路面状况监测方法、装置、车辆以及存储介质

技术领域

本申请涉及车辆驾驶技术领域，尤其涉及一种路面状况监测方法、装置、车辆以及存储介质。

背景技术

近些年来，随着经济实力的提升，人们生活水平也得到极大的提升，更加便利的交通也极大地提升了人们的生活和工作效率。随着汽车产业的快速发展，车辆驾驶舒适度及安全性成为了需要重点关注的课题。

然而，在日常驾驶时，存在路面颠簸的情况，例如，许多道路可能因路面开挖等各种原因，存在比较大的坑洞；或是在某一段路面上，设置有频繁的减速带；或是存在陡坡。路面颠簸的情况不仅影响用户的舒适度，还可能会剐蹭车辆底盘。

发明内容

本申请的主要目的在于提供一种路面状况监测方法、装置、车辆以及存储介质，旨在实现在车辆驾驶中，对路面状况进行有效监测，提升车辆驾驶舒适度以及安全性。

为实现上述目的，本申请提供一种路面状况监测方法，所述路面状况监测方法包括：

基于预设第一地图，获取目标路面的目标路段标识，其中，所述目标路段标识基于所述第一地图预先标记得到；

根据所述目标路段标识匹配对应的路面聚类路段，其中，所述路面聚类路段基于不同车辆在对应路面进行特征提取并聚类得到；

根据所述路面聚类路段，得到所述目标路面的当前状况。

可选地，所述路面聚类路段包括路面矩形框，所述根据所述目标路段标识匹配对应的路面聚类路段的步骤之前，还包括：

获取不同车辆在对应路面采集的路面数据，并获取不同车辆在对应路面的行车轨迹；

基于所述路面数据，得到对应路面的路面属性；

基于所述路面属性，对所述行车轨迹进行特征提取并聚类，得到对应的路面矩形框。

可选地，所述基于所述路面属性，对所述行车轨迹进行特征提取并聚类，得到对应的路面矩形框的步骤包括：

将所述行车轨迹打断为直线段序列；

对所述直线段序列进行特征提取，得到对应的轨迹几何特征；

根据所述路面属性，将所述轨迹几何特征进行合并，得到对应的聚类分组；

对所述聚类分组进行特征提取，得到对应的聚类几何特征；

根据所述聚类几何特征的几何关系，将所述聚类几何特征进行合并，得到对应的路面矩形框。

可选地，所述根据所述路面属性，将所述轨迹几何特征进行合并，得到对应的聚类分组的步骤包括：

检测所述路面属性与当前聚类分组的聚类属性是否匹配；

若所述路面属性与所述聚类属性匹配，则将所述轨迹几何特征与对应的聚类分组进行合并；

若所述路面属性与所述聚类属性不匹配，则生成除所述当前聚类分组之外的聚类分组。

可选地，所述路面聚类路段还包括路面区域框，所述基于所述路面属性，对所述行车轨迹进行特征提取并聚类，得到对应的路面矩形框的步骤之后，还包括：

根据不同路面矩形框之间的距离，合并所述路面矩形框，得到所述路面区域框。

可选地，所述路面聚类路段还包括道路矩形框，所述基于所述路面属性，对所述行车轨迹进行特征提取并聚类，得到对应的路面矩形框的步骤之后，还包括：

将所述路面矩形框结合预设的第二地图，得到所述道路矩形框。

可选地，所述路面数据包括横轴角度数据、纵轴角度数据，所述基于所述路面数据，得到对应路面的路面属性的步骤包括：

分析所述路面数据，确定对应的检测方式；

根据所述检测方式，得到对应路面的路面属性。

可选地，分析所述路面数据，确定对应的检测方式的步骤包括：

获取预设的第一速度系数；

计算所述横轴角度数据的方差与所述纵轴角度数据的方差之和，得到第一方差之和；

若所述第一方差之和大于所述第一速度系数，则确定所述检测方式为不平道路检测。

可选地，所述路面数据还包括俯仰角数据，所述分析所述路面数据，确定对应的检测方式的步骤包括：

计算所述横轴角度数据的方差与所述纵轴角度数据的方差之和，得到第二方差之和；

若所述俯仰角度大于预设第一数值、所述第二方差之和大于预设第二数值，则确定所述检测方式为坡道检测。

可选地，述分析所述路面数据，确定对应的检测方式的步骤包括：

获取预设的第二速度系数；

获取所述横轴角度数据的横轴方差和所述纵轴角度数据的纵轴方差；

若所述纵轴方差大于所述第二速度系数、所述横轴方差小于预设第三数值，则确定所述检测方式为减速带检测。

可选地，所述基于所述路面属性，对所述行车轨迹进行特征提取并聚类，得到对应的路面矩形框的步骤之后，还包括：

针对所述路面聚类路段，获取不同车辆在对应路面采集的聚类路段数据并进行分析；

若所述聚类路段数据不符合所述检测方式，则将所述路面聚类路段删除。

本申请实施例还提出一种路面状况监测装置，所述路面状况监测装置包括：

路面识别模块，用于基于预设第一地图，获取目标路面的目标路段标识，其中，所述目标路段标识基于所述第一地图预先标记得到；

路面匹配模块，用于根据所述目标路段标识匹配对应的路面聚类路段，其中，所述路面聚类路段基于不同车辆在对应路面进行特征提取并聚类得到；

状况获取模块，用于根据所述路面聚类路段，得到所述目标路面的当前状况。

本申请实施例还提出一种车辆，所述车辆包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的路面状况监测程序，所述路面状况监测程序被所述处理器执行时实现如上所述的路面状况监测方法的步骤。

