CN112308012A - 一种基于云端的智能驾驶坐姿预测*** - Google Patents
一种基于云端的智能驾驶坐姿预测*** Download PDFInfo
- Publication number
- CN112308012A CN112308012A CN202011271504.9A CN202011271504A CN112308012A CN 112308012 A CN112308012 A CN 112308012A CN 202011271504 A CN202011271504 A CN 202011271504A CN 112308012 A CN112308012 A CN 112308012A
- Authority
- CN
- China
- Prior art keywords
- sitting posture
- vehicle
- cloud
- driver
- size
- 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.)
- Withdrawn
Links
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 3
- 238000007418 data mining Methods 0.000 claims description 2
- 230000036544 posture Effects 0.000 description 67
- 238000005516 engineering process Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
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
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Biophysics (AREA)
- Development Economics (AREA)
- Biomedical Technology (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Molecular Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Primary Health Care (AREA)
- Image Analysis (AREA)
- Fittings On The Vehicle Exterior For Carrying Loads, And Devices For Holding Or Mounting Articles (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于云端的智能驾驶坐姿预测***，包括车端***和云端***，所述车端***包括坐姿调整执行器、尺寸识别摄像头和车载网联终端，所述云端***包括底层数据库、原始数据采集、坐姿调整数据、尺寸识别数据、预测算法模型和驾驶员坐姿预测，车端***通过车载网联终端与云端***互相通信。本发明与现有技术相比的优点在于：可以根据人体尺寸自动调整汽车座椅、转向管柱、内外后视镜等可调节零部件至最佳位置。
Description
技术领域
本发明涉及汽车驾驶坐姿自动调节技术领域，具体是指一种基于云端的智能驾驶坐姿预测***。
背景技术
为了适应不同身材的驾驶员，汽车的座椅位置、方向盘位置、内外后视镜位置一般都是被设计为可以调节的。而驾驶员正确的驾驶坐姿对行车安全性、舒适性的提高有很大的意义。因此若是存在一个***可以实现根据驾驶员身材信息、车辆尺寸信息自动调整驾驶员相关各个可调零部件至最合理位置的功能，必将对驾驶员的乘坐感受、安全性得到很大的提升。
目前一些现有的技术中都是根据人体尺寸和坐姿的对照表来决定人体坐姿，操作的便捷性和准确性都有所欠缺。
发明内容
本发明的目的是为了解决上述现有技术存在的问题，进而提供一种可以根据人体尺寸自动调整汽车座椅、转向管柱、内外后视镜等可调节零部件至最佳位置的***的一种基于云端的智能驾驶坐姿预测***。
本发明的目的是通过以下技术方案实现的：
一种基于云端的智能驾驶坐姿预测***，包括车端***和云端***，所述车端***包括坐姿调整执行器、尺寸识别摄像头和车载网联终端，所述云端***包括底层数据库、原始数据采集、坐姿调整数据、尺寸识别数据、预测算法模型和驾驶员坐姿预测，车端***通过车载网联终端与云端***互相通信，将驾驶坐姿调整执行器初始位置、人体关节尺寸、人体特征尺寸发送到云端***，并且将云端***返回的数据给到坐姿调整执行器；云端***负责接收并处理数据，首先根据车型的原始采集数据建立底层数据库，而后利用神经网络、机器学习、回归分析方法建立坐姿预测算法模型，再根据车端***给出的驾驶员尺寸识别信息对驾驶员坐姿进行预测，并且计算出坐姿调整执行器的调节量，再返回到车载网联终端，将信息返回到坐姿调整执行器进行相应的调整；若驾驶员对坐姿调整执行器位置进行了微调，则云端***需要接收调整量并且对驾驶员坐姿预测算法模型进行优化。
