• / 9

基于加速度传感器和机器学习的路面坑洼检测方法

关 键  词:
基于 加速度 传感器 机器 学习 路面 坑洼 检测 方法
资源描述:

《基于加速度传感器和机器学习的路面坑洼检测方法》由会员分享,可在线阅读,更多相关《基于加速度传感器和机器学习的路面坑洼检测方法(9页珍藏版)》请在我爱发明文档网上搜索。

1、使用Arduino嵌入式开发板将采集到的加速度传感器数据和GPS的定位信 息数据使用USB线传送09; 微控制器在通电后开始收集数据, 在断电停止; 在步骤S109, 流程结束。 0014 步骤2否正常, 如果供电正常, 则执行步骤S103, 继续收集道路数据; 如果供电不正常, 则执行步骤S1据、 汽 车当前速度、 当前北京时间、 汽车位置信息) 传输至树莓派; 在步骤S108, 判断供电是以换行符作为结尾; 在步骤S107, 微控制器使用I2C交互实例将道路信息字符串 (包括汽车加速度数以逗号隔开经度、 纬度、 速度、 z轴加速度、 x轴加速度、 y轴加速度存入道路信息字符 串中, 并面方。

2、向, y轴代表汽车行进方向, z轴表示垂直于路面方向; 在步骤S106, 微控制器打包数据; 将汽车行驶时的z轴加速度, x轴加速度以及y轴加速度。 其中, x轴表示垂 直于汽车行径方向并平行于路PS传 输数据正常, 则执行步骤S105; 在步骤S105, 读取加速度传感器数据; 微控制器将读取 表示微控制器 读取到的不是帧的开始或是数据传输错误, 程序将跳到步骤S103继续读取数据; 如果G, 则执行步骤S105; GPS以帧格式传输数据, 数据帧将以 $ 为开始。 如果第一个字符不是 $4, 判断从GPS模块中读取到的第一个字符是否为 $ , 如果不是, 则执行步骤 S103, 如果是 准。

3、, 微控制器将读取到GPS模块采集到的汽车行驶时的经纬度、 北京时间以及当前速度; 在步骤S10模块传输的数据; GPS的采样频率较加速度传感器更慢, 因此微控制器在采集数据时以GPS模块采样为基L345的+/- 4G 测量范围和测量模式; 在步骤S103, 微控制器从I2C交互实例中获取GPS收数据前需要初始化加速度 传感器的配置, 包括加速度传感器的测量范围和工作模式。 本实施例使用ADX初始化一个SPI交互实例和I2C 交互实例。 本实施例使用ADXL345作为加速度传感器模块, 在接器通过SPI协议交互数据, 微控制器 与GPS模块通过I2C协议交互; 在初始化阶段, 微控制器需要骤S。

4、102, 完成初始化工作准备接受传感器数据; Arduino嵌入式开发板上的微控制器与加速度传感如下: 在步骤S101, 流程开始; 说明书 2/4 页 4 CN 107167580 A 4 在步PS模块收集到的定位信 息数据; 如图2所示, 在Arduino嵌入式开发板中, 采集数据的具体流程务器中。 0013 本发明包括以下步骤: 步骤1、 控制器模块采集加速度传感器收集到的加速度数据和G图上标注坑洼。 0012 感知层和数据存储模块设置于车载装置中, 坑洼检测模块和地图绘制模块置于服 洼检测模块之后是地图绘制模块, 地图绘制模块读取坑洼的位置信息数据, 读取后 使用高德地图API在地传输。

5、的道路信 息数据; 在完成坑洼检测后, 坑洼检测模块将输出坑洼位置信息数据到地图绘制模块中; 坑检测模块中, 并清空嵌入式数据库; 数据存储模块之后是坑洼检测模块, 坑洼检测模块用于接收控制器模块络连接正常后, 数据存储模块将道路信息数据 (道路信息数据为加速度 数据和位置信息数据) 传输到坑洼 层中的控制器模块传输的数据并将数据存储到树莓派开发板中的嵌入式数据库中; 如果控 制器模块检测到网传输到数据存储模块; 感知层之后是数据存储模块, 数据存储模块采用树莓派; 数据存储模块用于接收感知, 用于与加速 度传感器模块和GPS模块进行数据交互, 并将所获得的加速度数据和位置信息数据打包后 据的。

