辆进行限速,以解决渣土车的抛洒问题等等。
目前在进行载重识别时,主要依赖固定的载重识别算法进行载重识别,然而利用固定的载重识别算法进行载重识别会存在如下问题:
在进行载重状态识别时,有时候会出现载重状态识别结果与实际不符的情况,这会导致车辆载重状态识别准确率降低,同时,这一状况也无法改进,进而从长远意义上来看,不利于车辆载重状态识别准确率的提高。
发明内容
针对现有技术中存在的问题,本发明实施例提供一种基于人在回路的车辆载重状态识别方法、装置、电子设备及存储介质。
第一方面,本发明实施例提供一种基于人在回路的车辆载重状态识别方法,包括:
显示各传感器采集的车辆载重数据;
接收用户针对所述车辆载重数据的反馈信息;
根据所述反馈信息对所述车辆载重数据进行处理,获取有效的车辆载重数据;
根据所述有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态。
进一步地,所述各传感器为安装在承载板上的应力传感器;
相应地,所述反馈信息中包含有针对各传感器采集的车辆载重数据参与计算的比例系数;
相应地,根据所述反馈信息对各传感器采集的车辆载重数据进行处理,获取有效的车辆载重数据,包括:
根据各传感器采集的车辆载重数据,以及,针对各传感器采集的车辆载重数据参与计算的比例系数,获取有效的车辆载重数据。
进一步地,所述各传感器为安装在承载板上的应力传感器;
相应地,所述反馈信息中包含有用于判断各传感器采集的车辆载重数据是否为无效数据的时间窗口和变化量判断阈值;
相应地,根据所述反馈信息对各传感器采集的车辆载重数据进行处理,获取有效的车辆载重数据,包括:
在所述时间窗口中,根据所述变化量判断阈值,将变化量大于所述变化量判断阈值的车辆载重数据作为无效数据去除,以获取有效的车辆载重数据。
进一步地,根据所述有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态,包括:
根据所述有效的车辆载重数据,采用预设的载重状态识别阈值,对车辆载重状态进行识别,获取车辆载重状态。
进一步地,在根据所述有效的车辆载重数据,采用预设的载重状态识别阈值,对车辆载重状态进行识别,获取车辆载重状态之后,所述方法还包括:
接收用户关于车辆实际载重状态的反馈信息,所述反馈信息中包含有用户认定的实际载重状态;
若所述反馈信息中包含的车辆载重状态与通过识别获取的车辆载重状态不同,则对预设的载重状态识别阈值进行调整,以使所述反馈信息中包含的车辆载重状态与利用调整后的载重状态识别阈值进行识别获取的车辆载重状态相同。
进一步地,所述反馈信息中包含有针对各传感器采集的车厢载重图像的选择情况;
相应地,根据所述反馈信息对各传感器采集的车辆载重数据进行处理,获取有效的车辆载重数据,包括:
根据所述反馈信息中包含的针对各传感器采集的车厢载重图像的选择情况,从各传感器采集的车厢载重图像中选择车厢载重图像作为有效的车辆载重数据。
进一步地,根据所述有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态,具体包括:
将选择得到的车厢载重图像输入至预设的车辆载重状态识别模型,得到车辆载重状态识别结果;
其中,所述预设的车辆载重状态识别模型为根据各种车辆载重状态下对应的车厢载重样本图像进行训练后得到的。
进一步地,在将选择得到的车厢载重图像输入至预设的车辆载重状态识别模型,得到车辆载重状态识别结果之后,所述方法还包括:
接收用户关于车辆实际载重状态的反馈信息,所述反馈信息中包含有用户认定的实际载重状态;
若所述反馈信息中包含的车辆载重状态与通过识别获取的车辆载重状态不同,则将当前的车厢载重图像和用户认定的实际载重状态作为一组训练数据补充到训练样本中对车辆载重状态识别模型进行训练,以使所述反馈信息中包含的车辆载重状态与利用训练后得到车辆载重状态识别模型进行识别获取的车辆载重状态相同。
第二方面,本发明实施例提供了一种基于人在回路的车辆载重状态识别装置,包括:
显示模块,用于显示各传感器采集的车辆载重数据;
接收模块,用于接收用户针对所述车辆载重数据的反馈信息;
第一获取模块,用于根据所述反馈信息对所述车辆载重数据进行处理,获取有效的车辆载重数据;
第二获取模块,用于根据所述有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态。
第三方面,本发明实施例还提供了一种电子设备,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程序时实现如上第一方面所述的基于人在回路的车辆载重状态识别方法的步骤。