本申请实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有路面状况监测程序，所述路面状况监测程序被处理器执行时实现如上所述的路面状况监测方法的步骤。

本申请实施例提出的路面状况监测方法、装置、车辆以及存储介质，通过基于预设第一地图，获取目标路面的目标路段标识，其中，所述目标路段标识基于所述第一地图预先标记得到；根据所述目标路段标识匹配对应的路面聚类路段，其中，所述路面聚类路段基于不同车辆在对应路面进行特征提取并聚类得到；根据所述路面聚类路段，得到所述目标路面的当前状况。基于不同车辆在对应路面进行特征提取并聚类得到路面矩形框，可以实现在车辆驾驶中，对路面状况进行有效监测，提升车辆驾驶舒适度以及安全性。基于本申请方案，从真实世界中道路存在的颠簸规律出发，设计了一种基于众包的路面特征提取的路面矩形框，并在该路面矩形框验证了本申请提出的路面状况监测方法的有效性，提升车辆驾驶舒适度以及安全性。

附图说明

图1为本申请路面状况监测装置所属设备的功能模块示意图；

图2为本申请路面状况监测方法第一示例性实施例的流程示意图；

图3为本申请路面状况监测方法第二示例性实施例的流程示意图；

图4为本申请路面状况监测方法的提取路面矩形框示意图；

图5为本申请路面状况监测方法第三示例性实施例的流程示意图；

图6为本申请路面状况监测方法第四示例性实施例的流程示意图；

图7为本申请路面状况监测方法第五示例性实施例的流程示意图；

图8为本申请路面状况监测方法第六示例性实施例的流程示意图；

图9为本申请路面状况监测方法第七示例性实施例的流程示意图；

图10为本申请路面状况监测方法第八示例性实施例的流程示意图；

图11为本申请路面状况监测方法第九示例性实施例的流程示意图。

本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例的主要解决方案是：基于预设第一地图，获取目标路面的目标路段标识，其中，所述目标路段标识基于所述第一地图预先标记得到；根据所述目标路段标识匹配对应的路面聚类路段，其中，所述路面聚类路段基于不同车辆在对应路面进行特征提取并聚类得到；根据所述路面聚类路段，得到所述目标路面的当前状况。基于不同车辆在对应路面进行特征提取并聚类得到路面矩形框，可以实现在车辆驾驶中，对路面状况进行有效监测，提升车辆驾驶舒适度以及安全性。基于本申请方案，从真实世界中道路存在的颠簸规律出发，提出一种基于众包的路面特征提取的路面矩形框，并在该路面矩形框验证了本申请提出的路面状况监测方法的有效性，提升车辆驾驶舒适度以及安全性。

本申请实施例涉及的技术术语：

全球导航卫星系统(Global Navigation Satellite System，GNSS)，又称全球卫星导航系统，是能在地球表面或近地空间的任何地点为用户提供全天候的3维坐标和速度以及时间信息的空基无线电导航定位系统。其包括一个或多个卫星星座及其支持特定工作所需的增强系统。

全球卫星导航系统国际委员会公布的全球4大卫星导航系统供应商，包括中国的北斗卫星导航系统(BDS)、美国的全球定位系统(GPS)、俄罗斯的格洛纳斯卫星导航系统(GLONASS)和欧盟的伽利略卫星导航系统(GALILEO)。其中GPS是世界上第一个建立并用于导航定位的全球系统，GLONASS经历快速复苏后已成为全球第二大卫星导航系统，二者正处现代化的更新进程中；GALILEO是第一个完全民用的卫星导航系统，正在试验阶段；BDS是中国自主建设运行的全球卫星导航系统，为全球用户提供全天候、全天时、高精度的定位、导航和授时服务。

惯性测量单元(Inertial measurement unit，IMU)是测量物体三轴姿态角(或角速率)以及加速度的装置。

陀螺仪及加速度计是IMU的主要元件，其精度直接影响到惯性系统的精度。在实际工作中，由于不可避免的各种干扰因素，而导致陀螺仪及加速度计产生误差，从初始对准开始，其导航误差就随时间而增长，尤其是位置误差，这是惯导系统的主要缺点。所以需要利用外部信息进行辅助，实现组合导航，使其有效地减小误差随时间积累的问题。为了提高可靠性，还可以为每个轴配备更多的传感器。一般而言IMU要安装在被测物体的重心上。

一般情况，一个IMU包含了三个单轴的加速度计和三个单轴的陀螺仪，其中，加速度计包括俯仰角(pitch)、旋转角(roll)、偏航角(yaw)，陀螺仪包括纵轴(y轴)、横轴(x轴)、竖轴(z轴)。

加速度计检测物体在载体坐标系统独立三轴的加速度信号，而陀螺仪检测载体相对于导航坐标系的角速度信号，测量物体在三维空间中的角速度和加速度，并以此解算出物体的姿态。在导航中有着很重要的应用价值。

