CN114241780A - 车辆型号识别方法、装置、电子设备及可读存储介质 - Google Patents

车辆型号识别方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN114241780A
CN114241780A CN202111450517.7A CN202111450517A CN114241780A CN 114241780 A CN114241780 A CN 114241780A CN 202111450517 A CN202111450517 A CN 202111450517A CN 114241780 A CN114241780 A CN 114241780A
Authority
CN
China
Prior art keywords
acceleration data
vehicle
standard deviation
filtered
calculating
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
Application number
CN202111450517.7A
Other languages
English (en)
Other versions
CN114241780B (zh
Inventor
闵翔
黄凯明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Streamax Technology Co Ltd
Original Assignee
Streamax Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Streamax Technology Co Ltd filed Critical Streamax Technology Co Ltd
Priority to CN202111450517.7A priority Critical patent/CN114241780B/zh
Publication of CN114241780A publication Critical patent/CN114241780A/zh
Application granted granted Critical
Publication of CN114241780B publication Critical patent/CN114241780B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • G01P15/18—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration in two or more dimensions

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

本申请实施例公开了一种车辆型号识别方法、装置、电子设备及计算机可读存储介质，用于通过车辆怠速状态下的三轴加速度数据识别车辆是燃油车还是电动车。该方法包括：在车辆怠速状态下，获取预设时间段内三轴加速计采集的加速度数据，三轴加速度计设置于待识别车辆上；计算加速度数据的标准差；对加速度数据进行低通滤波，得到滤波后加速度数据；计算滤波后加速度数据的标准差；根据加速度数据的标准差和滤波后加速度数据的标准差，计算探测值；根据探测值和预设阈值之间的关系，确定待识别车辆的型号，待识别车辆的型号包括燃油车和电动车。