进一步的，所述坐姿调整执行器包括座椅位置调节机构、方向盘位置调节机构、内外后视镜位置调节机构、电滑动扶手位置调节机构和抬头显示器位置调节机构。
进一步的，所述尺寸识别摄像头包含车内尺寸识别摄像头、车外尺寸识别摄像头以及车载处理终端，车载处理终端根据图像识别出人体关节尺寸、人体特征位置，车内尺寸识别摄像头负责记录在正常驾驶时各个关节、人体特征的位置，然后发送到云端***对驾驶员坐姿预测模型进行优化。
进一步的，所述车载网联终端通过移动网络将车外尺寸识别摄像头计算出的人体关节尺寸、特征尺寸以及坐姿调整执行器位置参数信息传送到云端***。
进一步的，所述坐姿预测算法模型首先需要采集车型原始数据，建立MongoDB、MYSQL数据库，再通过python对数据进行数据清洗、数据挖掘，而后建立K-means差异性驾驶姿态深度分析模型、神经网络驾驶坐姿预测模型、多元回归视野预测模型，进而整合成驾驶员坐姿预测模型。
进一步的，所述云端***根据车端***的车载网联终端发来的人体关节尺寸、特征尺寸、坐姿调整执行器位置参数，以及本身内置的汽车参数信息，通过驾驶员坐姿预测模型预测出最佳驾驶员坐姿，再将最佳驾驶员坐姿位置转换成坐姿调整执行器的调整量，包括座椅位置、坐垫位置、靠背位置、腿托位置、腰托位置、方向盘位置、内外后视镜位置、HUD位置、电滑动扶手位置各参数的调整量，再将数据返回车载网联终端。
本发明与现有技术相比的优点在于：
利用神经网络、深度学***台中存储大量参考驾驶员坐姿参数，通过基于人体关节尺寸与驾驶坐姿关系的神经网络模型对驾驶坐姿进行准确预测。且若驾驶员对坐姿进行微调，微调数据返回云端***更新算法模型，进一步增加预测的准确性，提升客户感知质量。
附图说明
图1是本发明***示意图。
图2是本发明的流程图。
具体实施方式
结合图1-2所示。本发明在具体实施时，坐姿调整执行器1主要作用有两个，给出影响驾驶坐姿的零部件的初始位置，再根据云端***返回的数据调节各个零部件位置至最佳位置。一般来说根据车型配置的不同，坐姿调整执行器最多包括座椅位置调节机构、方向盘位置调节机构、内外后视镜位置调节机构、电滑动扶手位置调节机构、抬头显示器位置调节机构等。尺寸识别摄像头包含车内、车外两个摄像头以及其处理终端。车外摄像头负责在驾驶员携带钥匙接近车辆的时候进行图像记录并且传送数据至车载处理终端，车载处理终端负责根据图像识别出人体关节尺寸、人体特征位置。车内摄像头负责记录在正常驾驶时各个关节、人体特征的位置，然后发送到云端***对驾驶员坐姿预测模型进行优化。车载网联终端负责汽车与云端***之间的互相通信，一般来说包括将驾驶坐姿调整执行器初始位置、人体关节尺寸、人体特征尺寸发送到云端***，并且将云端***返回的数据给到坐姿调整执行器。云端***负责接收并处理数据。首先根据车型的原始采集数据建立底层数据库，而后利用神经网络、机器学习、回归分析等方法建立坐姿预测算法模型，再根据车端***给出的驾驶员尺寸识别信息对驾驶员坐姿进行预测，并且计算出坐姿调整执行器的调节量，再返回到车载网联终端。若驾驶员对坐姿调整执行器位置进行了微调，则云端***需要接收调整量并且对驾驶员坐姿预测算法模型进行优化。
下面结合具体结构对操作进行说明：
1：坐姿调整执行器识别出自身的位置参数，再将数据传送到车载网联终端。
2：当驾驶员携带车钥匙接近车辆驾驶侧的时候，车外尺寸识别摄像头识别出驾驶员并且自动计算出人体关节尺寸、特征尺寸，并且传输数据至车载网联终端。
3：车载网联终端通过移动网络将车外尺寸识别摄像头计算出的人体关节尺寸、特征尺寸，以及坐姿调整执行器位置参数等信息传送到云端***上。
4：云端***预置的坐姿预测模型。首先需要采集车型原始数据，建立MongoDB、MYSQL数据库，再通过python对数据进行数据清洗、数据挖掘，而后建立K-means差异性驾驶姿态深度分析模型、神经网络驾驶坐姿预测模型、多元回归视野预测模型，进而整合成驾驶员坐姿预测模型。
5：云端***根据车端***的车载网联终端发来的人体关节尺寸、特征尺寸、坐姿调整执行器位置参数，以及本身内置的汽车参数信息，通过驾驶员坐姿预测模型预测出最佳驾驶员坐姿，再将最佳驾驶员坐姿位置转换成坐姿调整执行器的调整量，一般包括座椅位置(坐垫位置、靠背位置、腿托位置、腰托位置)方向盘位置、内外后视镜位置、HUD位置、电滑动扶手位置等参数的调整量，再将数据返回车载网联终端。
6：车载网联终端接收云端***返回的最佳驾驶员坐姿的相关位置参数调整量，并且将信息返回到坐姿调整执行器进行相应的调整。
7：驾驶员进入车内开始驾驶汽车之后，车内尺寸识别摄像头识别出驾驶员的各个身体特征位置参数(关节位置、眼睛位置等)并且传送数据至车载网联终端，若驾驶员对坐姿调整执行器进行了微调，则其微调量也会被传送回车载网联终端。
8：车载网联终端将车内识别摄像头识别出来的驾驶员身体特征位置参数、坐姿微调量(若存在)通过移动网络发送到云端***。
9：云端***通过驾驶员身体特征参数、坐姿微调量对驾驶坐姿预测模型进行优化，以保证后续预测结果更加准确。
