CN115767714A - 车用蓝牙钥匙定位方法、装置、车辆及存储介质 - Google Patents
车用蓝牙钥匙定位方法、装置、车辆及存储介质 Download PDFInfo
- Publication number
- CN115767714A CN115767714A CN202211031707.XA CN202211031707A CN115767714A CN 115767714 A CN115767714 A CN 115767714A CN 202211031707 A CN202211031707 A CN 202211031707A CN 115767714 A CN115767714 A CN 115767714A
- Authority
- CN
- China
- Prior art keywords
- initial
- key
- distance value
- bluetooth
- vehicle
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000012937 correction Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000001914 filtration Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 17
- 238000010801 machine learning Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 10
- 230000001965 increasing effect Effects 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 13
- 238000005259 measurement Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 238000013145 classification model Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Lock And Its Accessories (AREA)
Abstract
本发明公开了一种车用蓝牙钥匙定位方法、装置、车辆及存储介质。该方法包括:获取车辆中的初始采集数据,并根据所述初始采集数据计算蓝牙钥匙和所述车辆之间的初始距离值;根据所述初始采集数据确定当前的初始区域定位结果;根据所述当前的初始区域定位结果对所述初始距离值进行修正,得到目标距离值;根据所述目标距离值确定当前的目标区域定位结果。本发明提出的技术方案可以使得用于确定最终钥匙区域的距离值更加准确,进而提高蓝牙钥匙区域定位结果的准确度,极大地提高了车用蓝牙钥匙定位***的性能,增强了蓝牙钥匙的使用体验。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及车用蓝牙钥匙定位方法、装置、车辆及存储介质。
背景技术
随着科技的飞速发展,车用钥匙不断优化,从机械钥匙到遥控钥匙,再到感应钥匙,如今已经出现了蓝牙钥匙。车用蓝牙钥匙***是在距离车辆较近的情况下,利用蓝牙定位技术方案进行车门开锁和/或关锁等相关操作的一种的数字钥匙***。
目前大部分蓝牙定位方法都是利用蓝牙接收的信号强度指示(Received SignalStrength Indication,RSSI)来进行定位,即通过蓝牙发射的信号强弱与发射点和接收点之间的距离关系来进行定位,蓝牙RSSI的定位精度一般在2-5米,并且在实际应用中,锚点位置和环境等因素使得蓝牙信号在传播过程中受到影响,导致蓝牙信号值存在波动性、奇异值等问题,由此造成信号衰减模型与距离的相关性就会减弱,导致定位误差进一步扩大,造成定位位置漂移、区域判断错误,影响了蓝牙钥匙的使用体验。
发明内容
本发明提供了车用蓝牙钥匙定位方法、装置、车辆及存储介质,可以解决基于蓝牙RSSI的蓝牙钥匙区域定位结果不准确的问题。
根据本发明的一方面,提供了一种车用蓝牙钥匙定位方法,包括:
获取车辆中的初始采集数据,并根据初始采集数据计算蓝牙钥匙和车辆之间的初始距离值,其中,初始采集数据中包括车辆中预设数量的蓝牙锚点接收蓝牙钥匙发射的蓝牙信号的接收信号强度RSSI值;
根据初始采集数据确定当前的初始区域定位结果,其中,初始区域定位结果中包括第一钥匙区域和第三钥匙区域,钥匙区域基于蓝牙钥匙和车辆之间的距离进行划分,第一钥匙区域、第二钥匙区域和第三钥匙区域分别对应的距离范围的边界值依次递增;
根据当前的初始区域定位结果对初始距离值进行修正,得到目标距离值;
根据目标距离值确定当前的目标区域定位结果,其中,目标区域定位结果中包括第一钥匙区域、第二钥匙区域和第三钥匙区域。
根据本发明的另一方面,提供了一种车用蓝牙钥匙定位装置,包括:
初始距离计算模块,用于获取车辆中的初始采集数据,并根据所述初始采集数据计算蓝牙钥匙和所述车辆之间的初始距离值,其中,所述初始采集数据中包括所述车辆中预设数量的蓝牙锚点接收所述蓝牙钥匙发射的蓝牙信号的接收信号强度RSSI值;
初始区域确定模块,用于根据所述初始采集数据确定当前的初始区域定位结果,其中,所述初始区域定位结果中包括第一钥匙区域和第三钥匙区域,所述钥匙区域基于所述蓝牙钥匙和所述车辆之间的距离进行划分,所述第一钥匙区域、第二钥匙区域和所述第三钥匙区域分别对应的距离范围的边界值依次递增;
初始距离修正模块,用于根据所述当前的初始区域定位结果对所述初始距离值进行修正,得到目标距离值;
目标区域确定模块,用于根据所述目标距离值确定当前的目标区域定位结果,其中,所述目标区域定位结果中包括所述第一钥匙区域、所述第二钥匙区域和所述第三钥匙区域。
根据本发明的另一方面,提供了一种车辆,车辆包括:
至少一个处理器;
以及与至少一个处理器通信连接的存储器;
其中,存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行本发明任一实施例的车用蓝牙钥匙定位方法。