第四方面,本发明实施例还提供了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第一方面所述的基于人在回路的车辆载重状态识别方法的步骤。
本发明实施例提供的基于人在回路的车辆载重状态识别方法及装置,通过显示各传感器采集的车辆载重数据;接收用户针对所述车辆载重数据的反馈信息;根据所述反馈信息对所述车辆载重数据进行处理,获取有效的车辆载重数据;根据所述有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态。本发明实施例由于在进行车辆载重状态判断之前,充分利用了用户的反馈信息,结合用户的反馈信息对各传感器采集的车辆载重数据进行了干预和调整,从而可以获得能够准确表征车辆载重状态的有效的车辆载重数据,进而可以根据有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态,从而可以提升车辆载重状态识别准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的基于人在回路的车辆载重状态识别方法的流程示意图;
图2为本发明一实施例提供的基于人在回路的车辆载重状态识别装置的结构示意图;
图3为本发明一实施例中电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明一实施例提供的基于人在回路的车辆载重状态识别方法的流程示意图;如图1所示,该方法包括:
步骤101:显示各传感器采集的车辆载重数据。
在本步骤中,例如通过安装在承载板上的应力传感器采集应力数据。
步骤102:接收用户针对所述车辆载重数据的反馈信息。
在本步骤中,车辆载重数据的反馈信息,举例来说,在车辆两侧轮胎周围每侧各安装两个传感器,假设分别为南侧传感器E和南侧传感器F以及北侧传感器G和北侧传感器H,若此时车辆处于非水平放置,车辆重心偏向在南侧,则反馈信息为南侧传感器E采集到的应力数据的80%、南侧传感器F采集到的应力数据的80%、北侧传感器G采集到的应力数据的110%和北侧传感器H采集到的应力数据的110%。
步骤103:根据所述反馈信息对所述车辆载重数据进行处理,获取有效的车辆载重数据。
在本步骤中,根据所述反馈信息对所述车辆载重数据进行处理,例如系统根据反馈信息进行处理,当车辆存于静止状态非水平停放时,处理方式为调节每个传感器的数据参与计算的比例系数;当车辆行驶在凹凸不平的路面时,处理方式为去除无效数据,此处无效数据是指超过正常变化值范围的失真数据。
步骤104:根据所述有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态。
在本步骤中,根据处理后得到的有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态。
由上面技术方案可知,本发明实施例提供的基于人在回路的车辆载重状态识别方法,由于通过显示各传感器采集的车辆载重数据;接收用户针对所述车辆载重数据的反馈信息;根据所述反馈信息对所述车辆载重数据进行处理,获取有效的车辆载重数据;根据所述有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态。本发明实施例由于在进行车辆载重状态判断之前,充分利用了用户的反馈信息,结合用户的反馈信息对各传感器采集的车辆载重数据进行了干预和调整,从而可以获得能够准确表征车辆载重状态的有效的车辆载重数据,进而可以根据有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态,从而可以提升车辆载重状态识别准确率。
在上述实施例的基础上,在本实施例中,所述各传感器为安装在承载板上的应力传感器;
相应地,所述反馈信息中包含有针对各传感器采集的车辆载重数据参与计算的比例系数;
相应地,根据所述反馈信息对各传感器采集的车辆载重数据进行处理,获取有效的车辆载重数据,包括:
根据各传感器采集的车辆载重数据,以及,针对各传感器采集的车辆载重数据参与计算的比例系数,获取有效的车辆载重数据。
举例来说,当车辆静止时由于车辆并不一定水平停放,可能是有倾斜,或者路面不平,导致轮胎受力不均匀,这样受力重的轮胎对应的承载板形变比较大,可以通过用户的反馈来调节每个传感器的数据参与运算的比例系数,通过对多个承载板上的传感器的数据的综合计算,可以中和这个结果。
本发明实施例提供的基于人在回路的车辆载重状态识别方法,通过各传感器采集的车辆载重数据,以及,针对各传感器采集的车辆载重数据参与计算的比例系数,获取有效的车辆载重数据,进而可以利用优化后的参与计算的比例系数对载重状态进行重新识别,同时本发明实施例由于在进行车辆载重状态判断之前,充分利用了用户的反馈信息,所述反馈信息中包含有针对各传感器采集的车辆载重数据参与计算的比例系数,结合用户的反馈信息对各传感器采集的车辆载重数据进行了干预和调整,从而可以获得能够准确表征车辆载重状态的有效的车辆载重数据,进而可以根据有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态,从而可以提升车辆载重状态识别准确率。