6、采集; GPS模块 用于汽车行驶时的位置信息的采集; 控制器模块由Arduino嵌入式开发板实现, 它由加速度传感器模块、 GPS 模块和控制器模块组成, 加速度传感器模块用于汽车行驶时的加速度数1 下面结合附图和实施例对本发明作进一步说明: 本发明应用环境的层级结构如图1所示, 第一层是感知层图2为采集加速度传感器数据和GPS模块数据的流程图; 图3为坑洼检测的流程图。 具体实施方式 001 提高检测的可靠性。 附图说明 0010 本发明的附图说明如下: 图1为发明应用环境的层级结构图; 因此使用此阈值能提高检测准确率; 同时与使用 社交软件的坑洼检测方法相比, 避免了人的主观因素影响,值相。

7、比, 使用机器学习方法得到的检测阈值更贴合实际路面情 况, 并随着数据量的增长有更高的准确性, 测试集 中检测出坑洼数据并输出到坑洼信息文件中。 0009 本发明的技术效果是: 与固定的坑洼检测阈类, 并计算出其中 坑洼数据类加速度特征的平均值, 并将此作为坑洼检测阈值; 利用该阈值, 本发明从中分离出一部分作为训练集, 之后服务器运行K-MEANS机器学习方法, 将收集到的道路信息数据分为两耦合性并且弥补了树莓派针脚不 足的缺陷。 0008 在步骤4中, 服务器首先从收集到的道路信息数据集/4 页 3 CN 107167580 A 3 器数据的采集与转发, 这种设计模式可以降低整体系统的洼。。

8、 0007 在步骤3中, 树莓派不直接与传感器相连而是通过中间的嵌入式开发板进行传感 说明书 1使用阈值检测坑洼之后, 将坑 洼信息数据到传送到地图显示模块; 步骤5、 地图显示模块在地图上标注坑据库中并在有网络连接 时将数据传输到服务器; 步骤4、 服务器接收道路信息数据并计算坑洼检测阈值, 器数据和GPS定位信息数据传送给树 莓派; 步骤3、 使用树莓派将收集到的道路信息数据存储到嵌入式数集到的加速度数据和GPS模块收集到的定位信 息数据; 步骤2、 使用嵌入式开发板将采集到的加速度传感解决的技术问题是通过这样的技术方案实现的, 它包括以下步骤: 步骤1、 控制器模块采集加速度传感器收基础。

9、上, 能提高检测的准确性, 且不受人主观因素的影响, 能提高检测的可靠性。 0006 本发明所要提供一种基于 加速度传感器和机器学习的路面坑洼检测方法, 它在现有基于加速度传感器的路面检测技 术的有较大的不确定性。 发明内容 0005 针对现有技术中存在的技术问题, 本发明所要解决的技术问题就是现坑洼后及时在社交软件上反映坑洼信息, 这种的坑洼检测方法的检 测延迟完全依赖于用户参与的积极性, 件中反馈的坑洼信息以及GPS定位信息的坑洼检测系统。 这种检测方法依赖于用户的 交互, 需要用户在发 Hsu J Y, 人工智能的技术前景与应用会议, 台湾, 2010) 中记载了一种使用户在社 交软hu。

10、, Taiwan. 2010. (基于智能手机的自动路面坑洼检测, Tai Y, Chan C,and applications of artificial intelligence, Hsinci Y, Chan C, Hsu J Y., conference on technologies d anomaly detection using smart mobile deviceC, Ta传感器的方式来检测坑洼, 有的坑洼检测系统还利用了社交软件来 报告坑洼。 Automatic roa车辆本身参数 不同, 在检测坑洼时用一个固定的阈值进行判断, 其准确性较低。 0004 除了直接使用上的。

11、垂直方向加速度数据并在低速 和高速两种情况与阈值进行比较从而判断出是否汽车是否遇到了坑洼。 由于检测系统基于廉价的加速度传感器收集数据, 并以阈 值的方式检测坑洼。 其基本方法是收集汽车行驶在道路 较高, 而基于此的路面坑洼检测系统的成本较高难以规模化生产。 0003 针对这个问题, 最近的坑洼的图像进行分析, 并判断路面上是否有坑挖。 目前, 使用图像处理的方式来检测坑洼由于使用的摄像头价格路面坑洼检测方法。 背景技术 0002 传统坑洼检测技术 (路面检测技术) 一般是将高清摄像头采集到技术领域 0001 本发明属于路面检测技术中的坑洼检测方法, 具体涉及基于加速度传感器和机器 学习的书 。