根据本发明的另一方面,提供了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指令,计算机指令用于使处理器执行时实现本发明任一实施例的车用蓝牙钥匙定位方法。
本发明实施例的技术方案,获取车辆中的初始采集数据,并根据初始采集数据计算蓝牙钥匙和车辆之间的初始距离值,根据初始采集数据确定当前的初始区域定位结果,其中,初始区域定位结果中包括最终想要得到的目标区域定位结果中的两个不相邻的钥匙区域,根据当前的初始区域定位结果对初始距离值进行修正,得到目标距离值,再根据目标距离值确定当前的目标区域定位结果。通过采用上述技术方案,将不相邻的钥匙区域进行预先区分,根据区分结果对初始距离值进行有针对性的修正,从而使得用于确定最终钥匙区域的距离值更加准确,进而可以提高基于蓝牙RSSI的蓝牙钥匙区域定位结果的准确度,极大地提高了车用蓝牙钥匙定位***的性能,增强了蓝牙钥匙的使用体验。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是根据本发明实施例一提供的一种车用蓝牙钥匙定位方法的流程图;
图2是根据本发明实施例二所适用的一种车用蓝牙钥匙定位方法的流程图;
图3为一种距离-RSSI曲线;
图4为本发明实施例二提供的一种预设测距模型对应的距离-RSSI曲线;
图5是根据本发明实施例三所适用的另一种车用蓝牙钥匙定位方法的流程图;
图6是根据本发明实施例四提供的一种车用蓝牙钥匙定位装置的结构示意图;
图7是实现本发明实施例的车用蓝牙钥匙定位方法的车辆的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“初始”、“目标”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种车用蓝牙钥匙定位方法的流程图,本实施例可适用于基于蓝牙RSSI来确定车用蓝牙钥匙(以下可简称蓝牙钥匙)的区域定位结果,以实现无感进入或车辆自动解锁的情况,该方法可以由车用蓝牙钥匙定位装置来执行,该车用蓝牙钥匙定位装置可以采用硬件和/或软件的形式实现,该车用蓝牙钥匙定位装置可配置于车辆中。如图1所示,该方法包括:
S110、获取车辆中的初始采集数据,并根据初始采集数据计算蓝牙钥匙和车辆之间的初始距离值。
在本实施例中,初始采集数据中包括车辆中预设数量的蓝牙锚点接收蓝牙钥匙发射的蓝牙信号的接收信号强度RSSI值。
其中,RSSI值包括接收的信号强度指示值,一般理论上随着接收节点与信号节点之间距离的增大,其接收的信号强度呈对数函数的形式衰减,蓝牙RSSI定位可以通过接收节点接收到的蓝牙信号的强弱来测定信号节点与接收节点的距离,从而实现定位。
在本实施例中,可以在车辆的指定位置,如车头、车尾或车门等,预先安装蓝牙锚点;车用蓝牙钥匙可以被配置为上述信号节点,用于发射蓝牙信号,车用蓝牙钥匙具体可以为手机或智能手表等移动设备;蓝牙锚点可以被配置为上述接收节点,可以用于接收来自车用蓝牙钥匙的蓝牙信号。示例性的,蓝牙锚点的预设数量具体不做限定,可以是一个或多个,例如可以是8个。
其中,初始距离值可以利用初始采集数据并根据测距模型进行计算,其中,测距模型的表达式可以为RSSI=A-10nlog(d),其中d为距离,A为常数,n为路径损耗指数。
示例性的,在需要进行蓝牙测距时,蓝牙钥匙发射蓝牙信号,车辆采集预设数量的蓝牙锚点接收到的蓝牙信号相应数据,获取蓝牙信号的接收信号强度RSSI值,并根据初始采集数据与测距模型计算初始距离值。
S120、根据初始采集数据确定当前的初始区域定位结果。
在本实施例中,钥匙区域可以理解为预先定义的蓝牙钥匙相对于车辆所处的区域,初始区域定位结果中包括第一钥匙区域和第三钥匙区域,所述钥匙区域基于蓝牙钥匙和目标车辆之间的距离进行划分,在划分时,划分为至少三个区域,其中三个区域分别记为第一钥匙区域、第二钥匙区域和第三钥匙区域,且第一钥匙区域、第二钥匙区域和第三钥匙区域分别对应的距离范围的边界值依次递增。
示例性的,划分标准可以是:距离车身2米以内为解锁区、2-4米为预留区、4-7米闭锁区,7-10米为迎宾区,大于10米为连接区。上述各个区域与其对应的距离可以根据车辆厂商和/或车辆使用者的实际需求来命名定义,本实施例对此不做任何限定。
其中,第一钥匙区域包括但不限于解锁区,第二钥匙区域包括但不限于闭锁区,第三钥匙区域包括但不限于迎宾区。
示例性的,在根据初始采集数据确定当前的初始区域定位结果时,可以选择基于逻辑判断的方式确定,如将初始采集数据或对初始采集数据进行处理后,与相应的阈值进行比较,根据比较结果确定当前的初始区域定位结果;也可以选择机器学习的方式确定,例如采用分类算法,确定初始采集数据的分类结果。具体采用的确定方式在此不作限定。
S130、根据当前的初始区域定位结果对所述初始距离值进行修正,得到目标距离值。
本发明实施例中,在得到当前的初始区域定位结果后,可以对初始距离值进行有针对性的修正。
示例性的,在所述当前的初始区域定位结果为所述第一钥匙区域的情况下,对所述初始距离值进行第一修正处理,得到目标距离值;在所述当前的初始区域定位结果为所述第三钥匙区域的情况下,对所述初始距离值进行第二修正处理,得到目标距离值。其中,第一修正处理和第二修正处理不同,也即对于不同的初始区域定位结果,采用不同的修正方式,具体的修正方式不做限定。例如可包括增大或减小,可以增大或减小预设数值,还可以增大或缩小预设倍数等。
可选的,进行第一修正处理,得到的目标距离值小于所述初始距离值;进行第二修正处理,得到的目标距离值大于所述初始距离值。例如,第一修正处理为在初始距离值基础上乘以第一修正系数,第一修正系数小于1;第二修正处理为在初始距离值基础上乘以第二修正系数,第二修正系数大于1。
S140、根据所述目标距离值确定当前的目标区域定位结果。
其中,所述目标区域定位结果中包括所述第一钥匙区域、所述第二钥匙区域和所述第三钥匙区域。
示例性的,在根据当前的初始区域定位结果对初始距离值进行有针对性的修正后,可以得到更加准确的目标距离值,然后将目标距离值与各钥匙区间对应的距离范围进行比较,确定目标距离值处于哪个钥匙区间对应的距离范围内,将该钥匙区间确定为目标钥匙区间,也即当前的目标区域定位结果。