在上述实施例的基础上,在本实施例中,所述各传感器为安装在承载板上的应力传感器;
相应地,所述反馈信息中包含有用于判断各传感器采集的车辆载重数据是否为无效数据的时间窗口和变化量判断阈值;
相应地,根据所述反馈信息对各传感器采集的车辆载重数据进行处理,获取有效的车辆载重数据,包括:
在所述时间窗口中,根据所述变化量判断阈值,将变化量大于所述变化量判断阈值的车辆载重数据作为无效数据去除,以获取有效的车辆载重数据。
举例来说,当车辆跑动时,由于路面不平,会导致车辆被抛起后重压到地面,这个抛起的瞬间,就可能有几个传感器的输出突然变小,而重压时,可能几个传感器的输出突然增大,上述这些变化的数据都是失真的数据,此时可通过用户的反馈,把一定时间内变化值超过多少的时间丢弃,即时间窗口和变化量可以调节。
本发明实施例提供的基于人在回路的车辆载重状态识别方法,通过将变化量大于所述变化量判断阈值的车辆载重数据作为无效数据去除,以获取有效的车辆载重数据,进而可以利用优化后的去除了无效数据的数据集对载重状态进行重新识别,同时本发明实施例由于在进行车辆载重状态判断之前,充分利用了用户的反馈信息,此处反馈信息去除了无效的数据信息,结合用户的反馈信息对各传感器采集的车辆载重数据进行了干预和调整,从而可以获得能够准确表征车辆载重状态的有效的车辆载重数据,进而可以根据有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态,从而可以提升车辆载重状态识别准确率。
在上述实施例的基础上,在本实施例中,根据所述有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态,包括:
根据所述有效的车辆载重数据,采用预设的载重状态识别阈值,对车辆载重状态进行识别,获取车辆载重状态。
举例来说,比如车辆载重数据最终的输出值范围是0-100,预设的载重状态识别阈值假设一开始设定为:空载状态为0-35,半载状态为35-70,满载状态为70-100;某一次有效的车辆载重数据计算值为68,则系统给出的车辆载重状态为半载,获取到车辆的载重状态为半载。
本发明实施例提供的基于人在回路的车辆载重状态识别方法,通过根据所述有效的车辆载重数据,采用预设的载重状态识别阈值,对车辆载重状态进行识别,获取车辆载重状态,进而可以利用有效的车辆载重数据结合预设的载重状态识别阈值,对载重状态进行重新识别,同时本发明实施例由于在进行车辆载重状态判断之前,充分利用了用户的反馈信息,结合用户的反馈信息对各传感器采集的车辆载重数据进行了干预和调整,从而可以获得能够准确表征车辆载重状态的有效的车辆载重数据,进而可以根据有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态,从而可以提升车辆载重状态识别准确率。
在上述实施例的基础上,在本实施例中,在根据所述有效的车辆载重数据,采用预设的载重状态识别阈值,对车辆载重状态进行识别,获取车辆载重状态之后,所述方法还包括:
接收用户关于车辆实际载重状态的反馈信息,所述反馈信息中包含有用户认定的实际载重状态;
若所述反馈信息中包含的车辆载重状态与通过识别获取的车辆载重状态不同,则对预设的载重状态识别阈值进行调整,以使所述反馈信息中包含的车辆载重状态与利用调整后的载重状态识别阈值进行识别获取的车辆载重状态相同。
举例来说,比如车辆载重数据最终的输出值范围是0-100,预设的载重状态识别阈值假设一开始设定为:空载状态为0-35,半载状态为35-70,满载状态为70-100;某一次有效的车辆载重数据计算值为68,则系统给出的车辆载重状态为半载,而司机根据实际情况反馈的信息是满载,即用户认定实际的载重状态为满载,则对预设的载重状态识别阈值进行调整,后续的车辆载重状态识别调整预设的载重状态识别阈值为68-100。
本发明实施例提供的基于人在回路的车辆载重状态识别方法,通过接收包含有用户认定的实际载重状态的反馈信息,对预设的载重状态识别阈值进行调整,获取车辆载重状态,进而可以利用有效的车辆载重数据结合用户认定的反馈信息,对载重状态进行重新识别,即不断调整更符合实际情况的预设的载重状态识别阈值,同时本发明实施例由于在进行车辆载重状态判断之前,充分利用了用户的反馈信息,结合用户的反馈信息对各传感器采集的车辆载重数据进行了干预和调整,从而可以获得能够准确表征车辆载重状态的有效的车辆载重数据,进而可以根据有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态,从而可以提升车辆载重状态识别准确率。