Description

车辆型号识别方法、装置、电子设备及可读存储介质
技术领域
本申请属于车辆技术领域，尤其涉及一种车辆型号识别方法、装置、电子设备及计算机可读存储介质。
背景技术
随着社会的不断发展和车辆技术的不断进步，汽车保有量也在不断地增多。
目前，按照动力类型的不同，汽车型号可以划分为燃油车和电动车。燃油车通常是指通过燃料和内燃机提供动力的车辆，而电动车通常是指通过电池和电机等提供动力的车辆。
现有技术中，针对一辆汽车，一般只能通过人为确认该汽车是燃油车还是电动车，无法从机器角度识别该汽车是燃油车和电动车。
发明内容
本申请实施例提供一种车辆型号识别方法、装置、电子设备及计算机可读存储介质，可以通过车辆怠速状态下的三轴加速度数据识别车辆是燃油车还是电动车。
第一方面，本申请实施例提供一种车辆型号识别方法，包括：
在车辆怠速状态下，获取预设时间段内三轴加速计采集的加速度数据，三轴加速度计设置于待识别车辆上；
计算加速度数据的标准差；
对加速度数据进行低通滤波，得到滤波后加速度数据；
计算滤波后加速度数据的标准差；
根据加速度数据的标准差和滤波后加速度数据的标准差，计算探测值；
根据探测值和预设阈值之间的关系，确定待识别车辆的型号，待识别车辆的型号包括燃油车和电动车。
由上可见，本申请实施例通过获取车辆怠速状态下的三轴加速度数据，并计算低通滤波前后的三轴加速度数据的标准差，再根据低通滤波前后的三轴加速度数据的标准差，得到探测值，最后基于探测值和阈值之间的关系，识别车辆是燃油车还是电动车，从而实现了基于三轴加速度数据识别车辆型号。
在第一方面的一些可能的实现方式中，根据加速度数据的标准差和滤波后加速度数据的标准差，计算探测值，包括：
将加速度数据的标准差与滤波后加速度数据的标准差的比值作为探测值。
在第一方面的一些可能的实现方式中，根据探测值和预设阈值之间的关系，确定待识别车辆的型号，包括：
判断探测值是否大于预设阈值；
当探测值大于预设阈值，则确定待识别车辆为燃油车；
当探测值小于预设阈值，则确定待识别车辆为电动车。
在第一方面的一些可能的实现方式中，计算加速度数据的标准差，包括：
通过公式
Figure BDA0003380995200000021
计算每个采样时刻的三轴加速度数据的模，预设时间段包括多个采样时刻，加速度数据包括每个采样时刻对应的三轴加速度数据；
通过公式
Figure BDA0003380995200000022
计算加速度数据的标准差；
其中，Ai为第i个采样时刻的三轴加速度数据的模，ai、bi、ci为第i个采样时刻三个轴的加速度值；N为预设时间段内三轴加速度数据的个数，μ为预设时间段内三轴加速度数据的模的均值。
在第一方面的一些可能的实现方式中，计算滤波后加速度数据的标准差，包括：
通过公式
Figure BDA0003380995200000023
计算每个采样时刻的滤波后三轴加速度数据的模；
通过公式
Figure BDA0003380995200000031
计算滤波后加速度数据的标准差；
其中，
Figure BDA0003380995200000032
为第i个采样时刻的滤波后三轴加速度数据的模，
Figure BDA0003380995200000033
为低通滤波后第i个采样时刻三个轴的加速度值；
Figure BDA0003380995200000034
为预设时间段内滤波后三轴加速度数据的模的均值。
第二方面，本申请实施例提供一种车辆型号识别装置，包括：
获取模块，用于在车辆怠速状态下，获取预设时间段内三轴加速计采集的加速度数据，三轴加速度计设置于待识别车辆上；
第一计算模块，用于计算加速度数据的标准差；
低通滤波模块，用于对加速度数据进行低通滤波，得到滤波后加速度数据；
第二计算模块，用于计算滤波后加速度数据的标准差；
探测值计算模块，用于根据加速度数据的标准差和滤波后加速度数据的标准差，计算探测值；
车型识别模块，用于根据探测值和预设阈值之间的关系，确定待识别车辆的型号，待识别车辆的型号包括燃油车和电动车。
在第二方面的一些可能的实现方式中，探测值计算模块具体用于：将加速度数据的标准差与滤波后加速度数据的标准差的比值作为探测值。
在第二方面的一些可能的实现方式中，车型识别模块具体用于：判断探测值是否大于预设阈值；当探测值大于预设阈值，则确定待识别车辆为燃油车；当探测值小于预设阈值，则确定待识别车辆为电动车。
第三方面，本申请实施例提供一种电子设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述第一方面任一项的方法。
第四方面，本申请实施例一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上述第一方面任一项的方法。
第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述第一方面中任一项所述的方法。
可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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，下面描述中的附图仅仅是本申请的一些实施例，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为本申请实施例提供的车辆型号识别方法的一种流程示意图；
图2为本申请实施例提供的车辆型号识别方法的另一种流程示意图；
图3为本申请实施例提供的车辆型号识别装置的结构框图；