本实施例的技术方案,通过获取车辆中的初始采集数据,并根据初始采集数据计算蓝牙钥匙和车辆之间的初始距离值,其中,所述初始采集数据中包括所述车辆中预设数量的蓝牙锚点接收所述蓝牙钥匙发射的蓝牙信号的接收信号强度RSSI值;根据初始采集数据确定当前的初始区域定位结果,其中,所述初始区域定位结果中包括第一钥匙区域和第三钥匙区域,所述钥匙区域基于所述蓝牙钥匙和所述车辆之间的距离进行划分,所述第一钥匙区域、第二钥匙区域和所述第三钥匙区域分别对应的距离范围的边界值依次递增;根据当前的初始区域定位结果对所述初始距离值进行修正,得到目标距离值;根据所述目标距离值确定当前的目标区域定位结果,其中,所述目标区域定位结果中包括所述第一钥匙区域、所述第二钥匙区域和所述第三钥匙区域。通过采用上述技术方案,将采集到数据进行计算,并根据预设修正方法进行数据信息优化,最后精准确定目标区域定位结果。通过采用上述技术方案,将不相邻的钥匙区域进行预先区分,根据区分结果对初始距离值进行有针对性的修正,从而使得用于确定最终钥匙区域的距离值更加准确,进而可以提高基于蓝牙RSSI的蓝牙钥匙区域定位结果的准确度,极大地提高了车用蓝牙钥匙定位***的性能,增强了蓝牙钥匙的使用体验。
可选的,在一些实施例中,还可包括,根据当前的目标区域定位结果控制车辆执行相应的操作。
示例性的,当目标距离值确定为第一钥匙区域内的某预设距离值时,执行自动开锁操作;当目标距离值确定为第二钥匙区域内的某预设距离值时,执行自动关锁操作;当目标距离值确定为第三钥匙区域内的某预设距离值时,执行迎宾操作,其中,上述迎宾操作包括但不限于自动开启预设的车灯模式、目标车辆发出提示性响声等。上述开启预设的车灯模式可以包括近光灯、危险警报灯、示廓灯和近远光灯交替等等,上述目标车辆发出提示性响声可以包括短暂鸣笛和在预设时间内间歇性持续短暂鸣笛等操作。
实施例二
图2为本发明实施例二提供的一种车用蓝牙钥匙定位方法的流程图;本实施例的技术方案在上述各可选技术方案的基础上对初始距离值的计算进一步优化,将初始采集数据输入至预设测距模型,得到每个蓝牙锚点分别对应的初始锚点距离值,根据初始锚点距离值计算蓝牙钥匙和车辆之间的初始距离值,可以更加准确地计算初始距离值。
可选的,根据初始采集数据确定当前的初始区域定位结果,包括:将初始采集数据输入至预设定位模型,根据预设定位模型的输出结果确定当前的初始区域定位结果,预设定位模型包括机器学习模型。通过采用机器学习模型进行初始区域的定位,可以提高定位效率和准确度。
如图2所示,该方法包括:
S210、获取车辆中的初始采集数据。
S220、将初始采集数据输入至预设测距模型,得到每个蓝牙锚点分别对应的初始锚点距离值。
示例性的,将初始采集数据中,每个蓝牙锚点对应的RSSI值,分别输入至预设测距模型中,得到各蓝牙锚点分别对应的初始锚点距离值。假设预设数量为8,则此处得到8个初始锚点距离值。
可选的,在将初始采集数据输入至预设测距模型之前,还可以对初始采集数据进行滤波处理,滤波方式不做限定,例如可以是先进行高斯滤波,再进行中值滤波。
示例性的,可以预先通过拟合的方式确定预设测距模型,例如采集标定数据,利用标定数据确定用于进行模型拟合的待拟合数据,利用待拟合数据拟合出测距模型中的参数值,得到预设测距模型。
如上述举例,测距模型的表达式可以为RSSI=A-10nlog(d),可以利用待拟合数据拟合出其中的A和n。
可选的,上述标定数据为蓝牙信号强度RSSI。随着蓝牙锚点与蓝牙钥匙之间距离的增大,理论上其接收的信号强度呈对数函数的形式衰减,但在实际使用环境中,很多环境因素使得蓝牙信号在传播过程中可能受到阴影衰落、多径传播、反射等影响,导致蓝牙信号值存在波动性或奇异值等问题,由此造成信号衰减模型与距离的相关性就会减弱,信号的衰减很大几率与距离呈现负相关。
本发明实施例中,为了消除上述影响,可以对待拟合数据的确定过程进行改进。
可选的,用于确定预设测距模型的待拟合数据可通过以下方式得到:
1)针对所述预设数量的蓝牙锚点中的每个蓝牙锚点,采集多组标定数据,其中,单组标定数据中包括多个不同方向的相同预设距离的标定数据,不同组标定数据对应不同的预设距离,所述方向为所述蓝牙钥匙与所述蓝牙锚点的相对方向。
可选的,上述方向可以是以锚点坐标为原点,360度范围内任一方向。上述不同方向为至少两个方向,如30度、60度、90度以及120度等。上述不同的预设距离为至少两个预设距离,如1米、2米、……、10米等。
2)对所述标定数据进行预设滤波处理,得到滤波标定数据。
可选的,剔除波动较大的上述标定数据,得到滤波标定数据。
示例性的,所述预设滤波处理方式包括但不限于高斯滤波、均值滤波以及中值滤波等等。
3)针对每个预设距离,采用预设计算方式对相应的所述滤波标定数据进行融合计算,得到对应的待拟合数据。
其中,所述预设计算方式可以是对不同方向、等距离点的数据进行均值化,最后得到一组均值化后的数据,再去拟合A、n值。例如,假设每个锚点采集4个不同方向的等距离的RSSI值,针对每个锚点对应的每个预设距离,计算4个不同方向的RSSI值的平均值。
通过采用上述方式确定的待拟合数据,能够使得拟合得出的测距模型较好的符合实际环境,能够抵消部分信号多径传播和阴影衰落的影响,在多个方向上均能得到相对稳定的测距结果,而且误差能保持在一个较小范围内。
相关技术中,采用统一的测距模型来确定RSSI值对应的距离值,然而,发明人发现,在实际应用过程中,蓝牙无线信号传播过程中,超过一定的距离之后,RSSI值小幅度减小对应的距离就会增加很多,因此模型随着距离增大拟合精度也会降低,为了提高测距模型的精确度,本发明实施例选择对测距模型进行分段拟合。
可选的,所述预设测距模型中包含至少两个测距子模型,不同所述测距子模型对应不同的基于RSSI值的数值区间,所述初始采集数据中的RSSI值被输入至所述数值区间对应的所述测距子模型中,以根据所述测距子模型的输出结果确定对应的初始锚点距离值。