IMU大多用在需要进行运动控制的设备，如汽车和机器人上。也被用在需要用姿态进行精密位移推算的场合，如潜艇、飞机、导弹和航天器的惯性导航设备等。

站心坐标系(站点坐标系，东-北-天坐标系ENU，local Cartesian coordinatescoordinate system)，主要是用于需了解以观察者为中心的其他物体运动规律。站心坐标系是以测站为原点的坐标系，即用准备好的基座来定点并进行观察和测量，一般用于施工工程。也用于需了解以观察者为中心的其他物体运动规律，如接收机可见GPS卫星的视角、方位角及距离等，需要用到站心坐标系。

地心地固坐标系(Earth-Centered,Earth-Fixed，简称ECEF)简称地心坐标系，是一种以地心为原点的地固坐标系(也称地球坐标系)，是一种笛卡儿坐标系。原点O(0,0,0)为地球质心，z轴与地轴平行指向北极点，x轴指向本初子午线与赤道的交点，y轴垂直于xOz平面(即东经90度与赤道的交点)构成右手坐标系。

主成分分析(Principal Component Analysis，PCA)，是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。

在实际课题中，为了全面分析问题，提出很多与此有关的变量(或因素)，因为每个变量都在不同程度上反映这个课题的某些信息。

主成分分析首先是由K.皮尔森(Karl Pearson)对非随机变量引入的，尔后H.霍特林将此方法推广到随机向量的情形。信息的大小通常用离差平方和或方差来衡量。

本申请实施例考虑到，实际车辆驾驶中有一些非常颠簸路面，例如坑洞、陡坡、减速带，不仅影响用户的驾驶舒适度，还可能会剐蹭车辆底盘。

因此，本申请实施例方案，从监测路面状况的实际问题出发，结合众包的标记能力，通过不同车辆在对应路面数据进行特征提取和聚类，提出一种基于众包的路面特征提取的路面矩形框，解决在车辆驾驶中，缺少路面状况监测的技术问题，提升车辆驾驶舒适度以及安全性。

具体地，参照图1，图1为本申请路面状况监测装置所属设备的功能模块示意图。该路面状况监测装置可以为独立于设备的、能够进行路面特征提取的装置，其可以通过硬件或软件的形式承载于设备上。该设备可以为车辆、手机、平板电脑等具有数据处理功能的智能移动终端，还可以为具有数据处理功能的固定设备或服务器等。

在本实施例中，该路面状况监测装置所属设备至少包括输出模块110、处理器120、存储器130以及通信模块140。

存储器130中存储有操作系统以及路面状况监测程序，路面状况监测装置可以将识别的目标路面，得到的目标路段标识；根据目标路段标识匹配的对应的路面矩形框，得到的目标路面的当前状况，基于不同车辆在对应路面进行特征提取并聚类得到的路面矩形框等信息存储于该存储器130中；输出模块110可为显示屏等。通信模块140可以包括WIFI模块、移动通信模块以及蓝牙模块等，通过通信模块140与外部设备或服务器进行通信。