图4为本申请实施例提供的电子设备的结构示意框图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
本申请实施例提供的车辆型号识别方法可以电子设备上，例如，车载设备。本申请实施例对电子设备的具体类型不作任何限制。示例性地，在自动驾驶场景下，车载设备通过本申请实施例的车辆型号识别方法，确定当前车辆是燃油车还是电动车，以根据不同的车辆型号进行自动驾驶控制。
请参见图1，为本申请实施例提供的一种车辆型号识别方法的一种流程示意图，该方法可以包括以下步骤：
步骤S101、在车辆怠速状态下，获取预设时间段内三轴加速计采集的加速度数据，三轴加速度计设置于待识别车辆上。
需要说明的是，发明人在长期研究过程中发现，燃油车在怠速状态下车身会有高频震动，而电动车怠速状态下车身几乎处于静止状态，没有高频震动。因此，可以通过车辆怠速状态下是否有高频震动来实现车辆型号的识别。
上述预设时间段可以根据实际需要进行设定。例如，上述预设时间段为1秒，即获取1秒内三轴加速度计采集的加速度数据。
本申请实施例中，三轴加速度计的采样率较高，例如，100Hz。设置三轴加速度计的采样率之后，三轴加速度计则根据采样率采集三轴加速度数据。在上述预设时间段内包括多个采样时刻，每个采样时刻均对应一个三轴加速度计采集到的数据，故上述加速度数据包括多个采样时刻对应的三轴加速度数据，即上述加速度数据包括多个三轴加速度数据。
值得指出的是，现有技术中，车载三轴加速度计可以用于车辆运动状态探测，例如，检测车辆突然加速或突然减速、是否拐弯等。但是，现有技术在采集到三轴加速度数据之后，通常是对三轴加速度计进行去噪，以保留三轴加速度数据中的高频信号。这样，基于去噪后的三轴加速度数据，无法探测出车辆是否存在高频震动，进而无法识别出车辆是燃油车还是电动车。
本申请实施例中，为了实现通过车辆怠速状态下的三轴加速度数据识别车辆是燃油车还是电动车，不是对三轴加速度去噪，而是在采集到三轴加速度之后，计算低通滤波前后的三轴加速度数据的标准差，根据两个标准差，确定低通滤波前后的加速度数据差异大小，以判断是否存在高频振动，进而确定车辆是燃油车还是电动车。如果低通滤波前后的差异大，则认为存在高频震动，待识别车辆则为燃油车；反之，如果低通滤波前后的差异小，则认为不存在高频震动，待识别车辆则为电动车。
需要说明的是，对三轴加速度数据进行低通滤波会去掉高频信号，这与现有技术中对三轴加速度数据进行去噪以保留高频信号是不同的。
步骤S102、计算加速度数据的标准差。
如上文所示，预设时间段内包括多个采样时刻，即加速度数据包括每个采样时刻对应的三轴加速度数据。
在一些实施例中，首先通过公式
Figure BDA0003380995200000061
计算每个采样时刻的三轴加速度数据的模。然后，基于预设时间段内的各个加速度模，计算预设时间段内加速度模的均值。最后，基于预设时间段内加速度模和加速度模的均值，通过公式
Figure BDA0003380995200000071
计算加速度数据的标准差。
其中，Ai为第i个采样时刻的三轴加速度数据的模，即第i个加速度模，ai、bi、ci为第i个采样时刻三个轴的加速度值；N为预设时间段内三轴加速度数据的个数，μ为预设时间段内三轴加速度数据的模的均值。
步骤S103、对加速度数据进行低通滤波，得到滤波后加速度数据。
步骤S104、计算滤波后加速度数据的标准差。
可以理解的是，滤波前的加速度数据包括多个采样时刻的三轴加速度数据，滤波后加速度数据也包括多个采样时刻的三轴加速度数据。
基于此，在一些实施例中，在低通滤波后，首先基于各个采样时刻的三轴加速度数据，通过公式
Figure BDA0003380995200000072
计算每个采样时刻的滤波后三轴加速度数据的模。
其中，
Figure BDA0003380995200000073
为第i个采样时刻的滤波后三轴加速度数据的模，即第i个滤波后加速度模，
Figure BDA0003380995200000074
为低通滤波后第i个采样时刻三个轴的加速度值；
然后，再基于预设时间段内各个滤波后加速度数据模，计算出预设时间段内滤波后加速度的模的均值。最后，通过公式
Figure BDA0003380995200000075
计算滤波后加速度数据的标准差。其中，
Figure BDA0003380995200000076
为预设时间段内滤波后三轴加速度数据的模的均值。
步骤S105、根据加速度数据的标准差和滤波后加速度数据的标准差，计算探测值。
需要说明的是，探测值可以表征低通滤波前后的加速度数据的差异大小。在一些实施例中，可以将加速度数据的标准差和滤波后加速度数据的标准差的比值作为探测值，即探测值ratio＝STD1/STD2。
当然，在其他实施例中，也根据两个标准差的差值等作为探测值。
步骤S106、根据探测值和预设阈值之间的关系，确定待识别车辆的型号，待识别车辆的型号包括燃油车和电动车。
在一些实施例中，可以通过判断探测值和预设阈值之间的大小关系，以确定车辆型号。当探测值大于预设阈值，则表明低通滤波前后的加速度数据差异较大，车辆存在高频震动，则确定待识别车辆为燃油车。反之，当探测值小于预设阈值，则表明低通滤波前后的加速度数据差异较小，车辆不存在高频震动，则确定待识别车辆为电动车。
由上可见，本申请实施例通过获取车辆怠速状态下的三轴加速度数据，并计算低通滤波前后的三轴加速度数据的标准差，再根据低通滤波前后的三轴加速度数据的标准差，得到探测值，最后基于探测值和阈值之间的关系，识别车辆是燃油车还是电动车，从而实现了基于三轴加速度数据识别车辆型号。
参见图2，为本申请实施例提供的车辆型号识别方法的另一种流程示意框图，该方法可以包括以下步骤：