具体的,实现方法可以为,根据待拟合数据生成距离-RSSI曲线,可将该曲线称为信号传播曲线,分析信号传播曲线的特性,选取一个或几个区分度较好的距离阈值进行分段(例如可以根据曲线上各点的斜率的变化程度确定),将距离阈值在曲线中对应的RSSI值确定为RSSI阈值,得到多个RSSI区间,单个RSSI区间中的RSSI值和对应的距离值对应一组待拟合数据,从而确定多组待拟合数据,每组待拟合数据对应一个测距子模型,利用各组待拟合数据进行拟合,得到多个测距子模型,从而将测距模型分为预设数量。以预设数量为2为例,通过对待拟合数据中的RSSI设定RSSI阈值,小于RSSI阈值的样本和大于RSSI阈值的样本分别进行拟合,就得到了一个两段的分段测距模型。
示例性的,图3为一种距离-RSSI曲线,该曲线为利用全部初始待拟合数据生成的距离-RSSI曲线。采用两个分段子模型,当信号传播到5m-5.5m左右时,信号产生微小变化,距离就会发生大的变化,越往后其相关性越明显,因此可以选取5.5m为上述距离阈值,选取5.5m处的RSSI值,约为-67.8dB作为RSSI阈值。需要说明的是,信号强度值为-67.8dB的阈值并不是固定的,可以根据实际情况对不同的车型和不同的锚点进行单独的选取。
示例性的,在确定RSSI阈值后,采用分段拟合的方式,得到两个分段距离-RSSI曲线,将两个分段距离-RSSI曲线合并后,得到预设测距模型对应的距离-RSSI曲线。图4为本发明实施例二提供的一种预设测距模型对应的距离-RSSI曲线。如图3所示,3米和6米对应的RSSI值均在-65dB左右,且两个距离值相差较大,导致根据-65dB确定的距离值不准确,而如图4所示,3米和6米对应的RSSI值不同,在进行测距时,可以根据RSSI值和分段的预设测距模型,确定出更准确的距离值。
可选的,用于确定各测距子模型的待拟合数据也可通过上述1)、2)以及3)的方式得到。
示例性的,对于经过滤波处理后的初始采集数据中,每个蓝牙锚点对应的RSSI值,先确定RSSI值所处的数值区间,然后将该RSSI值输入至所确定的数值区间对应的测距子模型中,得到对应的初始锚点距离值。其中,不同的RSSI值可能被输入至不同的测距子模型中,得到更加准确的距离值。
S230、根据初始锚点距离值计算蓝牙钥匙和所述车辆之间的初始距离值。
示例性的,可以综合预设数量的初始锚点距离值,来计算蓝牙钥匙和车辆之间的初始距离值,具体计算方式不做限定,如计算平均值、计算加权平均值或取中间值等等。
S240、将初始采集数据输入至预设定位模型,根据预设定位模型的输出结果确定当前的初始区域定位结果。
其中,所述预设定位模型包括机器学习模型,该机器学习模型可以是神经网络模型,具体的模型结构不做限定,例如是利用如卷积层、池化层、全连接层、残差模块等层结构以及各个层结构之间的连接关系而形成的。
所述预设定位模型通过以下方式训练得到:将样本数据输入至预设机器学习模型,得到样本定位结果,其中,所述样本数据携带有定位结果标签,所述定位结果标签包括所述第一钥匙区域和所述第三钥匙区域,所述样本数据包括所述车辆中所述预设数量的蓝牙锚点对应的样本RSSI值;根据所述样本定位结果和所述定位结果标签计算损失关系,基于所述损失关系对所述预设机器学习模型进行训练。
示例性的,可以根据采集样本数据时,蓝牙钥匙的实际所在位置,为对应的样本数据设定定位结果标签,例如,蓝牙钥匙处于第一钥匙区域内的情况下,采集样本数据,该采集到的样本数据的定位结果标签为第一钥匙区域。
示例性的,根据损失关系对机器学习模型进行训练,在训练过程中,可以以最小化损失关系为目标,利用反向传播等训练手段不断优化机器学习模型中的一个分支或多个分支中的权重参数值,直到满足预设训练截止条件。具体的训练截止条件可根据实际需求进行设置,本公开实施例不做限定,例如可以基于迭代次数、损失值收敛程度、或模型准确率等设定。
S250、根据当前的初始区域定位结果对所述初始距离值进行修正,得到目标距离值。
示例性的,在所述当前的初始区域定位结果为所述第一钥匙区域的情况下,对所述初始距离值进行第一修正处理,得到目标距离值,其中,所述目标距离值小于所述初始距离值;在所述当前的初始区域定位结果为所述第三钥匙区域的情况下,对所述初始距离值进行第二修正处理,得到目标距离值,其中,所述目标距离值大于所述初始距离值。
可选的,上述第一修正处理可以是乘以一个小于1的系数,也可以是减去第一预设数值,得到一个小于初始距离值的目标距离值;上述第二修正处理可以是乘以一个大于1的系数,也可以是加上第二预设数值,得到一个大于初始距离值的目标距离值。
具体的,预设修正处理公式为d1=D*f(或者d1=D-m,或者d1=D+n),其中d1为目标距离值,D为初始距离值,f为缩放因子,m为第一预设数值,n为第二预设数值,m和n均大于0。其中,m和n可以是相等的两个数值,也可以是不等的两个数值。当上述初始区域定位结果的区域输出结果为第一钥匙区域时,则对距离D进行缩小,即d1=D*fa或d1=D-m,其中fa是第一钥匙区域的缩放因子,fa小于1;当区域输出结果为第三钥匙区域时,则对距离D进行放大,即d1=D*fb或d1=D+n,其中fb是第三钥匙区域的缩放因子,fb大于1。
示例性的,当上述区域输出结果为解锁区时,则上述fa为小于1的系数,对距离D进行缩小,即d1=D*fa;当区域输出结果为迎宾区时,则上述fb为大于1的系数,对距离D进行放大,即d1=D*fb。其中,缩放因子fa和fb可以根据实际情况选取,如分别为0.8和1.2。
S260、根据目标距离值确定当前的目标区域定位结果。
其中,所述目标区域定位结果中包括所述第一钥匙区域、所述第二钥匙区域和所述第三钥匙区域。
根据上述步骤中的距离修正处理模型最终获得的目标距离值,即可定位钥匙当前落在第一钥匙区域、第二钥匙区域和第三钥匙区域中的哪个区域,以实现蓝牙钥匙的精准定位。
本发明实施例提供的车用蓝牙钥匙定位方法,利用预设测距模型可以准确地得到每个蓝牙锚点分别对应的初始锚点距离值,再根据初始锚点距离值计算出准确的初始距离值,为准确确定目标距离值奠定基础,随后,利用基于机器学习模型的预设定位模型可以提高确定初始区域定位结果的效率和准确度,根据初始区域定位结果对初始距离值进行修正后,进行最终的钥匙区域定位,有效提高最终定位结果的准确度,使得车辆能够根据最终定位的钥匙区域进行准确地响应,提升用户体验。