其中，存储器130中的路面状况监测程序被处理器执行时实现以下步骤：

基于预设第一地图，获取目标路面的目标路段标识，其中，所述目标路段标识基于所述第一地图预先标记得到；

根据所述目标路段标识匹配对应的路面聚类路段，其中，所述路面聚类路段基于不同车辆在对应路面进行特征提取并聚类得到；

根据所述路面聚类路段，得到所述目标路面的当前状况。

进一步地，存储器130中的路面状况监测程序被处理器执行时还实现以下步骤：

获取不同车辆在对应路面采集的路面数据，并获取不同车辆在对应路面的行车轨迹；

基于所述路面数据，得到对应路面的路面属性；

基于所述路面属性，对所述行车轨迹进行特征提取并聚类，得到对应的路面矩形框。

进一步地，存储器130中的路面状况监测程序被处理器执行时还实现以下步骤：

将所述行车轨迹打断为直线段序列；

对所述直线段序列进行特征提取，得到对应的轨迹几何特征；

根据所述路面属性，将所述轨迹几何特征进行合并，得到对应的聚类分组；

对所述聚类分组进行特征提取，得到对应的聚类几何特征；

根据所述聚类几何特征的几何关系，将所述聚类几何特征进行合并，得到对应的路面矩形框。

进一步地，存储器130中的路面状况监测程序被处理器执行时还实现以下步骤：

检测所述路面属性与当前聚类分组的聚类属性是否匹配；

若所述路面属性与所述聚类属性匹配，则将所述轨迹几何特征与对应的聚类分组进行合并；

若所述路面属性与所述聚类属性不匹配，则生成除所述当前聚类分组之外的聚类分组。

进一步地，存储器130中的路面状况监测程序被处理器执行时还实现以下步骤：

根据不同路面矩形框之间的距离，合并所述路面矩形框，得到所述路面区域框。

进一步地，存储器130中的路面状况监测程序被处理器执行时还实现以下步骤：

将所述路面矩形框结合预设的第二地图，得到所述道路矩形框。

进一步地，存储器130中的路面状况监测程序被处理器执行时还实现以下步骤：

分析所述路面数据，确定对应的检测方式；

根据所述检测方式，得到对应路面的路面属性。

进一步地，存储器130中的路面状况监测程序被处理器执行时还实现以下步骤：

获取预设的第一速度系数；

计算所述横轴角度数据的方差与所述纵轴角度数据的方差之和，得到第一方差之和；

若所述第一方差之和大于所述第一速度系数，则确定所述检测方式为不平道路检测。

进一步地，存储器130中的路面状况监测程序被处理器执行时还实现以下步骤：

计算所述横轴角度数据的方差与所述纵轴角度数据的方差之和，得到第二方差之和；

若所述俯仰角度大于预设第一数值、所述第二方差之和大于预设第二数值，则确定所述检测方式为坡道检测。

进一步地，存储器130中的路面状况监测程序被处理器执行时还实现以下步骤：

获取预设的第二速度系数；

获取所述横轴角度数据的横轴方差和所述纵轴角度数据的纵轴方差；

若所述纵轴方差大于所述第二速度系数、所述横轴方差小于预设第三数值，则确定所述检测方式为减速带检测。

进一步地，存储器130中的路面状况监测程序被处理器执行时还实现以下步骤：

针对所述路面聚类路段，获取不同车辆在对应路面采集的聚类路段数据并进行分析；

若所述聚类路段数据不符合所述检测方式，则将所述路面聚类路段删除。

本实施例通过上述方案，具体通过基于预设第一地图，获取目标路面的目标路段标识，其中，所述目标路段标识基于所述第一地图预先标记得到；根据所述目标路段标识匹配对应的路面聚类路段，其中，所述路面聚类路段基于不同车辆在对应路面进行特征提取并聚类得到；根据所述路面聚类路段，得到所述目标路面的当前状况。基于不同车辆在对应路面进行特征提取并聚类得到路面矩形框，可以实现在车辆驾驶中，对路面状况进行有效监测，提升车辆驾驶舒适度以及安全性。基于本申请方案，从真实世界中道路存在的颠簸规律出发，提出一种基于众包的路面特征提取的路面矩形框，并在该路面矩形框验证了本申请提出的路面状况监测方法的有效性，提升车辆驾驶舒适度以及安全性。

基于上述设备架构但不限于上述架构，提出本申请方法实施例。

参照图2，图2为本申请路面状况监测方法第一示例性实施例的流程示意图。所述路面状况监测方法包括：

步骤S210，基于预设第一地图，获取目标路面的目标路段标识，其中，所述目标路段标识基于所述第一地图预先标记得到；

本实施例方法的执行主体可以是一种路面状况监测装置，也可以是一种路面状况监测设备或服务器，本实施例以路面状况监测装置进行举例，该路面状况监测装置可以集成在车辆、智能手机、平板电脑等设备上。

本实施例从监测路面状况的实际问题出发，结合众包的数据获取能力以及数据标记能力，通过不同车辆在对应路面数据进行特征提取和聚类，提出一种基于众包的路面特征提取的路面矩形框，解决在车辆驾驶中，缺少路面状况监测的技术问题，提升车辆驾驶舒适度以及安全性。

具体地，第一地图用于确定目标车辆的当前位置，根据当前位置确定对应的目标路面，可以是全球导航卫星系统，也可以是其他全球定位系统。在实际车辆驾驶中，包括无人驾驶或人工驾驶，道路中会出现一些非常颠簸路段，例如坑洞、陡坡、频繁的减速带，不仅影响用户的驾驶体验，对于不同车辆的设置还可能会剐蹭车辆底盘，进而使得车辆底盘的重要部件损坏，导致汽车无法行驶。因此，在车辆经过颠簸路面之前，通过第一地图识别目标路面，得到对应的目标路段标识，根据目标路段标识匹配对应的路面聚类路段，可以获得目标路面的当前状况。

步骤S220，根据所述目标路段标识匹配对应的路面聚类路段，其中，所述路面聚类路段基于不同车辆在对应路面进行特征提取并聚类得到；

具体地，目标路段标识用于匹配目标路面所对应的路面聚类路段，当参与众包的各车辆在对应的颠簸路面进行特征提取并聚类，得到对应的路面聚类路段时，相应地，生成各路面聚类路段所对应的路段标识。车辆为参与众包的各车辆，用于获得各车辆所标记的不同路面。路面聚类路段通过不同车辆在对应路面的行车轨迹进行特征提取并聚类得到，用于获得目标路面的当前状况。通过获得参与众包的不同车辆对颠簸路面进行标记，可以得到对应的路面聚类路段，如此，路面聚类路段通过参与众包的车辆提供相应的惯性测量单元数据以及全球导航卫星系统或其他全球定位系统即可获得。

步骤S230，根据所述路面聚类路段，得到所述目标路面的当前状况。

具体地，在用户驾驶车辆经过颠簸路面之前，通过匹配对应的路面聚类路段，可以提前通知用户当前路面的状况。例如，前方路面有坑洞、频繁减速带，提醒用户或者车辆自动调整车辆底盘的高度和软硬度，从而提升用户的车辆驾驶舒适度、避免车辆底盘剐蹭，提高车辆驾驶安全性。

本实施例通过上述方案，具体通过基于预设第一地图，获取目标路面的目标路段标识，其中，所述目标路段标识基于所述第一地图预先标记得到；根据所述目标路段标识匹配对应的路面聚类路段，其中，所述路面聚类路段基于不同车辆在对应路面进行特征提取并聚类得到；根据所述路面聚类路段，得到所述目标路面的当前状况。基于不同车辆在对应路面进行特征提取并聚类得到路面矩形框，可以提升车辆驾驶舒适度以及安全性。