步骤S201、在车辆处于怠速状态下，通过车载三轴加速度计采集预设时间段内的三轴加速度数据。
步骤S202、基于预设时间段内的三轴加速度数据，计算每个采样时刻的三轴加速度的模。
步骤S203、根据预设时间段内三轴加速度的模，计算加速度模的均值，并根据均值和加速度模，计算出预设时间内的三轴加速度数据的标准差。
步骤S204、对预设时间段内的三轴加速度数据进行低通滤波，获得滤波后的三轴加速度数据。
步骤S205、基于滤波后的三轴加速度数据，计算每个采样时刻的滤波后三轴加速度的模。
步骤S206、根据预设时间段内的滤波后三轴加速度的模，计算滤波后加速度模的均值，并根据均值和加速度模，计算出预设时间内的滤波后三轴加速度数据的标准差。
步骤S207、将低通滤波前后的标准差的比值作为探测值。
步骤S208、判断探测值是否大于预设阈值。如果是，则进入步骤S209，如果否，则进入步骤S210。
步骤S209、确定待识别车辆为燃油车。
步骤S210、确定待识别车辆为电动车。
需要说明的是，步骤S201～步骤S210的相关介绍可以参见上述图1的实施例，在此不再赘述。
应当理解的是，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的车辆型号识别方法，图3示出了本申请实施例提供的车辆型号识别装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
参照图3，该装置包括：
获取模块31，用于在车辆怠速状态下，获取预设时间段内三轴加速计采集的加速度数据，三轴加速度计设置于待识别车辆上；
第一计算模块32，用于计算加速度数据的标准差；
低通滤波模块33，用于对加速度数据进行低通滤波，得到滤波后加速度数据；
第二计算模块34，用于计算滤波后加速度数据的标准差；
探测值计算模块35，用于根据加速度数据的标准差和滤波后加速度数据的标准差，计算探测值；
车型识别模块36，用于根据探测值和预设阈值之间的关系，确定待识别车辆的型号，待识别车辆的型号包括燃油车和电动车。
在一些可能的实现方式中，探测值计算模块具体用于：将加速度数据的标准差与滤波后加速度数据的标准差的比值作为探测值。
在一些可能的实现方式中，车型识别模块具体用于：判断探测值是否大于预设阈值；当探测值大于预设阈值，则确定待识别车辆为燃油车；当探测值小于预设阈值，则确定待识别车辆为电动车。
在一些可能的实现方式中，第一计算模块具体用于：通过公式
Figure BDA0003380995200000101
计算每个采样时刻的三轴加速度数据的模，预设时间段包括多个采样时刻，加速度数据包括每个采样时刻对应的三轴加速度数据；计算每个采样时刻的三轴加速度数据的模的均值；通过公式
Figure BDA0003380995200000102
计算加速度数据的标准差；
其中，Ai为第i个采样时刻的三轴加速度数据的模，ai、bi、ci为第i个采样时刻三个轴的加速度值；N为预设时间段内三轴加速度数据的个数，μ为预设时间段内三轴加速度数据的模的均值。
在一些可能的实现方式中，第二计算模块具体用于：通过公式
Figure BDA0003380995200000103
计算每个采样时刻的滤波后三轴加速度数据的模；通过公式
Figure BDA0003380995200000104
计算滤波后加速度数据的标准差；
其中，
Figure BDA0003380995200000105
为第i个采样时刻的滤波后三轴加速度数据的模，
Figure BDA0003380995200000106
为低通滤波后第i个采样时刻三个轴的加速度值；
Figure BDA0003380995200000107
为预设时间段内滤波后三轴加速度数据的模的均值。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请实施例方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
图4为本申请一实施例提供的电子设备的结构示意图。如图4所示，该实施例的电子设备4包括：至少一个处理器40(图4中仅示出一个)、存储器41以及存储在所述存储器41中并可在所述至少一个处理器40上运行的计算机程序42，所述处理器40执行所述计算机程序42时实现上述任意各个目标跟踪方法实施例中的步骤。
所述电子设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该电子设备可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是电子设备4的举例，并不构成对电子设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器40可以是中央处理单元(Central Processing Unit，CPU)，该处理器40还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41在一些实施例中可以是所述电子设备4的内部存储单元，例如电子设备4的硬盘或内存。所述存储器41在另一些实施例中也可以是所述电子设备4的外部存储设备，例如所述电子设备4上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器41还可以既包括所述电子设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供了一种电子设备，该电子设备包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个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上述任意各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置、电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种车辆型号识别方法，其特征在于，包括：