Claims (6)
1.一种基于云端的智能驾驶坐姿预测***，包括车端***和云端***，其特征在于，所述车端***包括坐姿调整执行器、尺寸识别摄像头和车载网联终端，所述云端***包括底层数据库、原始数据采集、坐姿调整数据、尺寸识别数据、预测算法模型和驾驶员坐姿预测，车端***通过车载网联终端与云端***互相通信，将驾驶坐姿调整执行器初始位置、人体关节尺寸、人体特征尺寸发送到云端***，并且将云端***返回的数据给到坐姿调整执行器；云端***负责接收并处理数据，首先根据车型的原始采集数据建立底层数据库，而后利用神经网络、机器学习、回归分析方法建立坐姿预测算法模型，再根据车端***给出的驾驶员尺寸识别信息对驾驶员坐姿进行预测，并且计算出坐姿调整执行器的调节量，再返回到车载网联终端，将信息返回到坐姿调整执行器进行相应的调整；若驾驶员对坐姿调整执行器位置进行了微调，则云端***需要接收调整量并且对驾驶员坐姿预测算法模型进行优化。
2.根据权利要求1所述的一种基于云端的智能驾驶坐姿预测***，其特征在于，所述坐姿调整执行器包括座椅位置调节机构、方向盘位置调节机构、内外后视镜位置调节机构、电滑动扶手位置调节机构和抬头显示器位置调节机构。
3.根据权利要求1所述的一种基于云端的智能驾驶坐姿预测***，其特征在于，所述尺寸识别摄像头包含车内尺寸识别摄像头、车外尺寸识别摄像头以及车载处理终端，车载处理终端根据图像识别出人体关节尺寸、人体特征位置，车内尺寸识别摄像头负责记录在正常驾驶时各个关节、人体特征的位置，然后发送到云端***对驾驶员坐姿预测模型进行优化。
4.根据权利要求3所述的一种基于云端的智能驾驶坐姿预测***，其特征在于，所述车载网联终端通过移动网络将车外尺寸识别摄像头计算出的人体关节尺寸、特征尺寸以及坐姿调整执行器位置参数信息传送到云端***。
5.根据权利要求1所述的一种基于云端的智能驾驶坐姿预测***，其特征在于，所述坐姿预测算法模型首先需要采集车型原始数据，建立Mongo DB、MYSQL数据库，再通过python对数据进行数据清洗、数据挖掘，而后建立K-means差异性驾驶姿态深度分析模型、神经网络驾驶坐姿预测模型、多元回归视野预测模型，进而整合成驾驶员坐姿预测模型。
6.根据权利要求4或5所述的一种基于云端的智能驾驶坐姿预测***，其特征在于，所述云端***根据车端***的车载网联终端发来的人体关节尺寸、特征尺寸、坐姿调整执行器位置参数，以及本身内置的汽车参数信息，通过驾驶员坐姿预测模型预测出最佳驾驶员坐姿，再将最佳驾驶员坐姿位置转换成坐姿调整执行器的调整量，包括座椅位置、坐垫位置、靠背位置、腿托位置、腰托位置、方向盘位置、内外后视镜位置、HUD位置、电滑动扶手位置各参数的调整量，再将数据返回车载网联终端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011271504.9A CN112308012A (zh) | 2020-11-13 | 2020-11-13 | 一种基于云端的智能驾驶坐姿预测*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011271504.9A CN112308012A (zh) | 2020-11-13 | 2020-11-13 | 一种基于云端的智能驾驶坐姿预测*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112308012A true CN112308012A (zh) | 2021-02-02 |
Family
ID=74334386
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011271504.9A Withdrawn CN112308012A (zh) | 2020-11-13 | 2020-11-13 | 一种基于云端的智能驾驶坐姿预测*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112308012A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113139474A (zh) * | 2021-04-26 | 2021-07-20 | 中汽研软件测评(天津)有限公司 | 生物识别技术和数据驱动下的汽车座舱智能适应模型算法 |
| CN113190802A (zh) * | 2021-05-31 | 2021-07-30 | 北京乐驾科技有限公司 | 车载hud虚像高度的自动调节方法、装置及电子设备 |
| CN113221071A (zh) * | 2021-05-31 | 2021-08-06 | 北京乐驾科技有限公司 | 车载hud虚像高度的自动调节方法、装置及电子设备 |
| CN115240231A (zh) * | 2022-09-22 | 2022-10-25 | 珠海翔翼航空技术有限公司 | 基于图像识别的用于全动模拟机的坐姿检测及调整方法 |
-
2020