参照图3，图3为本申请路面状况监测方法第二示例性实施例的流程示意图。基于上述图2所示的实施例，所述路面聚类路段包括路面矩形框，步骤S220，根据所述目标路段标识匹配对应的路面聚类路段，其中，所述路面聚类路段基于不同车辆在对应路面进行特征提取并聚类得到之前，还包括：

步骤S310，获取不同车辆在对应路面采集的路面数据，并获取不同车辆在对应路面的行车轨迹；

本实施例以步骤S310在步骤S210之前实施，在其他实施例中，步骤S310也可以在步骤S210与步骤S220之间实施。

具体地，路面数据为参与众包车辆经过颠簸路段时的车辆传感器的状态，用于获得颠簸路面的路面属性。行车轨迹用于对路面的进行几何特征提取。通过参与众包的各车辆标记所经过的颠簸路段，获得对应的路面数据，通过全球导航卫星系统或其他全球定位系统，获得对应的行车轨迹以及车辆位置。例如，在车辆的惯性测量单元数据发生陡变时，通过低通滤波器过滤自身震动等高频噪声，并根据车辆传感器的不同状态和车辆位置，在地图上标记和区分颠簸路段。

步骤S320，基于所述路面数据，得到对应路面的路面属性；

具体地，路面属性为颠簸路面的属性，用于将不同的颠簸路面进行聚类。根据路面颠簸的自然规律，对路面数据进行分析，可以检测出颠簸路段所对应的路面属性。

步骤S330，基于所述路面属性，对所述行车轨迹进行特征提取并聚类，得到对应的路面矩形框。

具体地，基于路面属性，对行车轨迹进行特征提取并聚类，得到对应的路面矩形框。参考图4，图4为本申请路面状况监测方法的提取路面矩形框示意图，图中具体示出路面矩形框1、路面矩形框2、路面矩形框3、路面矩形框4、路面矩形框5，其中，每个路面矩形框内包含若干个行车轨迹。

本实施例通过上述方案，具体通过获取参与众包车辆在对应路面采集的路面数据，并通过全球导航卫星系统获取不同车辆在对应路面的行车轨迹；基于所述路面数据，得到对应路面的路面属性；基于所述路面属性，对所述行车轨迹进行特征提取并聚类，得到对应的路面矩形框，可以降低路况监测的成本，并提高路况监测的准确性。

参照图5，图5为本申请路面状况监测方法第三示例性实施例的流程示意图。基于上述图3所示的实施例，所述路面数据包括横轴角度数据、纵轴角度数据，步骤S320，基于所述路面数据，得到对应路面的路面属性，包括：

步骤S510，分析所述路面数据，确定对应的检测方式；

本申请实施例以六轴惯性测量单元进行举例，在其他实施例中，也可以是其他数轴的惯性测量单元。

具体地，路面数据包括但不限于惯性测量单元的俯仰角、航向角、翻滚角的数据，陀螺仪的横轴、纵轴、竖轴数据。在车辆经过颠簸路面时，通过车辆的低通滤波器过滤自身震动等高频噪声，得到对应的路面数据。根据路面颠簸的自然规律，对路面数据进行分析，进而确定颠簸路面的检测方式。

步骤S520，根据所述检测方式，得到对应路面的路面属性。

具体地，检测方式用于对颠簸路面进行检测，确定对应的路面属性，包括但不限于不平道路检测、坡道检测、频繁减速带检测。通过检测方式检测颠簸路面的路面数据，可以得到路面属性。

进一步地，步骤S510，分析所述路面数据，确定对应的检测方式，包括：

步骤A11，获取预设的第一速度系数；

具体地，第一速度系数用于确定车辆的横轴角度数据的方差与纵轴角度数据的方差之和是否大于预设的第一速度系数，本实施例以第一速度系数为30*delta进行举例，其中，delta为：

式中，v表示行车速度，max表示取最大值。

步骤A12，计算所述横轴角度数据的方差与所述纵轴角度数据的方差之和，得到第一方差之和；

具体地，第一方差之和为预设时间段内，计算10Hz陀螺仪的横轴的角度数据、纵轴的角度数据，得到横轴的方差和纵轴的方差之和。其中，预设时间段根据实际情况进行设定，本实施例以时间段为3秒进行举例，在其他实施例中，可以是小于3秒或大于3秒。

步骤A13，若所述第一方差之和大于所述第一速度系数，则确定所述检测方式为不平道路检测。

具体地，如果第一方差之和大于30*delta，且车辆颠簸的轨迹长度大于预设长度，则认为是不平路段。其中，预设长度根据实际情况进行设定，本实施例以预设长度为3米进行举例，在其他实施例中，可以是小于3米或大于3米。

和/或所述路面数据还包括俯仰角数据，步骤S510，分析所述路面数据，确定对应的检测方式，包括：

步骤A21，计算所述横轴角度数据的方差与所述纵轴角度数据的方差之和，得到第二方差之和；

具体地，第二方差之和为预设时间段内，通过10Hz陀螺仪，计算横轴的角度数据、纵轴的角度数据，得到横轴的方差和纵轴的方差之和。其中，预设时间段根据实际情况进行设定，本实施例以时间段为3秒进行举例，在其他实施例中，可以是小于3秒或大于3秒。