在车辆怠速状态下，获取预设时间段内三轴加速计采集的加速度数据，所述三轴加速度计设置于待识别车辆上；
计算所述加速度数据的标准差；
对所述加速度数据进行低通滤波，得到滤波后加速度数据；
计算所述滤波后加速度数据的标准差；
根据所述加速度数据的标准差和所述滤波后加速度数据的标准差，计算探测值；
根据所述探测值和预设阈值之间的关系，确定所述待识别车辆的型号，所述待识别车辆的型号包括燃油车和电动车。
2.如权利要求1所述的方法，其特征在于，根据所述加速度数据的标准差和所述滤波后加速度数据的标准差，计算探测值，包括：
将所述加速度数据的标准差与所述滤波后加速度数据的标准差的比值作为所述探测值。
3.如权利要求1或2所述的方法，其特征在于，根据所述探测值和预设阈值之间的关系，确定所述待识别车辆的型号，包括：
判断所述探测值是否大于所述预设阈值；
当所述探测值大于所述预设阈值，则确定所述待识别车辆为燃油车；
当所述探测值小于所述预设阈值，则确定所述待识别车辆为电动车。
4.如权利要求1所述的方法，其特征在于，计算所述加速度数据的标准差，包括：
通过公式
Figure FDA0003380995190000011
计算每个采样时刻的三轴加速度数据的模，所述预设时间段包括多个采样时刻，所述加速度数据包括每个所述采样时刻对应的所述三轴加速度数据；
通过公式
Figure FDA0003380995190000021
计算所述加速度数据的标准差；
其中，Ai为第i个采样时刻的三轴加速度数据的模，ai、bi、ci为第i个采样时刻三个轴的加速度值；N为所述预设时间段内所述三轴加速度数据的个数，μ为所述预设时间段内所述三轴加速度数据的模的均值。
5.如权利要求4所述的方法，其特征在于，计算所述滤波后加速度数据的标准差，包括：
通过公式
Figure FDA0003380995190000022
计算每个所述采样时刻的滤波后三轴加速度数据的模；
通过公式
Figure FDA0003380995190000023
计算所述滤波后加速度数据的标准差；
其中，
Figure FDA0003380995190000024
为第i个采样时刻的所述滤波后三轴加速度数据的模，
Figure FDA0003380995190000025
为低通滤波后第i个采样时刻三个轴的加速度值；
Figure FDA0003380995190000026
为所述预设时间段内所述滤波后三轴加速度数据的模的均值。
6.一种车辆型号识别装置，其特征在于，包括：
获取模块，用于在车辆怠速状态下，获取预设时间段内三轴加速计采集的加速度数据，所述三轴加速度计设置于待识别车辆上；
第一计算模块，用于计算所述加速度数据的标准差；
低通滤波模块，用于对所述加速度数据进行低通滤波，得到滤波后加速度数据；
第二计算模块，用于计算所述滤波后加速度数据的标准差；
探测值计算模块，用于根据所述加速度数据的标准差和所述滤波后加速度数据的标准差，计算探测值；
车型识别模块，用于根据所述探测值和预设阈值之间的关系，确定所述待识别车辆的型号，所述待识别车辆的型号包括燃油车和电动车。
7.如权利要求6所述的装置，其特征在于，所述探测值计算模块具体用于：
将所述加速度数据的标准差与所述滤波后加速度数据的标准差的比值作为所述探测值。
8.如权利要求6或7所述的装置，其特征在于，所述车型识别模块具体用于：
判断所述探测值是否大于所述预设阈值；
当所述探测值大于所述预设阈值，则确定所述待识别车辆为燃油车；
当所述探测值小于所述预设阈值，则确定所述待识别车辆为电动车。
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中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5任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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5任一项所述的方法。
CN202111450517.7A 2021-11-29 2021-11-29 车辆型号识别方法、装置、电子设备及可读存储介质 Active CN114241780B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111450517.7A CN114241780B (zh) 2021-11-29 2021-11-29 车辆型号识别方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111450517.7A CN114241780B (zh) 2021-11-29 2021-11-29 车辆型号识别方法、装置、电子设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN114241780A true CN114241780A (zh) 2022-03-25
CN114241780B CN114241780B (zh) 2023-01-06