在一些实施例中,所述根据所述初始锚点距离值计算蓝牙钥匙和所述车辆之间的初始距离值,包括:确定所述初始锚点距离值分别对应的权重系数,其中,至少两个初始锚点距离值与对应的权重系数成负相关关系;基于所述权重系数,计算所述初始锚点距离值的加权平均值,得到蓝牙钥匙和所述车辆之间的初始距离值。这样设置的好处在于,可以更加准确地计算初始距离值。
具体的,在利用预设测距模型得到预设数量的锚点的RSSI值对应的初始锚点距离值之后,对初始锚点距离值进行排序,根据排序结果,为各初始锚点距离值分别赋予一个可信度,将该可信度作为权重系数,最后将预设数量的锚点的初始锚点距离值根据可信度计算出加权平均距离D,即蓝牙钥匙和车辆之间的初始距离值。其中,距离排序越高,信号强度越强,可信度值越高。其中,可信度的具体数值可以根据实际情况设置。
具体的,上述可信度为权值,设可信度为a,初始锚点距离值为b,加权平均距离D的计算公式为:D=a1*b1+a2*b2+a3*b3…。
示例性的,锚点的预设数量为8个,对8个锚点的初始锚点距离值进行排序,根据排序结果赋予可信度a1至a8,利用上述加权平均距离计算公式求出初始距离值。
实施例三
图5为本发明实施例三提供的另一种车用蓝牙钥匙定位方法的流程图;本实施例的技术方案是上述实施例中可选技术方案根据初始采集数据确定当前的初始区域定位结果的另一种实施方式。预先设定一个阈值,将初始采集数据与预设阈值进行比较,根据初始采集数据与预设阈值的比较结果,可以更加准确地计算初始距离值。
可选的,根据初始采集数据确定当前的初始区域定位结果,包括:将初始采集数据中的最大RSSI值与预设阈值进行比较,根据比较结果确定当前的初始区域定位结果。若比较结果为大于或等于所述预设阈值,则确定当前的初始区域定位结果为所述第一钥匙区域;若比较结果为小于所述预设阈值,则确定当前的初始区域定位结果为所述第三钥匙区域。通过阈值比较进行初始区域的定位,可以提高定位效率和准确度。
如图4所示,该方法包括:
S310、获取车辆中的初始采集数据。
其中,所述初始采集数据中包括所述车辆中预设数量的蓝牙锚点接收所述蓝牙钥匙发射的蓝牙信号的接收信号强度RSSI值。
S320、将初始采集数据输入至预设测距模型,得到每个蓝牙锚点分别对应的初始锚点距离值。
其中,用于确定预设测距模型的待拟合数据可通过以下方式得到:
1)针对所述预设数量的蓝牙锚点中的每个蓝牙锚点,采集多组标定数据,其中,单组标定数据中包括多个不同方向的相同预设距离的标定数据,不同组标定数据对应不同的预设距离,所述方向为所述蓝牙钥匙与所述蓝牙锚点的相对方向。
2)对所述标定数据进行预设滤波处理,得到滤波标定数据。
3)针对每个预设距离,采用预设计算方式对相应的所述滤波标定数据进行融合计算,得到对应的待拟合数据。
可选的,所述预设测距模型中包含至少两个测距子模型,不同所述测距子模型对应不同的基于RSSI值的数值区间,所述初始采集数据中的RSSI值被输入至所述数值区间对应的所述测距子模型中,以根据所述测距子模型的输出结果确定对应的初始锚点距离值。
可选的,用于确定各测距子模型的待拟合数据也可通过上述1)、2)以及3)的方式得到。
S330、确定所述初始锚点距离值分别对应的权重系数。
确定上述初始锚点距离值分别对应的权重系数,其中,至少两个初始锚点距离值与对应的权重系数成负相关关系。
S340、基于权重系数,计算初始锚点距离值的加权平均值,得到蓝牙钥匙和车辆之间的初始距离值。
S350、将初始采集数据与预设阈值进行比较,根据比较结果确定初始区域定位结果。
示例性的,预先设定一个阈值,将不相邻的两个区域分离,设定区域预分类模型,将初始采集数据中的最大RSSI值输入至区域预分类模型中,与预设阈值进行比较,若比较结果为大于或等于所述预设阈值,则确定当前的初始区域定位结果为第一钥匙区域(如解锁区);若比较结果为小于所述预设阈值,则确定当前的初始区域定位结果为第三钥匙区域(如迎宾区)。
其中,预设阈值为经过数据采集后选取的区分度最合适的一个值作为阈值。
示例性的,分别在解锁区和迎宾区进行数据采集(例如分别采集200帧),对于每一帧数据中的8个锚点的RSSI值进行排序,得到队列,取其中的极值。对于解锁区,取最小值,得到200个解锁区数据,记为第一集合;对于迎宾区,取最大值,得到200个迎宾区数据,记为第二集合;分析第一集合和第二集合的数据分布特点,选取区分度最合适的一个值作为阈值。
示例性的,预设阈值可以根据实际情况设置,例如本发明的实施案例可以选取-61.5dB作为阈值,当RSSI值为-61.5dB时,其区分度最合适作为阈值,信号强度值为-61.5dB的阈值并不是固定的,要根据实际情况对不同的车型和不同的锚点进行单独的选取。
当初始采集数据中的最大RSSI值大于或等于-61.5dB时,当前的初始区域定位结果为第一钥匙区域,即解锁区;当初始采集数据中的最大RSSI值小于-61.5dB时,则当前的初始区域定位结果为第三钥匙区域,即迎宾区。
汽车的无钥匙进入***(Passive Keyless Entry,简称PKE),一般将车辆周围画分为几个区域,示例性的,本发明实施例将距离车身2米以内为划为解锁区、2-4米为预留区、4-7米为闭锁区,7-10米为迎宾区,大于10米为连接区。本发明在此对距离划分与命名名称不做任何限定。
示例性的,第一钥匙区域为本发明实施例中的解锁区,第二钥匙区域为本发明实施例中的闭锁区,第三钥匙区域为本发明中的迎宾区。其中,各钥匙区域也可以是解锁区、预留区、预留区、闭锁区、迎宾区、连接区等任一区域,本发明实施例对此不做限定。
S360、根据当前的初始区域定位结果对所述初始距离值进行修正,得到目标距离值。
示例性的,在当前的初始区域定位结果为第一钥匙区域的情况下,对初始距离值进行第一修正处理,得到目标距离值,其中,目标距离值小于所述初始距离值;在当前的初始区域定位结果为第三钥匙区域的情况下,对初始距离值进行第二修正处理,得到目标距离值,其中,目标距离值大于初始距离值。
S370、根据目标距离值确定目标区域定位结果。
根据目标距离值确定当前的目标区域定位结果,其中,目标区域定位结果中包括第一钥匙区域、第二钥匙区域和第三钥匙区域。