步骤A22，若所述俯仰角度大于预设第一数值、所述第二方差之和大于预设第二数值，则确定所述检测方式为坡道检测。

具体地，在站心坐标系下，惯性测量单元的俯仰角(pitch角)在3秒内的变化幅度大于第一数值，且第二方差之和大于第二数值，则认为车辆处于坡道路段。在本实施例中，以第一数值为10度、第二数值为10为优选，在其他实施例中，第一数值可以是小于10度或大于10度、第二数值可以是小于10或大于10。

和/或步骤S510，分析所述路面数据，确定对应的检测方式，包括：

步骤A31，获取预设的第二速度系数；

具体地，第二速度系数用于确定车辆的纵轴角度数据的方差，第二速度系数以25*delta进行举例，delta为：

式中，v表示行车速度，max表示取最大值。

步骤A32，获取所述横轴角度数据的横轴方差和所述纵轴角度数据的纵轴方差；

具体地，横轴方差为预设时间段内，10Hz陀螺仪横轴角度数据的方差，纵轴方差为预设时间段内，10Hz陀螺仪纵轴角度数据的方差，本实施例以时间段为3秒进行举例，在其他实施例中，可以是小于3秒或大于3秒。

步骤A33，若所述纵轴方差大于所述第二速度系数、所述横轴方差小于预设第三数值，则确定所述检测方式为减速带检测。

具体地，在3秒内，如果纵轴角度数据的方差大于25*delta，且横轴方差小于第三数值，则认为是减速带路段。本实施例以第三数值为1进行举例，在其他实施例中，可以是小于1或大于1。

本实施例通过上述方案，具体通过分析所述路面数据，确定对应的检测方式；根据所述检测方式，得到对应路面的路面属性。通过分析路面数据确定对应的检测方式，以得到对应的路面属性，可以提高路面状况的监测效率。

参照图6，图6为本申请路面状况监测方法第四示例性实施例的流程示意图。基于上述图5所示的实施例，步骤S330，基于所述路面属性，对所述行车轨迹进行特征提取并聚类，得到对应的路面矩形框之后，还包括：

步骤S610，针对所述路面聚类路段，获取不同车辆在对应路面采集的聚类路段数据并进行分析；

具体地，聚类路段数据为参与众包车辆经过路段时的车辆传感器的状态，用于确定已生成的路面聚类路段所对应的路面是否转变为平整路面。其中，路面聚类路段包括路面矩形框、路面区域框、道路矩形框；聚类路段数据包括但不限于惯性测量单元的俯仰角、航向角、翻滚角的数据，陀螺仪的横轴、纵轴、竖轴数据。在生成路面聚类路段之后，车辆经过路面聚类路段所对应的路面时，通过车辆的低通滤波器过滤自身震动等高频噪声，针对已生成的路面聚类路段，采集对应的聚类路段数据并进行分析，进而确定对应的检测方式。

步骤S620，若所述聚类路段数据不符合所述检测方式，则将所述路面聚类路段删除。

具体地，如果聚类路段数据不符合检测方式，也即当前的路面聚类路段属于平整路面，则删除对应的聚类路段数据；如果聚类路段数据符合检测方式，也即当前的路面聚类路段属于颠簸路段，则基于检测方式所确定的路面属性，保留或更新对应的路面聚类路段。

本实施例通过上述方案，具体通过针对所述路面聚类路段，获取不同车辆在对应路面采集的聚类路段数据并进行分析；若所述聚类路段数据不符合所述检测方式，则将所述路面聚类路段删除，可以实时更新路面的当前路况，提高路面状况监测的准确性。

参照图7，图7为本申请路面状况监测方法第五示例性实施例的流程示意图。基于上述图3所示的实施例，步骤S330，基于所述路面属性，对所述行车轨迹进行特征提取并聚类，得到对应的路面矩形框，包括：

步骤S710，将所述行车轨迹打断为直线段序列；

具体地，由于不同车辆的行车轨迹是杂乱无序、不重合的数据，因此可以根据行车轨迹的角度偏移，也即根据行车轨迹的方向、角度，可以得到直线段序列。其中，行车轨迹包括一个或以上的直线段序列。其中，基于行车轨迹上，任取两点进行连线，取两点之间与行车轨迹重合的部分作为直线段序列，不重合的部分与行车轨迹之间的夹角为角度偏移。以此类推，得到至少一个直线段序列。

步骤S720，对所述直线段序列进行特征提取，得到对应的轨迹几何特征；

具体地，行车轨迹的轨迹几何特征用于合并，得到对应的聚类分组。直线段序列包括对应的轨迹坐标，通过将直线段序列的轨迹坐标转换为地心地固坐标系坐标，从而通过主成分分析计算地心地固坐标系坐标，可以得到行车轨迹的轨迹几何特征。

此外，在直线段序列的轨迹坐标转换为地心地固坐标系坐标时，相应地生成轨迹标识。通过对轨迹的轨迹几何特征进行聚类时，同时将轨迹标识进行处理，从而获得路面矩形框所对应的目标路段标识。