- 2020-11-13 CN CN202011271504.9A patent/CN112308012A/zh not_active Withdrawn
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113139474A (zh) * | 2021-04-26 | 2021-07-20 | 中汽研软件测评(天津)有限公司 | 生物识别技术和数据驱动下的汽车座舱智能适应模型算法 |
| CN113190802A (zh) * | 2021-05-31 | 2021-07-30 | 北京乐驾科技有限公司 | 车载hud虚像高度的自动调节方法、装置及电子设备 |
| CN113221071A (zh) * | 2021-05-31 | 2021-08-06 | 北京乐驾科技有限公司 | 车载hud虚像高度的自动调节方法、装置及电子设备 |
| CN115240231A (zh) * | 2022-09-22 | 2022-10-25 | 珠海翔翼航空技术有限公司 | 基于图像识别的用于全动模拟机的坐姿检测及调整方法 |
| CN115240231B (zh) * | 2022-09-22 | 2022-12-06 | 珠海翔翼航空技术有限公司 | 基于图像识别的用于全动模拟机的坐姿检测及调整方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112308012A (zh) | 一种基于云端的智能驾驶坐姿预测*** | |
| CN109515361B (zh) | 一种座舱调节***及车辆 | |
| CN110466458B (zh) | 一种可电动调节的车载装置的控制方法、***及车辆 | |
| US7142696B1 (en) | Assistance device in a motor vehicle | |
| US20160236591A1 (en) | Method for presetting a vehicle seat | |
| US20150084985A1 (en) | Seat adjustment for a motor vehicle | |
| US20140319895A1 (en) | Device and Method for Adjusting a Seat Position | |
| CN110588551A (zh) | 基于特征识别的用户车载个性化的自动调节方法及自动调节装置 | |
| CN109094491B (zh) | 车辆部件的调整方法、装置、***及终端设备 | |
| US7437228B2 (en) | Automatic adjusting apparatus for adjustable equipments | |
| JP5169903B2 (ja) | 座席位置制御装置及びその制御方法 | |
| US7430467B2 (en) | Regulating method for a motor vehicle seat | |
| CN112550089A (zh) | 一种车联网智能座椅***、控制方法及氢能汽车 | |
| US20220063448A1 (en) | Method for the automatic adjustment of a cockpit inside a road vehicle and relative road vehicle | |
| CN109421632B (zh) | 一种调整驾驶员姿态的方法、装置及*** | |
| US20190329672A1 (en) | Methods and apparatus to facilitate anthropometric seat adjustments | |
| JP2003531766A (ja) | 装置、例えば自動車をユーザ固有に調節するための装置及び方法 | |
| CN110271506A (zh) | 用于自动调节车辆座椅的方法和装置 | |
| US6993423B2 (en) | Method for adjusting vehicle cockpit devices | |
| CN113602222A (zh) | 一种基于眼椭圆的共享汽车智能座椅最优坐姿确定方法 | |
| JP4244826B2 (ja) | 車両機器の制御装置およびセンタ | |
| US7830245B2 (en) | System and method for positioning a vehicle operator | |
| CN113602198A (zh) | 车辆后视镜调节方法、装置、存储介质及计算机设备 | |
| CN113665513A (zh) | 车辆驾驶自适应调节方法、装置、设备及存储介质 | |
| CN112937383A (zh) | 一种智能迎宾设备调节方法及*** |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210202 |