在上述实施例的基础上,在本实施例中,所述各传感器为安装在车厢上的摄像头;
相应地,所述反馈信息中包含有针对各传感器采集的车厢载重图像的选择情况;
相应地,根据所述反馈信息对各传感器采集的车辆载重数据进行处理,获取有效的车辆载重数据,包括:
根据所述反馈信息中包含的针对各传感器采集的车厢载重图像的选择情况,从各传感器采集的车厢载重图像中选择车厢载重图像作为有效的车辆载重数据。
在本实施例中,选择为用户挑选角度好的,或者清晰度高的车厢载重图像,举例来说,在车厢上安装摄像头用于拍摄车厢载重图像,不同的摄像头在不同的车速下采集了多张不同角度,不同清晰度的车厢载重图像,用户在上述这些车厢载重图像中挑选角度好的,或者清晰度高的车厢载重图像作为反馈信息,获取有效的车辆载重数据。
本发明实施例提供的基于人在回路的车辆载重状态识别方法,通过根据所述反馈信息中包含的针对各传感器采集的车厢载重图像的选择情况,从各传感器采集的车厢载重图像中选择车厢载重图像作为有效的车辆载重数据,同时本发明实施例由于在进行车辆载重状态判断之前,充分利用了用户的反馈信息,结合用户的反馈信息对各传感器采集的车辆载重数据进行了干预和调整,从而可以获得能够准确表征车辆载重状态的有效的车辆载重数据,进而可以根据有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态,从而可以提升车辆载重状态识别准确率。
在上述实施例的基础上,在本实施例中,根据所述有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态,具体包括:
将选择得到的车厢载重图像输入至预设的车辆载重状态识别模型,得到车辆载重状态识别结果;
其中,所述预设的车辆载重状态识别模型为根据各种车辆载重状态下对应的车厢载重样本图像进行训练后得到的。
在本实施例中,选择为用户挑选角度好的,或者清晰度高的车厢载重图像,举例来说,将用户挑选角度好的,或者清晰度高的车厢载重图像输入至预设的车辆载重状态识别模型,得到车辆载重状态识别结果。在本实施例中需要说明的是,预设的车辆载重状态识别模型为根据各种车辆载重状态下对应的车厢载重样本图像进行训练后得到的。
在本实施例中,需要说明的是,车辆载重状态识别模型可以采用CNN或RNN机器学习模型进行模型训练。此外,需要说明的是,举例来说模型训练,在准备输入数据时,对于每种载重状态,均需要准备多张车厢载重样本图像,为提高训练得到的车辆载重状态识别模型的识别准确度,对于每种载重状态,在准备对应的车厢载重样本图像时,准备多种拍摄角度下的车厢载重样本图像,如拍摄角度为从车厢侧面拍摄的,从车厢顶部拍摄的,从车厢尾部拍摄的等等。
本发明实施例提供的基于人在回路的车辆载重状态识别方法,通过将选择得到的车厢载重图像输入至预设的车辆载重状态识别模型,得到车辆载重状态识别结果,同时本发明实施例由于在进行车辆载重状态判断之前,充分利用了用户的反馈信息,结合用户的反馈信息对各传感器采集的车辆载重数据进行了干预和调整,从而可以获得能够准确表征车辆载重状态的有效的车辆载重数据,进而可以根据有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态,从而可以提升车辆载重状态识别准确率。
在上述实施例的基础上,在本实施例中,在将选择得到的车厢载重图像输入至预设的车辆载重状态识别模型,得到车辆载重状态识别结果之后,所述方法还包括:
接收用户关于车辆实际载重状态的反馈信息,所述反馈信息中包含有用户认定的实际载重状态;
若所述反馈信息中包含的车辆载重状态与通过识别获取的车辆载重状态不同,则将当前的车厢载重图像和用户认定的实际载重状态作为一组训练数据补充到训练样本中对车辆载重状态识别模型进行训练,以使所述反馈信息中包含的车辆载重状态与利用训练后得到车辆载重状态识别模型进行识别获取的车辆载重状态相同。
本发明实施例提供的基于人在回路的车辆载重状态识别方法,通过接收包含有用户认定的实际载重状态反馈信息,若所述反馈信息中包含的车辆载重状态与通过识别获取的车辆载重状态不同,则将当前的车厢载重图像和用户认定的实际载重状态作为一组训练数据补充到训练样本中对车辆载重状态识别模型进行训练,以使所述反馈信息中包含的车辆载重状态与利用训练后得到车辆载重状态识别模型进行识别获取的车辆载重状态相同,对车辆载重状态进行重新识别,获取车辆载重状态,同时本发明实施例由于在进行车辆载重状态判断之前,充分利用了用户的反馈信息,结合用户的反馈信息对各传感器采集的车辆载重数据进行了干预和调整,从而可以获得能够准确表征车辆载重状态的有效的车辆载重数据,进而可以根据有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态,从而可以提升车辆载重状态识别准确率。