Family

ID=80752490

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111450517.7A Active CN114241780B (zh) 2021-11-29 2021-11-29 车辆型号识别方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN114241780B (zh)

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102555768A (zh) * 2010-12-31 2012-07-11 上海汽车集团股份有限公司 一种混合动力系统的控制方法
CN102900804A (zh) * 2011-07-29 2013-01-30 日产自动车株式会社 车辆用隔振装置
US20160368500A1 (en) * 2015-06-22 2016-12-22 Hyundai Motor Company Method for controlling entry to full load mode of engine in hybrid electric vehicle
CN106379196A (zh) * 2016-09-14 2017-02-08 天津市松正电动汽车技术股份有限公司 一种电动教练车的驱动方法
CN107199844A (zh) * 2017-05-31 2017-09-26 湘潭电机股份有限公司 一种用于电传动工程车辆的车载空调节能系统及控制方法
CN108202587A (zh) * 2016-12-16 2018-06-26 比亚迪股份有限公司 悬置系统、悬置结构和电动汽车及其减震控制方法
CN108422930A (zh) * 2018-05-14 2018-08-21 安徽新华学院 一种模拟燃油车引擎的电动汽车机构
CN108437837A (zh) * 2018-04-27 2018-08-24 安徽科创新能源科技有限责任公司 充电桩充电车位的管理系统及方法
CN108674499A (zh) * 2018-04-28 2018-10-19 武汉理工大学 提升电动汽车性能的质心调节方法及电池组移动系统
CN108847253A (zh) * 2018-09-05 2018-11-20 平安科技（深圳）有限公司 车辆型号识别方法、装置、计算机设备及存储介质
CN109026639A (zh) * 2018-05-31 2018-12-18 华南理工大学 纯电动车怠速工况下空调压缩机低频异响诊断和改善方法
CN110014850A (zh) * 2019-03-11 2019-07-16 北京长城华冠汽车科技股份有限公司 用于对车辆减速行驶中驱动电机的滤波方法、装置及车辆
CN111854738A (zh) * 2020-06-22 2020-10-30 厦门亿联网络技术股份有限公司 一种基于三轴加速度计的人体运动状态检测方法及装置
CN111873804A (zh) * 2020-06-30 2020-11-03 河南德力新能源汽车有限公司 一种电动汽车工况数据生成方法和能耗评价工况生成方法
CN112046423A (zh) * 2020-09-02 2020-12-08 何志祥 一种模拟燃油汽车的电动教练车系统
CN113080857A (zh) * 2021-03-30 2021-07-09 安徽华米健康医疗有限公司 呼吸监测方法、装置及终端设备
CN113390648A (zh) * 2021-05-31 2021-09-14 奇瑞新能源汽车股份有限公司 动力总成悬置隔振率测试系统及方法