本发明实施例获取车辆中的初始采集数据,将初始采集数据输入至预设测距模型,得到每个蓝牙锚点分别对应的初始锚点距离值,确定初始锚点距离值分别对应的权重系数,基于权重系数,计算初始锚点距离值的加权平均值,得到蓝牙钥匙和所述车辆之间的初始距离值,将采集数据输入至区域预分类模型,以将初始采集数据中的最大RSSI值与预设阈值进行比较,得到初始区域定位结果,再根据初始区域定位结果修正初始距离值,最终确定目标区域定位结果。通过本发明实施例的方法,对单个锚点的距离计算能提高精度、减少误差,且能适用在不同方向,在不同方向中,相同距离的位置测距结果均能保持平稳不会有太大偏差。在综合距离还未知的情况下,能预先区分出解锁区和迎宾区,并且准确率能达到96%以上。根据预先区分出解锁区和迎宾区的结果,能够计算出一个优化修正后的距离,此距离更加符合真实距离。定位钥匙落在解锁区、闭锁区、迎宾区的准确率均达到99%,相比未使用本发明方法前的准确率只有68%,本发明方法对蓝牙钥匙定位的准确率有了巨大的提升,极大地提升了无钥匙进入***的用户体验感。
实施例四
图6为本发明实施例四提供的一种车用蓝牙钥匙定位装置的结构示意图。如图6所示,该装置包括:初始距离计算模块61,初始区域确定模块62,初始距离修正模块63,目标区域确定模块64。
其中,初始距离计算模块61,用于获取车辆中的初始采集数据,并根据所述初始采集数据计算蓝牙钥匙和所述车辆之间的初始距离值;其中,所述初始采集数据中包括所述车辆中预设数量的蓝牙锚点接收所述蓝牙钥匙发射的蓝牙信号的接收信号强度RSSI值;
初始区域确定模块62,用于根据所述初始采集数据确定当前的初始区域定位结果;其中,所述初始区域定位结果中包括第一钥匙区域和第三钥匙区域,所述钥匙区域基于所述蓝牙钥匙和所述车辆之间的距离进行划分,所述第一钥匙区域、第二钥匙区域和所述第三钥匙区域分别对应的距离范围的边界值依次递增;
初始距离修正模块63,用于根据所述当前的初始区域定位结果对所述初始距离值进行修正,得到目标距离值;
目标区域确定模块64,用于根据所述目标距离值确定当前的目标区域定位结果。其中,所述目标区域定位结果中包括所述第一钥匙区域、所述第二钥匙区域和所述第三钥匙区域。
本发明实施例提供的车用蓝牙钥匙定位装置,将不相邻的钥匙区域进行预先区分,根据区分结果对初始距离值进行有针对性的修正,从而使得用于确定最终钥匙区域的距离值更加准确,进而可以提高基于蓝牙RSSI的蓝牙钥匙区域定位结果的准确度,极大地提高了车用蓝牙钥匙定位***的性能,增强了蓝牙钥匙的使用体验。
可选的,初始距离修正模块63包括:
第一修正单元,用于在当前的初始区域定位结果为第一钥匙区域的情况下,对初始距离值进行第一修正处理,得到目标距离值,其中,目标距离值小于初始距离值;
第二修正单元,用于在当前的初始区域定位结果为第三钥匙区域的情况下,对初始距离值进行第二修正处理,得到目标距离值,其中,目标距离值大于初始距离值。
可选的,初始区域确定模块62包括:
第一数据输入单元,用于将所述初始采集数据输入至预设定位模型,根据所述预设定位模型的输出结果确定当前的初始区域定位结果;
其中,所述预设定位模型包括神经网络模型,所述预设定位模型通过以下方式训练得到:
将样本数据输入至预设神经网络模型,得到样本定位结果,其中,所述样本数据携带有定位结果标签,所述定位结果标签包括所述第一钥匙区域和所述第三钥匙区域,所述样本数据包括所述车辆中所述预设数量的蓝牙锚点对应的样本RSSI值;
根据所述样本定位结果和所述定位结果标签计算损失关系,基于所述损失关系对所述预设神经网络模型进行训练。
可选的,初始区域确定模块62包括:
数值比较单元,用于将所述初始采集数据中的最大RSSI值与预设阈值进行比较;
第一确定单元,用于若比较结果为大于或等于所述预设阈值,则确定当前的初始区域定位结果为所述第一钥匙区域;
第二确定单元,用于若比较结果为小于所述预设阈值,则确定当前的初始区域定位结果为所述第三钥匙区域。
可选的,初始距离计算模块61包括:
第二数据输入单元,用于将所述初始采集数据输入至预设测距模型,得到每个所述蓝牙锚点分别对应的初始锚点距离值,其中,所述预设测距模型中包含至少两个测距子模型,不同所述测距子模型对应不同的基于RSSI值的数值区间,所述初始采集数据中的RSSI值被输入至所属数值区间对应的所述测距子模型中,以根据所述测距子模型的输出结果确定对应的初始锚点距离值;
距离计算单元,用于根据所述初始锚点距离值计算蓝牙钥匙和所述车辆之间的初始距离值。
可选的,初始距离计算模块61包括:
第二数据输入单元,用于将所述初始采集数据输入至预设测距模型,得到每个蓝牙锚点分别对应的初始锚点距离值;
距离计算单元,用于根据所述初始锚点距离值计算蓝牙钥匙和所述车辆之间的初始距离值;
其中,用于确定所述预设测距模型的待拟合数据通过以下方式得到:
针对所述预设数量的蓝牙锚点中的每个蓝牙锚点,采集多组标定数据,其中,单组标定数据中包括多个不同方向的相同预设距离的标定数据,不同组标定数据对应不同的预设距离,所述方向为所述蓝牙钥匙与所述蓝牙锚点的相对方向;
对所述标定数据进行预设滤波处理,得到滤波标定数据;
针对每个预设距离,采用预设计算方式对相应的所述滤波标定数据进行融合计算,得到对应的待拟合数据。
可选的,距离计算单元包括:
权重系数确定子单元,用于确定所述初始锚点距离值分别对应的权重系数,其中,至少两个初始锚点距离值与对应的权重系数成负相关关系;
初始距离计算子单元,基于所述权重系数,计算所述初始锚点距离值的加权平均值,得到蓝牙钥匙和所述车辆之间的初始距离值。
本发明实施例所提供的车用蓝牙钥匙定位装置可执行本发明任意实施例所提供的车用蓝牙钥匙定位方法,具备执行方法相应的功能模块和有益效果。
实施例五
图7示出了可以用来实施本发明的实施例的车辆10的结构示意图。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示,车辆10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储车辆10操作所需的各种程序和数据。处理器11、ROM12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