通过本发明各实施例识别获取车辆载重状态,从而根据当前车辆的载重状态实现自动调节发动机输出功率的目的。如重载时,发动机满负荷工作;空载时,发动机以30%的功率工作;这样可以降低车辆的油耗。同时还可以通过车辆载重状态的变化结果,得到拉货的躺数,方便与雇佣的驾驶员进行费用的结算。同时,例如应用到渣土车,可以通过得到车辆的载重状态来决定渣土车在篷布不密闭时是否要告警或者对车辆进行限速,以解决渣土车的抛洒问题。
此外,本发明实施例中需要说明的是,若将采集承载板上所受的力结合采集采集的车厢载重图像,对车辆载重状态进行识别,获取车辆载重状态,得到的车辆载重状态更加准确,从而有利于不断提升后续的车辆载重状态识别准确率。
图2为本发明一实施例提供的基于人在回路的车辆载重状态识别装置的结构示意图,如图2所示,该装置包括:显示模块201、接收模块202、第一获取模块203、第二获取模块模块204,其中:
其中,显示模块201,用于显示各传感器采集的车辆载重数据;
接收模块202,用于接收用户针对所述车辆载重数据的反馈信息;
第一获取模块203,用于根据所述反馈信息对所述车辆载重数据进行处理,获取有效的车辆载重数据;
第二获取模块204,用于根据所述有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态。
本发明实施例提供的基于人在回路的车辆载重状态识别装置具体可以用于执行上述实施例所述的基于人在回路的车辆载重状态识别识别方法,其技术原理和有益效果类似,具体可参见上述实施例,此处不再赘述。
基于相同的发明构思,本发明实施例提供一种电子设备,参见图3,所述电子设备具体包括如下内容:处理器310、通信接口320、存储器330和通信总线340;
其中,所述处理器310、通信接口320、存储器330通过所述总线340完成相互间的通信;所述通信接口320用于实现各建模软件及智能制造装备模块库等相关设备之间的信息传输;所述处理310用于调用所述存储器330中的计算机程序,所述处理器执行所述计算机程序时实现上述各方法实施例所提供的方法,例如,所述处理器执行所述计算机程序时实现下述步骤:显示各传感器采集的车辆载重数据;接收用户针对所述车辆载重数据的反馈信息;根据所述反馈信息对所述车辆载重数据进行处理,获取有效的车辆载重数据;根据所述有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态。
基于相同的发明构思,本发明又一实施例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以执行上述各方法实施例提供的方法,例如,显示各传感器采集的车辆载重数据;接收用户针对所述车辆载重数据的反馈信息;根据所述反馈信息对所述车辆载重数据进行处理,获取有效的车辆载重数据;根据所述有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
此外,在本发明中,诸如“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
此外,在本发明中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
此外,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于人在回路的车辆载重状态识别方法,其特征在于,包括:
显示各传感器采集的车辆载重数据;
接收用户针对所述车辆载重数据的反馈信息;
根据所述反馈信息对所述车辆载重数据进行处理,获取有效的车辆载重数据;
根据所述有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态。
2.根据权利要求1所述的基于人在回路的车辆载重状态识别方法,其特征在于,所述各传感器为安装在承载板上的应力传感器;
相应地,所述反馈信息中包含有针对各传感器采集的车辆载重数据参与计算的比例系数;
相应地,根据所述反馈信息对各传感器采集的车辆载重数据进行处理,获取有效的车辆载重数据,包括:
根据各传感器采集的车辆载重数据,以及,针对各传感器采集的车辆载重数据参与计算的比例系数,获取有效的车辆载重数据。
3.根据权利要求1所述的基于人在回路的车辆载重状态识别方法,其特征在于,所述各传感器为安装在承载板上的应力传感器;
相应地,所述反馈信息中包含有用于判断各传感器采集的车辆载重数据是否为无效数据的时间窗口和变化量判断阈值;