步骤S730，根据所述路面属性，将所述轨迹几何特征进行合并，得到对应的聚类分组；

具体地，聚类分组用于对不同颠簸路面进行分类。根据路面属性，合并同一路面属性下的行车轨迹的轨迹几何特征，得到对应的聚类分组。通过合并相同属性的路面，可以提高路面状况监测的准确性。

步骤S740，对所述聚类分组进行特征提取，得到对应的聚类几何特征；

具体地，聚类几何特征用于合并，得到对应路面矩形框。在对行车轨迹的轨迹几何特征进行分组，得到对应的聚类分组后，再对聚类分组进行特征提取，得到对应的聚类几何特征。

步骤S750，根据所述聚类几何特征的几何关系，将所述聚类几何特征进行合并，得到对应的路面矩形框。

具体地，几何关系包括但不限于：同方向的行车轨迹、角度相差较小的行车轨迹，用于合并聚类分组的几何特征。根据聚类分组的几何特征的几何关系，合并聚类分组的几何特征，使得在用户经过颠簸路面时，两个坑洞间隔20米，通过聚类分组的几何特征的几何关系，将这一段路面的两个坑合并为一个路面矩形框，使得用户接收一次通知，即可获得20米内有两个坑洞以及坑洞位置的消息，并且可以根据该通知自动调整车辆底盘或人工调整车辆底盘。

本实施例通过上述方案，具体通过将所述行车轨迹打断为直线段序列；对所述直线段序列进行特征提取，得到对应的轨迹几何特征；根据所述路面属性，将所述轨迹几何特征进行合并，得到对应的聚类分组；对所述聚类分组进行特征提取，得到对应的聚类几何特征；根据所述聚类几何特征的几何关系，将所述聚类几何特征进行合并，得到对应的路面矩形框。通过将行车轨迹打断为直线段序列，得到行车轨迹的几何特征，并对轨迹进行合并，可以提高路面特征提取的准确性。

参照图8，图8为本申请路面状况监测方法第六示例性实施例的流程示意图。基于上述图7所示的实施例，步骤S730，根据所述路面属性，将所述轨迹几何特征进行合并，得到对应的聚类分组，包括：

步骤S810，检测所述路面属性与当前聚类分组的聚类属性是否匹配；

具体地，在检测路面属性与当前聚类分组的聚类属性是否匹配之前，可以预先创建一个聚类结构，并设置相应的聚类属性，得到聚类容器(ClusterGroup)，聚类容器用于根据聚类属性进行分组，并存放颠簸路面的聚类分组(Cluster)。聚类分组的属性为颠簸路面的属性，包括但不限于不平道路、坡道、频繁的减速带。如此，可以通过检测路面属性与聚类容器中的当前聚类分组是否匹配，合并相似的行车轨迹，从而对路面矩形框进行聚类。

步骤S820，若所述路面属性与所述聚类属性匹配，则将所述轨迹几何特征与对应的聚类分组进行合并；

具体地，如果路面属性与聚类容器中的聚类分组的属性匹配，则将路面属性对应的行车轨迹的几何特征和聚类分组中的几何特征进行合并。

步骤S830，若所述路面属性与所述聚类属性不匹配，则生成除所述当前聚类分组之外的聚类分组。

具体地，如果路面属性与当前聚类分组的属性不匹配，则生成除当前聚类分组之外新的聚类分组，并将新生成的聚类分组插入聚类容器中。

本实施例通过上述方案，具体通过检测所述路面属性与当前聚类分组的聚类属性是否匹配；若所述路面属性与所述聚类属性匹配，则将所述轨迹几何特征与对应的聚类分组进行合并；若所述路面属性与所述聚类属性不匹配，则生成除所述当前聚类分组之外的聚类分组。通过检测路面属性以合并对应的行车轨迹，可以提高路面特征提取的效率。

参照图9，图9为本申请路面状况监测方法第七示例性实施例的流程示意图。基于上述图3所示的实施例，所述路面聚类路段还包括路面区域框，步骤S330，基于所述路面属性，对所述行车轨迹进行特征提取并聚类，得到对应的路面矩形框之后，还包括：

步骤S910，根据不同路面矩形框之间的距离，合并所述路面矩形框，得到所述路面区域框。

具体地，路面区域框用于路面状况监测。根据实际需求，将距离相近的路面矩形框的几何特征进行合并。也即，路面区域框根据不同车辆在对应颠簸路面进行特征提取、聚类并将相近的若干个路面矩形框合并得到。

如此，可以在生成道路矩形框后，用户根据目标路段标识匹配对应的路面区域框，可以得到所述目标道路的当前状况。例如，在用户经过颠簸路面时，两个坡道间隔100米，根据路面矩形框之间的距离和/或方向，将两个矩形框合并为一个范围更大的路面区域框，使得用户接收一次通知，即可获得100米内有两个坡道以及坡道位置的消息，并且可以根据该通知自动调整车辆底盘或人工调整车辆底盘。

本实施例通过上述方案，具体通过获取不同车辆在对应路面采集的路面数据，并获取不同车辆在对应路面的行车轨迹；基于所述路面数据，得到对应路面的路面属性；基于所述路面属性，对所述行车轨迹进行特征提取并聚类，得到对应的路面矩形框；根据不同路面矩形框之间的距离，合并所述路面矩形框，得到所述路面区域框。根据路面矩形框之间的距离，得到路面区域框，可以提高驾驶舒适度。