车辆10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许车辆10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如车用蓝牙钥匙定位方法。
在一些实施例中,车用蓝牙钥匙定位方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到车辆10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的车用蓝牙钥匙定位方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行车用蓝牙钥匙定位方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在车辆10上实施此处描述的***和技术,该车辆10具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给车辆10。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种车用蓝牙钥匙定位方法,其特征在于,包括:
获取车辆中的初始采集数据,并根据所述初始采集数据计算蓝牙钥匙和所述车辆之间的初始距离值,其中,所述初始采集数据中包括所述车辆中预设数量的蓝牙锚点接收所述蓝牙钥匙发射的蓝牙信号的接收信号强度RSSI值;
根据所述初始采集数据确定当前的初始区域定位结果,其中,所述初始区域定位结果中包括第一钥匙区域和第三钥匙区域,所述钥匙区域基于所述蓝牙钥匙和所述车辆之间的距离进行划分,所述第一钥匙区域、第二钥匙区域和所述第三钥匙区域分别对应的距离范围的边界值依次递增;
根据所述当前的初始区域定位结果对所述初始距离值进行修正,得到目标距离值;
根据所述目标距离值确定当前的目标区域定位结果,其中,所述目标区域定位结果中包括所述第一钥匙区域、所述第二钥匙区域和所述第三钥匙区域。
2.根据权利要求1所述的方法,其特征在于,所述根据所述当前的初始区域定位结果对所述初始距离值进行修正,得到目标距离值,包括:
在所述当前的初始区域定位结果为所述第一钥匙区域的情况下,对所述初始距离值进行第一修正处理,得到目标距离值,其中,所述目标距离值小于所述初始距离值;
在所述当前的初始区域定位结果为所述第三钥匙区域的情况下,对所述初始距离值进行第二修正处理,得到目标距离值,其中,所述目标距离值大于所述初始距离值。
3.根据权利要求1所述的方法,其特征在于,所述根据所述初始采集数据确定当前的初始区域定位结果,包括:
将所述初始采集数据输入至预设定位模型,根据所述预设定位模型的输出结果确定当前的初始区域定位结果;
其中,所述预设定位模型包括机器学习模型,所述预设定位模型通过以下方式训练得到:
将样本数据输入至预设机器学习模型,得到样本定位结果,其中,所述样本数据携带有定位结果标签,所述定位结果标签包括所述第一钥匙区域和所述第三钥匙区域,所述样本数据包括所述车辆中所述预设数量的蓝牙锚点对应的样本RSSI值;
根据所述样本定位结果和所述定位结果标签计算损失关系,基于所述损失关系对所述预设机器学习模型进行训练。
4.根据权利要求1所述的方法,其特征在于,所述根据所述初始采集数据确定当前的初始区域定位结果,包括:
将所述初始采集数据中的最大RSSI值与预设阈值进行比较;
若比较结果为大于或等于所述预设阈值,则确定当前的初始区域定位结果为所述第一钥匙区域;
若比较结果为小于所述预设阈值,则确定当前的初始区域定位结果为所述第三钥匙区域。
5.根据权利要求1所述的方法,其特征在于,所述根据所述初始采集数据计算蓝牙钥匙和所述车辆之间的初始距离值,包括:
将所述初始采集数据输入至预设测距模型,得到每个所述蓝牙锚点分别对应的初始锚点距离值,其中,所述预设测距模型中包含至少两个测距子模型,不同所述测距子模型对应不同的基于RSSI值的数值区间,所述初始采集数据中的RSSI值被输入至所述数值区间对应的所述测距子模型中,以根据所述测距子模型的输出结果确定对应的初始锚点距离值;
根据所述初始锚点距离值计算蓝牙钥匙和所述车辆之间的初始距离值。
6.根据权利要求1所述的方法,其特征在于,根据所述初始采集数据计算蓝牙钥匙和所述车辆之间的初始距离值,包括:
将所述初始采集数据输入至预设测距模型,得到每个蓝牙锚点分别对应的初始锚点距离值;
根据所述初始锚点距离值计算蓝牙钥匙和所述车辆之间的初始距离值;
其中,用于确定所述预设测距模型的待拟合数据通过以下方式得到:
针对所述预设数量的蓝牙锚点中的每个蓝牙锚点,采集多组标定数据,其中,单组标定数据中包括多个不同方向的相同预设距离的标定数据,不同组标定数据对应不同的预设距离,所述方向为所述蓝牙钥匙与所述蓝牙锚点的相对方向;
对所述标定数据进行预设滤波处理,得到滤波标定数据;
针对每个预设距离,采用预设计算方式对相应的所述滤波标定数据进行融合计算,得到对应的待拟合数据。
7.根据权利要求5或6所述的方法,其特征在于,所述根据所述初始锚点距离值计算蓝牙钥匙和所述车辆之间的初始距离值,包括:
确定所述初始锚点距离值分别对应的权重系数,其中,至少两个初始锚点距离值与对应的权重系数成负相关关系;
基于所述权重系数,计算所述初始锚点距离值的加权平均值,得到蓝牙钥匙和所述车辆之间的初始距离值。
8.一种车用蓝牙钥匙定位装置,其特征在于,包括:
初始距离计算模块,用于获取车辆中的初始采集数据,并根据所述初始采集数据计算蓝牙钥匙和所述车辆之间的初始距离值,其中,所述初始采集数据中包括所述车辆中预设数量的蓝牙锚点接收所述蓝牙钥匙发射的蓝牙信号的接收信号强度RSSI值;
初始区域确定模块,用于根据所述初始采集数据确定当前的初始区域定位结果,其中,所述初始区域定位结果中包括第一钥匙区域和第三钥匙区域,所述钥匙区域基于所述蓝牙钥匙和所述车辆之间的距离进行划分,所述第一钥匙区域、第二钥匙区域和所述第三钥匙区域分别对应的距离范围的边界值依次递增;
初始距离修正模块,用于根据所述当前的初始区域定位结果对所述初始距离值进行修正,得到目标距离值;
目标区域确定模块,用于根据所述目标距离值确定当前的目标区域定位结果,其中,所述目标区域定位结果中包括所述第一钥匙区域、所述第二钥匙区域和所述第三钥匙区域。