相应地,根据所述反馈信息对各传感器采集的车辆载重数据进行处理,获取有效的车辆载重数据,包括:
在所述时间窗口中,根据所述变化量判断阈值,将变化量大于所述变化量判断阈值的车辆载重数据作为无效数据去除,以获取有效的车辆载重数据。
4.根据权利要求1~3任一项所述的基于人在回路的车辆载重状态识别方法,其特征在于,根据所述有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态,包括:
根据所述有效的车辆载重数据,采用预设的载重状态识别阈值,对车辆载重状态进行识别,获取车辆载重状态。
5.根据权利要求4所述的基于人在回路的车辆载重状态识别方法,其特征在于,在根据所述有效的车辆载重数据,采用预设的载重状态识别阈值,对车辆载重状态进行识别,获取车辆载重状态之后,所述方法还包括:
接收用户关于车辆实际载重状态的反馈信息,所述反馈信息中包含有用户认定的实际载重状态;
若所述反馈信息中包含的车辆载重状态与通过识别获取的车辆载重状态不同,则对预设的载重状态识别阈值进行调整,以使所述反馈信息中包含的车辆载重状态与利用调整后的载重状态识别阈值进行识别获取的车辆载重状态相同。
6.根据权利要求1所述的基于人在回路的车辆载重状态识别方法,其特征在于,所述各传感器为安装在车厢上的摄像头;
相应地,所述反馈信息中包含有针对各传感器采集的车厢载重图像的选择情况;
相应地,根据所述反馈信息对各传感器采集的车辆载重数据进行处理,获取有效的车辆载重数据,包括:
根据所述反馈信息中包含的针对各传感器采集的车厢载重图像的选择情况,从各传感器采集的车厢载重图像中选择车厢载重图像作为有效的车辆载重数据。
7.根据权利要求6所述的基于人在回路的车辆载重状态识别方法,其特征在于,根据所述有效的车辆载重数据,对车辆载重状态进行识别,获取车辆载重状态,具体包括:
将选择得到的车厢载重图像输入至预设的车辆载重状态识别模型,得到车辆载重状态识别结果;
其中,所述预设的车辆载重状态识别模型为根据各种车辆载重状态下对应的车厢载重样本图像进行训练后得到的。
8.根据权利要求7所述的基于人在回路的车辆载重状态识别方法,其特征在于,在将选择得到的车厢载重图像输入至预设的车辆载重状态识别模型,得到车辆载重状态识别结果之后,所述方法还包括:
接收用户关于车辆实际载重状态的反馈信息,所述反馈信息中包含有用户认定的实际载重状态;
若所述反馈信息中包含的车辆载重状态与通过识别获取的车辆载重状态不同,则将当前的车厢载重图像和用户认定的实际载重状态作为一组训练数据补充到训练样本中对车辆载重状态识别模型进行训练,以使所述反馈信息中包含的车辆载重状态与利用训练后得到车辆载重状态识别模型进行识别获取的车辆载重状态相同。
9.一种电子设备,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,其特征在于,所述处理器执行所述程序时实现如权利要求1至8任一项所述的基于人在回路的车辆载重状态识别方法的步骤。
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,该计算机程序被处理器执行时实现如权利要求1至8任一项所述的基于人在回路的车辆载重状态识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010414252.4A CN111666825B (zh) | 2020-05-15 | 2020-05-15 | 基于人在回路的车辆载重状态识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010414252.4A CN111666825B (zh) | 2020-05-15 | 2020-05-15 | 基于人在回路的车辆载重状态识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111666825A true CN111666825A (zh) | 2020-09-15 |
CN111666825B CN111666825B (zh) | 2023-09-01 |
Family
ID=72383665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010414252.4A Active CN111666825B (zh) | 2020-05-15 | 2020-05-15 | 基于人在回路的车辆载重状态识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111666825B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113091866A (zh) * | 2021-04-06 | 2021-07-09 | 深圳市汉德网络科技有限公司 | 一种实时测量汽车载重质量的方法与装置 |