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102555768A (zh) * 2010-12-31 2012-07-11 上海汽车集团股份有限公司 一种混合动力系统的控制方法
CN102900804A (zh) * 2011-07-29 2013-01-30 日产自动车株式会社 车辆用隔振装置
US20160368500A1 (en) * 2015-06-22 2016-12-22 Hyundai Motor Company Method for controlling entry to full load mode of engine in hybrid electric vehicle
CN106379196A (zh) * 2016-09-14 2017-02-08 天津市松正电动汽车技术股份有限公司 一种电动教练车的驱动方法
CN108202587A (zh) * 2016-12-16 2018-06-26 比亚迪股份有限公司 悬置系统、悬置结构和电动汽车及其减震控制方法
CN107199844A (zh) * 2017-05-31 2017-09-26 湘潭电机股份有限公司 一种用于电传动工程车辆的车载空调节能系统及控制方法
CN108437837A (zh) * 2018-04-27 2018-08-24 安徽科创新能源科技有限责任公司 充电桩充电车位的管理系统及方法
CN108674499A (zh) * 2018-04-28 2018-10-19 武汉理工大学 提升电动汽车性能的质心调节方法及电池组移动系统
CN108422930A (zh) * 2018-05-14 2018-08-21 安徽新华学院 一种模拟燃油车引擎的电动汽车机构
CN109026639A (zh) * 2018-05-31 2018-12-18 华南理工大学 纯电动车怠速工况下空调压缩机低频异响诊断和改善方法
CN108847253A (zh) * 2018-09-05 2018-11-20 平安科技（深圳）有限公司 车辆型号识别方法、装置、计算机设备及存储介质
CN110014850A (zh) * 2019-03-11 2019-07-16 北京长城华冠汽车科技股份有限公司 用于对车辆减速行驶中驱动电机的滤波方法、装置及车辆
CN111854738A (zh) * 2020-06-22 2020-10-30 厦门亿联网络技术股份有限公司 一种基于三轴加速度计的人体运动状态检测方法及装置
CN111873804A (zh) * 2020-06-30 2020-11-03 河南德力新能源汽车有限公司 一种电动汽车工况数据生成方法和能耗评价工况生成方法
CN112046423A (zh) * 2020-09-02 2020-12-08 何志祥 一种模拟燃油汽车的电动教练车系统
CN113080857A (zh) * 2021-03-30 2021-07-09 安徽华米健康医疗有限公司 呼吸监测方法、装置及终端设备
CN113390648A (zh) * 2021-05-31 2021-09-14 奇瑞新能源汽车股份有限公司 动力总成悬置隔振率测试系统及方法

Also Published As

Publication number Publication date
CN114241780B (zh) 2023-01-06

Similar Documents

Publication Publication Date Title
CN108701229A (zh) 驾驶行为分析方法及驾驶行为分析装置
CN112146721B (zh) 一种尿素液位检测方法、装置、存储介质及电子设备
CN110457057B (zh) 车载系统升级提醒方法、装置和车辆
CN110778714B (zh) 一种燃油车挡位识别方法和系统
CN111060153B (zh) 货车载货状态的检测方法、装置及存储介质
CN111731308A (zh) 坡度估算方法、存储介质及电子设备
CN110733508A (zh) 一种疲劳驾驶检测方法和装置
CN110909718A (zh) 驾驶状态识别方法、装置及车辆
CN115720253A (zh) 视频处理方法、装置、车辆以及存储介质
CN111784984A (zh) 一种分布式预警系统、方法及装置
CN111572366A (zh) 电动车腾空保护方法、设备、存储介质及装置
CN114241780B (zh) 车辆型号识别方法、装置、电子设备及可读存储介质
CN109493446A (zh) 数据处理方法及装置
CN111310696B (zh) 基于泊车异常行为分析的泊车事故识别方法、装置和车辆
CN112172542A (zh) 车辆坡道滑行停机控制方法及电子设备
CN112874378A (zh) 一种电池采样温度的处理方法、装置、设备及车辆
CN107038874B (zh) 一种车祸监测方法及装置
CN111142720B (zh) 车机屏幕旋转显示方法和装置
CN112634489B (zh) 一种基于移动终端的车辆状态确定方法、装置及系统
CN111720192A (zh) 一种车辆、颗粒捕集器的控制方法与控制装置、存储介质
CN114005186A (zh) 一种车牌识别方法、装置及停车管理系统
CN111071258A (zh) 驾驶行为检测方法、装置、电子设备及可读存储介质
CN111025043B (zh) 一种识别充电行为的方法及终端设备
CN110967523A (zh) 车辆加速度检测方法及装置
CN113901285B (zh) 车辆道路试验方法、装置、电子设备及存储介质

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