9.一种车辆,其特征在于,所述车辆包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的车用蓝牙钥匙定位方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的车用蓝牙钥匙定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211031707.XA CN115767714A (zh) | 2022-08-26 | 2022-08-26 | 车用蓝牙钥匙定位方法、装置、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211031707.XA CN115767714A (zh) | 2022-08-26 | 2022-08-26 | 车用蓝牙钥匙定位方法、装置、车辆及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115767714A true CN115767714A (zh) | 2023-03-07 |
Family
ID=85349313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211031707.XA Pending CN115767714A (zh) | 2022-08-26 | 2022-08-26 | 车用蓝牙钥匙定位方法、装置、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115767714A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117395772A (zh) * | 2023-12-11 | 2024-01-12 | 辽宁科大物联科技有限公司 | Uwb定位距离标定方法、装置、电子设备及存储介质 |
CN118042419A (zh) * | 2024-04-12 | 2024-05-14 | 辽宁科大物联科技有限公司 | 汽车uwb电子钥匙轨迹预测方法、***、设备及存储介质 |
-
2022
- 2022-08-26 CN CN202211031707.XA patent/CN115767714A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117395772A (zh) * | 2023-12-11 | 2024-01-12 | 辽宁科大物联科技有限公司 | Uwb定位距离标定方法、装置、电子设备及存储介质 |
CN117395772B (zh) * | 2023-12-11 | 2024-03-01 | 辽宁科大物联科技有限公司 | Uwb定位距离标定方法、装置、电子设备及存储介质 |
CN118042419A (zh) * | 2024-04-12 | 2024-05-14 | 辽宁科大物联科技有限公司 | 汽车uwb电子钥匙轨迹预测方法、***、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115767714A (zh) | 车用蓝牙钥匙定位方法、装置、车辆及存储介质 | |
CN112560981B (zh) | 生成对抗模型的训练方法、装置、设备、程序和存储介质 | |
CN110879981A (zh) | 人脸关键点质量评估方法、装置、计算机设备及存储介质 | |
CN110889862B (zh) | 一种网络传输攻击环境中多目标跟踪的组合测量方法 | |
CN116307215A (zh) | 一种电力***的负荷预测方法、装置、设备及存储介质 | |
CN115900695A (zh) | 一种应用于车辆的智能泊车车辆定位的方法 | |
CN111366900A (zh) | 基于残差统计的跟踪雷达航迹质量评估方法、***及介质 | |
CN114987497A (zh) | 一种后向车道线拟合方法、装置、电子设备和存储介质 | |
CN114677653A (zh) | 模型训练方法、车辆关键点检测方法及相应的装置 | |
CN115758071A (zh) | 原子钟的钟差预测方法、装置、设备以及存储介质 | |
CN116596106A (zh) | 风电场站的功率预测方法、装置、电子设备及存储介质 | |
CN116176531A (zh) | 开度调节的性能指标的确定方法、装置和存储介质 | |
CN112880659B (zh) | 一种基于信息概率的融合定位方法 | |
CN114771283A (zh) | 一种爬行控制方法、装置、电动汽车和存储介质 | |
CN115278524A (zh) | 一种传感器网络节点的定位方法、装置、设备及存储介质 | |
CN115310359A (zh) | 氮氧化物瞬态排放确定方法、装置、设备及介质 | |
CN114511088A (zh) | 一种用于结构损伤识别的贝叶斯模型更新方法及*** | |
CN116471654B (zh) | 一种低功耗蓝牙设备通信方法、装置及存储介质 | |
CN115471717B (zh) | 模型的半监督训练、分类方法装置、设备、介质及产品 | |
CN114926447B (zh) | 用于训练模型的方法、用于检测目标的方法和装置 | |
CN115314830B (zh) | 一种带有状态的场景识别方法及装置 | |
CN117725834A (zh) | 坡度估计参数优化方法、装置、电子设备及存储介质 | |
CN115407264A (zh) | 一种rssi测距方法、装置和电子设备 | |
CN117420444A (zh) | 一种电池状态确定方法、装置、设备及存储介质 | |
CN116663164A (zh) | 盘式刹车片的重量评估方法、装置、电子设备及车辆 |
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 |