CN116090938A (zh) * | 2023-04-06 | 2023-05-09 | 江苏华溯大数据有限公司 | 一种后装车辆载重状态识别方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5814771A (en) * | 1996-02-16 | 1998-09-29 | Structural Instrumentation, Inc. | On-board microprocessor controlled load weighing system |
CN1199462A (zh) * | 1995-10-12 | 1998-11-18 | 矢崎总业株式会社 | 车辆的荷载偏倚度计算装置和装载重量计算装置 |
CN101947929A (zh) * | 2010-09-03 | 2011-01-19 | 江苏赛摩集团有限公司 | 一种车辆称重装置及其校准方法 |
WO2012102648A2 (ru) * | 2011-01-24 | 2012-08-02 | Rechitskiy Vladimir Ilyich | Способ и система взвешивания автотранспортного средства непосредственно в процессе его движения по трассе |
CN103196530A (zh) * | 2013-04-24 | 2013-07-10 | 郑州衡量电子科技有限公司 | 车辆动态称重系统及其称重方法 |
CN108345858A (zh) * | 2018-02-11 | 2018-07-31 | 杭州鸿泉物联网技术股份有限公司 | 一种车辆载重状态检测方法和系统 |
CN110470370A (zh) * | 2019-09-24 | 2019-11-19 | 江苏中宏讯达科技有限公司 | 一种车辆承载感知系统 |
-
2020
- 2020-05-15 CN CN202010414252.4A patent/CN111666825B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1199462A (zh) * | 1995-10-12 | 1998-11-18 | 矢崎总业株式会社 | 车辆的荷载偏倚度计算装置和装载重量计算装置 |
US5814771A (en) * | 1996-02-16 | 1998-09-29 | Structural Instrumentation, Inc. | On-board microprocessor controlled load weighing system |
CN101947929A (zh) * | 2010-09-03 | 2011-01-19 | 江苏赛摩集团有限公司 | 一种车辆称重装置及其校准方法 |
WO2012102648A2 (ru) * | 2011-01-24 | 2012-08-02 | Rechitskiy Vladimir Ilyich | Способ и система взвешивания автотранспортного средства непосредственно в процессе его движения по трассе |
CN103196530A (zh) * | 2013-04-24 | 2013-07-10 | 郑州衡量电子科技有限公司 | 车辆动态称重系统及其称重方法 |
CN108345858A (zh) * | 2018-02-11 | 2018-07-31 | 杭州鸿泉物联网技术股份有限公司 | 一种车辆载重状态检测方法和系统 |
CN110470370A (zh) * | 2019-09-24 | 2019-11-19 | 江苏中宏讯达科技有限公司 | 一种车辆承载感知系统 |
Non-Patent Citations (1)
Title |
---|
河北省交通运输厅: "高速公路收费与监控人员培训教材", vol. 2015, 河北科学技术出版社, pages: 87 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113091866A (zh) * | 2021-04-06 | 2021-07-09 | 深圳市汉德网络科技有限公司 | 一种实时测量汽车载重质量的方法与装置 |