12、1/1 页 2 CN 107167580 A 2 基于加速度传感器和机器学习的路面坑洼检测方法 否已经读完所有道路信息数据测试集, 若不是, 则执行步骤S206; 若 是, 则程序结束。 权利要求09; 步骤S208, 写入坑洼数据的位置信息到文件中, 并以换行符做结尾; 步骤S209, 判断是y轴加速度与z轴加速度的平方差是否大于阈值, 若是, 则执行步骤S208, 若不是, 则执行步骤S2 步骤S206, 块读取道路信息数据测试集中的一条进行坑洼检测; 步骤S207, 判断读取到的数据中MEANS机器学习方法, 用步骤S203生成的训练数据集 进行训练; 步骤S205, 坑洼阈值计算;在树。

13、莓派中的道路信息数据; 步骤S203, 生成训练数据; 步骤S204, 坑洼分类训练, 使用K-征 是, 在步骤4中, 检测坑洼包括以下步骤: 步骤S202, 使用Socket链接通过网络读取存储供电不正常, 则结束。 3.根据权利要求1所述的基于加速度传感器和机器学习的路面坑洼检测方法, 其特步骤S108, 判断供电是否正常, 如果供电正常, 则执行步骤S103, 继续收集道路数据; 如 果, 控制器模块打包数据; 步骤S107, 微控制器使用I2C交互实例将道路信息字符串传输至树莓派; 骤 S103, 如果是, 则执行步骤S105; 步骤S105, 读取加速度传感器数据; 步骤S106输的。

14、数据; 步骤S104, 判断从GPS模块中读取到的第一个字符是否为 $ , 如果不是, 则执行步, 完成初始化工作准备接受传感器数据; 步骤S103, 控制器模块从I2C交互实例中获取GPS模块传方法, 其特征 是, 在步骤1和步骤2中, 控制器模块采集数据和传送数据包括以下步骤: 步骤S102、 地图显示模块在地图上标注坑洼。 2.根据权利要求1所述的基于加速度传感器和机器学习的路面坑洼检测信息数据并计算坑洼检测阈值, 使用阈值检测坑洼之后, 将坑 洼信息数据到传送到地图显示模块; 步骤5到的道路信息数据存储到嵌入式数据库中并在有网络连接 时将数据传输到服务器; 步骤4、 服务器接收道路入式。

15、开发板将采集到的加速度传感器数据和GPS定位信息数据传送给树 莓派; 步骤3、 使用树莓派将收集 控制器模块采集加速度传感器收集到的加速度数据和GPS模块收集到的定位信 息数据; 步骤2、 使用嵌580 A 1.基于加速度传感器和机器学习的路面坑洼检测方法, 其特征是, 包括以下步骤: 步骤1、书1页 说明书4页 附图3页 CN 107167580 A 2017.09.15 CN 107167注 坑洼。 本发明提高了检测的准确性, 还克服了人 主观因素的影响, 提高了检测的可靠性。 权利要求阈值, 使用阈值检测坑洼之后, 将坑洼信息数据到传送 到地图显示模块; 5、 地图显示模块在地图上标储到。

16、嵌入式数据 库中并在有网络连接时将数据传输到服务器; 4、 服务器接收道路信息数据并计算坑洼检测到的加速度传感器数据 和GPS定位信息数据传送给树莓派; 3、 使用树莓 派将收集到的道路信息数据存集加速度传感器收集到的加速 度数据和GPS模块收集到的定位信息数据; 2、 使 用嵌入式开发板将采集发明提供了一种基于加速度传感器和机 器学习的路面坑洼检测方法, 它包括以下步骤: 1、 控制器模块采2006.01) (54)发明名称 基于加速度传感器和机器学习的路面坑洼 检测方法 (57)摘要 本理机构 重庆大学专利中心 50201 代理人 唐开平 (51)Int.Cl. G01N 33/42(00044 重庆市沙坪坝区沙正街174号 (72)发明人 刘铎任津廷张靖宇李阳 梁靓 (74)专利代权数据 201611171457.4 2016.12.17 CN (71)申请人 重庆大学 地址 4(21)申请号 201710321722.0 (22)申请日 2017.05.09 (66)本国优先(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日。

展开阅读全文
  我爱发明文档网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
关于本文
本文标题:基于加速度传感器和机器学习的路面坑洼检测方法
链接地址:https://www.woaifaming.net/doc/834905.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

copyright@ 20018-2021 我爱发明网版权所有

经营许可证编号:粤ICP备20005300号-1



收起
展开