参照图10，图10为本申请路面状况监测方法第八示例性实施例的流程示意图。基于上述图3所示的实施例，所述路面聚类路段还包括道路矩形框，步骤S330，基于所述路面属性，对所述行车轨迹进行特征提取并聚类，得到对应的路面矩形框之后，还包括：

步骤S1010，将所述路面矩形框结合预设的第二地图，得到所述道路矩形框。

具体地，道路矩形框用于道路状况监测，道路矩形框包括道路的路面、道路的环境、道路的堵塞情况。根据实际情况，可以将路面矩形框结合地图，得到道路矩形框。也即，道路矩形框根据不同车辆在对应颠簸路面进行特征提取、聚类并结合地图得到。

如此，可以在生成道路矩形框后，用户根据目标路段标识匹配对应的道路矩形框，可以得到所述目标道路的当前状况。例如，在用户经过颠簸路面时，30米内出现车辆堵塞并且有多个减速带，通过将路面矩形结合地图，使得用户接收一次通知，即可获得30米内出现车辆堵塞并且有多个减速带的消息，并且可以根据该通知自动调整车辆底盘或人工调整车辆底盘。

本实施例通过上述方案，具体通过获取不同车辆在对应路面采集的路面数据，并获取不同车辆在对应路面的行车轨迹；基于所述路面数据，得到对应路面的路面属性；基于所述路面属性，对所述行车轨迹进行特征提取并聚类，得到对应的路面矩形框；将所述路面矩形框结合预设的第二地图，得到所述道路矩形框。通过将路面矩形框结合地图，得到道路矩形框，可以提高驾驶舒适度。

参照图11，图11为本申请路面状况监测方法第九示例性实施例的流程示意图。如图示出，预先创建聚类结构，设置聚类属性，得到聚类容器；输入单个车辆的检测结果，其中，检测结果包括单个车辆经过当前颠簸路面的行车轨迹；将轨迹的偏移角度打断为至少一个直线段序列，直线段序列对应各个轨迹坐标；将轨迹坐标转换为地心地固坐标系坐标，并生成轨迹标识；通过主成分分析地心地固坐标系坐标，得到轨迹的几何特征；检测当前颠簸路面是否属于已有聚类分组(Cluster),如果当前颠簸路面属于已有聚类分组，则与聚类容器中现有聚类分组合并；如果当前颠簸路面不属于已有聚类分组，则生成新的聚类分组，并插入聚类容器中；通过主成分分析聚类分组，得到聚类分组的几何特征；根据聚类分组的几何特征的相交关系，合并相同的聚类分组；根据需求合并距离相近的聚类分组，得到更大的聚类分组区域。如此，使得车辆在经过颠簸路面之前，可以提醒用户或者极客模式下自动调整底盘的高度和软硬度，提升用户体验感，避免底盘剐蹭。

此外，本申请实施例还提出一种路面状况监测装置，所述路面状况监测装置包括：

路面识别模块，用于基于预设第一地图，获取目标路面的目标路段标识，其中，所述目标路段标识基于所述第一地图预先标记得到；

路面匹配模块，用于根据所述目标路段标识匹配对应的路面聚类路段，其中，所述路面聚类路段基于不同车辆在对应路面进行特征提取并聚类得到；

状况获取模块，用于根据所述路面聚类路段，得到所述目标路面的当前状况。

本实施例实现路面状况监测的原理及实施过程，请参照上述各实施例，在此不再赘述。

此外，本申请实施例还提出一种车辆，所述车辆包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的路面状况监测程序，所述路面状况监测程序被所述处理器执行时实现如上所述的路面状况监测方法的步骤。

由于本路面状况监测程序被处理器执行时，采用了前述所有实施例的全部技术方案，因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果，在此不再一一赘述。

此外，本申请实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有路面状况监测程序，所述路面状况监测程序被处理器执行时实现如上所述的路面状况监测方法的步骤。

由于本路面状况监测程序被处理器执行时，采用了前述所有实施例的全部技术方案，因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果，在此不再一一赘述。

相比现有技术，本申请实施例提出的路面状况监测方法、装置、车辆以及存储介质，通过基于预设第一地图，获取目标路面的目标路段标识，其中，所述目标路段标识基于所述第一地图预先标记得到；根据所述目标路段标识匹配对应的路面聚类路段，其中，所述路面聚类路段基于不同车辆在对应路面进行特征提取并聚类得到；根据所述路面聚类路段，得到所述目标路面的当前状况。基于不同车辆在对应路面进行特征提取并聚类得到路面矩形框，可以实现在车辆驾驶中，对路面状况进行有效监测，提升车辆驾驶舒适度以及安全性。基于本申请方案，从真实世界中道路存在的颠簸规律出发，设计了一种基于众包的路面特征提取的路面矩形框，并在该路面矩形框验证了本申请提出的路面状况监测方法的有效性，提升车辆驾驶舒适度以及安全性。

需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

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上述实施例方法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，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的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，该计算机软件产品存储在如上的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台设备(可以是车辆、手机，计算机，服务器，被控终端，或者网络设备等)执行本申请每个实施例的方法。

以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。