CN113091866B (zh) * | 2021-04-06 | 2023-08-18 | 深圳市汉德网络科技有限公司 | 一种实时测量汽车载重质量的方法与装置 |
CN116090938A (zh) * | 2023-04-06 | 2023-05-09 | 江苏华溯大数据有限公司 | 一种后装车辆载重状态识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111666825B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2897081B1 (en) | Learning system, in-vehicle device, and server | |
JP6615933B2 (ja) | 知的地形特定のための方法及び装置、車両搭載端末、並びに車両 | |
CN110765909B (zh) | 基于车载摄像头辅助分布式驱动电动汽车路面估计方法 | |
US10467482B2 (en) | Method and arrangement for assessing the roadway surface being driven on by a vehicle | |
DE102017108447A1 (de) | Fahrzeugmodusplanung mit gelernten Benutzerpräferenzen | |
CN111666825A (zh) | 基于人在回路的车辆载重状态识别方法及装置 | |
DE102019101463A1 (de) | Sichtbasierte verfahren und systeme zur bestimmung des vorhandenseins eines anhängers | |
DE102017111493A1 (de) | Adaptive fahrsteuer-niedrigtraktionserfassung und betriebsartenauswahl | |
CN111833631B (zh) | 基于车路协同的目标数据处理方法、系统和存储介质 | |
DE112018004953T5 (de) | Informationsverarbeitungsvorrichtung, informationsverarbeitungsverfahren, programm und sich bewegender körper | |
CN109878514A (zh) | 一种车辆周围环境的分项方法及其应用系统 | |
US20150178902A1 (en) | Image processing apparatus and image processing method for removing rain streaks from image data | |
DE102017130173A1 (de) | Ladeunterstützungsvorrichtung | |
WO2022115987A1 (zh) | 一种自动驾驶数据采集和闭环管理的方法及系统 | |
JP2011076214A (ja) | 障害物検出装置 | |
CN116824542B (zh) | 一种基于深度学习的轻量级雾天车辆检测方法 | |
CN109948509A (zh) | 对象状态监测方法、装置及电子设备 | |
EP3815044B1 (de) | Verfahren zu einer sensor- und speicherbasierten darstellung einer umgebung, anzeigevorrichtung und fahrzeug mit der anzeigevorrichtung | |
DE102017109514A1 (de) | Adaptive Rückfahranzeige | |
CN108538053A (zh) | 一种自动检测车辆超限系统 | |
CN110263836B (zh) | 一种基于多特征卷积神经网络的不良驾驶状态识别方法 | |
DE102017117517A1 (de) | Steuern schleudernder Fahrzeuge | |
CN111196270B (zh) | 一种电动汽车电液复合制动系统转弯控制方法 | |
CN114626472A (zh) | 基于机器学习的辅助驾驶方法、装置和计算机可读介质 | |
CN110765877B (zh) | 基于热像仪和双目相机的行人检测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |