轮胎状态检测方法、装置、计算机设备和存储介质

技术领域

本申请涉及汽车电子技术领域，特别是涉及一种轮胎状态检测方法、装置、计算机设备和存储介质。

背景技术

轮胎压力监测系统TPMS(Tire Pressure Monitoring System)是一种用于监测车辆轮胎内部气压的系统，通过轮胎中的压力传感器监测轮胎的压力信息，同时，轮胎压力监测系统还可以监测轮胎状态信息，监测轮胎状态的方法包括加速度检测方法和地磁检测方法。

然而，传统的轮胎压力监测系统监测轮胎状态信息的两种方法中加速度检测方法涉及的加速度传感器内含可移动元件，极易受到震动影响，造成轮胎状态检测不准确，而地磁检测方法中涉及的地磁传感器极易受到外界干扰，例如，金属物体、交流电机、磁性物体等的干扰，造成轮胎状态检测不准确。

发明内容

基于此，有必要针对上述技术问题，提供一种轮胎状态检测方法、装置、计算机设备和存储介质。

一种轮胎状态检测方法，所述方法包括：

获取目标车辆的轮胎位置处的地磁场数据；

对所述地磁场数据进行数据拟合，绘制出目标车辆的轮胎状态曲线；

将所述轮胎状态曲线与数据库中的参考轮胎状态曲线进行匹配，根据所述轮胎状态曲线与所述参考轮胎状态曲线间的相似度指标，确定目标轮胎状态曲线，并将所述目标轮胎状态曲线对应的运动状态作为所述目标车辆的轮胎状态。

在其中一个实施例中，还包括：

通过地磁传感器采集目标车辆的轮胎位置处的初始地磁场数据；

对所述初始地磁场数据进行阈值清洗处理和数据标准化处理，得到处理后的地磁场数据，将所述处理后的地磁场数据，作为目标车辆的轮胎位置处的地磁场数据。

在其中一个实施例中，所述对所述地磁场数据进行数据拟合，绘制出目标车辆的轮胎状态曲线，包括：

基于最小二乘拟合算法，将所述地磁场数据包含的磁场强度根据对应的时间数据的先后顺序，绘制出随时间变化的磁场强度曲线，所述磁场强度曲线表征所述目标车辆的轮胎状态曲线。

在其中一个实施例中，所述将所述轮胎状态曲线与数据库中的参考轮胎状态曲线进行匹配，根据所述轮胎状态曲线与所述参考轮胎状态曲线间的相似度指标，确定目标轮胎状态曲线，并将所述目标轮胎状态曲线对应的运动状态作为所述目标车辆的轮胎状态，包括：

提取所述轮胎状态曲线对应的所述地磁场数据包含的数据特征；所述数据特征包括统计特征、时域特征和频域特征中的至少一种；

遍历所述数据库中每一条参考轮胎状态曲线，并根据所述数据特征与所述每一条参考轮胎状态曲线对应的参考数据特征进行相似度匹配，得到相似度匹配结果；

在各所述相似度匹配结果中，将所述数据库中与所述轮胎状态曲线相似度最高的参考轮胎状态曲线确定为所述目标轮胎状态曲线；

根据所述目标轮胎状态曲线携带的运动状态标签，确定所述目标车辆的轮胎状态。

在其中一个实施例中，参考轮胎状态曲线的生成过程，包括：

获取车辆轮胎位置处的历史地磁场数据样本；

对所述历史地磁场数据样本进行阈值清洗处理和数据标准化处理，得到处理后的历史地磁场数据样本；

对所述处理后的历史地磁场数据进行聚类分析，通过更新每一类初始质心得到样本分类结果，并将得到的每一所述样本分类结果作为一个运动状态样本；

对每一所述运动状态样本进行特征提取，得到每一所述运动状态样本对应的数据特征；

针对每一所述运动状态样本中对应的数据特征以及地磁场数据包含的磁场强度和时间的对应关系，绘制所述运动状态样本对应的运动状态曲线；

根据所述每一运动状态样本对应的数据特征，将对应的运动状态曲线打上运动状态标签，作为参考轮胎状态曲线，并将所述参考轮胎状态曲线存储至数据库中。

在其中一个实施例中，所述地磁场数据是通过三轴地磁传感器采集的地磁场数据，所述方法还包括：

获取所述目标车辆的轮胎位置处的三个轴向上的地磁场数据；

对每一轴向上的地磁场数据进行数据拟合，绘制出每一轴向上的目标车辆的轮胎状态曲线；

将所述每一轴向上的轮胎状态曲线与数据库中的参考轮胎状态曲线进行匹配，根据所述轮胎状态曲线与所述参考轮胎状态曲线间的相似度指标，确定目标轮胎状态曲线，并将所述目标轮胎状态曲线对应的运动状态作为所述目标车辆的候选轮胎状态；

将所述每一轴向对应的所述候选轮胎状态进行加权平均处理，得到所述目标车辆的最终轮胎状态。

一种轮胎状态检测装置，所述装置包括：

获取目标车辆的轮胎位置处的地磁场数据；

对所述地磁场数据进行数据拟合，绘制出目标车辆的轮胎状态曲线；

将所述轮胎状态曲线与数据库中的参考轮胎状态曲线进行匹配，根据所述轮胎状态曲线与所述参考轮胎状态曲线间的相似度指标，确定目标轮胎状态曲线，并将所述目标轮胎状态曲线对应的运动状态作为所述目标车辆的轮胎状态。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取目标车辆的轮胎位置处的地磁场数据；

对所述地磁场数据进行数据拟合，绘制出目标车辆的轮胎状态曲线；

将所述轮胎状态曲线与数据库中的参考轮胎状态曲线进行匹配，根据所述轮胎状态曲线与所述参考轮胎状态曲线间的相似度指标，确定目标轮胎状态曲线，并将所述目标轮胎状态曲线对应的运动状态作为所述目标车辆的轮胎状态。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取目标车辆的轮胎位置处的地磁场数据；

对所述地磁场数据进行数据拟合，绘制出目标车辆的轮胎状态曲线；

将所述轮胎状态曲线与数据库中的参考轮胎状态曲线进行匹配，根据所述轮胎状态曲线与所述参考轮胎状态曲线间的相似度指标，确定目标轮胎状态曲线，并将所述目标轮胎状态曲线对应的运动状态作为所述目标车辆的轮胎状态。

上述轮胎状态检测方法、装置、计算机设备和存储介质，获取目标车辆的轮胎位置处的地磁场数据；对所述地磁场数据进行数据拟合，绘制出目标车辆的轮胎状态曲线；将所述轮胎状态曲线与数据库中的参考轮胎状态曲线进行匹配，根据所述轮胎状态曲线与所述参考轮胎状态曲线间的相似度指标，确定目标轮胎状态曲线，并将所述目标轮胎状态曲线对应的运动状态作为所述目标车辆的轮胎状态。采用本方法，通过将目标车辆的轮胎所处的运动状态反映为对应的轮胎状态曲线，进而利用曲线间的特征匹配来确定目标车辆的轮胎状态，避免了单一地磁场数据极易受到干扰，造成轮胎检测不准确的问题。

附图说明

图1为一个实施例中轮胎状态检测方法的应用环境图；

图2为一个实施例中轮胎状态检测方法的流程示意图；

图3为一个实施例中获取地磁场数据步骤的流程示意图；

图4为一个实施例中轮胎状态曲线特征匹配步骤的流程示意图；

图5为一个实施例中轮胎静止状态下的轮胎状态参考曲线示意图；

图6为一个实施例中轮胎静止状态下的轮胎状态参考曲线示意图；

图7为一个实施例中轮胎滚动状态下的轮胎状态参考曲线示意图；

图8为一个实施例中轮胎滚动状态下的轮胎状态参考曲线示意图；

图9为一个实施例中参考轮胎状态曲线的生成过程的流程示意图；

图10为一个实施例中通过三轴地磁传感器采集数据进行轮胎状态检测的方法的流程示意图；

图11为一个实施例中轮胎状态检测装置的结构框图；

图12为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处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。

本申请提供的轮胎状态检测方法，可以应用于如图1所示的应用环境中。其中，车载终端102通过网络与地磁传感器104进行通信或者通过电子电路进行通信。车载终端102获取目标车辆的轮胎位置处的地磁场数据；对地磁场数据进行数据拟合，绘制出目标车辆的轮胎状态曲线；将轮胎状态曲线与数据库中的参考轮胎状态曲线进行匹配，根据轮胎状态曲线与参考轮胎状态曲线间的相似度指标，确定目标轮胎状态曲线，并将目标轮胎状态曲线对应的运动状态作为目标车辆的轮胎状态。其中，终端102可以但不限于是各种可以用于数据处理的计算机设备。

在一个实施例中，如图2所示，提供了一种轮胎状态检测方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：

步骤201，获取目标车辆的轮胎位置处的地磁场数据。

其中，目标车辆的TPMS系统中包含有压力传感器、地磁传感器等数据采集设备，其中，地磁传感器可以安装至目标车辆轮胎上，用于采集轮胎某一位置处的地磁场数据，该地磁场数据为对应时间序列的地磁场强度数据序列。

在实施中，车载终端的处理器获取由地磁传感器采集的目标车辆的轮胎位置处的地磁场数据。

可选地，地磁传感器可以为单轴、两轴或三轴类型的磁场传感器，针对不同类型的地磁传感器，可以将地磁传感器包含的每一轴向上的地磁场数据，分别发送至车载终端的处理器进行处理，因此，对于地磁传感器类型本实施例不做限定。

步骤202，对地磁场数据进行数据拟合，绘制出目标车辆的轮胎状态曲线。

在实施中，车载终端对地磁场数据进行数据拟合，绘制出目标车辆的轮胎状态曲线。

具体地，基于采集到的车轮某一固定位置点的地磁场数据中地磁场强度随时间变化的关系，绘制出目标车辆该点的磁场强度变化曲线，该曲线即反应目标车辆的轮胎状态曲线。

步骤203，将轮胎状态曲线与数据库中的参考轮胎状态曲线进行匹配，根据轮胎状态曲线与参考轮胎状态曲线间的相似度指标，确定目标轮胎状态曲线，并将目标轮胎状态曲线对应的运动状态作为目标车辆的轮胎状态。

在实施中，车载终端将由采集到的实时地磁场数据绘制而成的轮胎状态曲线与数据库中存储的参考轮胎状态曲线进行特征匹配，得到轮胎状态曲线与每一参考轮胎状态曲线的基于相似度指标的匹配结果，根据该匹配结果在参考轮胎状态曲线中确定目标轮胎状态曲线，并将确定出的目标轮胎状态曲线对应的运动状态作为该时刻下目标车辆的轮胎状态。

上述轮胎状态检测方法中，获取目标车辆的轮胎位置处的地磁场数据；对地磁场数据进行数据拟合，绘制出目标车辆的轮胎状态曲线；将轮胎状态曲线与数据库中的参考轮胎状态曲线进行匹配，根据轮胎状态曲线与参考轮胎状态曲线间的相似度指标，确定目标轮胎状态曲线，并将目标轮胎状态曲线对应的运动状态作为目标车辆的轮胎状态。采用本方法，通过将目标车辆的轮胎所处的运动状态反映为对应的轮胎状态曲线，进而利用曲线间的特征匹配来确定目标车辆的轮胎状态，避免了单一地磁场数据极易受到干扰，造成轮胎检测不准确的问题。

在一个实施例中，如图3所示，步骤201包括：

步骤301，通过地磁传感器采集目标车辆的轮胎位置处的初始地磁场数据。

在实施中，地磁传感器采集目标车辆的轮胎某一固定位置处的初始地磁场数据。其中，该初始地磁场数据包括该位置处的磁场强度和对应的采集时间。

可选地，地磁传感器采集地磁场数据的精度可以为3mGs，本申请实施例不做限定。

步骤302，对初始地磁场数据进行阈值清洗处理和数据标准化处理，得到处理后的地磁场数据，将处理后的地磁场数据，作为目标车辆的轮胎位置处的地磁场数据。

在实施中，车载终端针对地磁传感器采集到的初始地磁场数据进行数据预处理，其中，数据预处理包括阈值清洗处理和数据标准化处理，

具体地，阈值清洗过程为：根据预设的数据阈值确定地磁场数据的取值范围(例如，地磁场强度一般为0.5～0.6Gs，因此，可以选定地磁场数据阈值为2Gs)，进而将超出该数据取值范围(例如，0～2Gs)的数据，作为异常数据剔除，然后，针对剔除数据的空位，通过该空位的前后两个数据的中位数补全。

数据标准化的计算公式为：

其中，

车载终端将初始地磁场数据预处理后，得到可以用于轮胎状态检测的地磁场数据。

可选地，数据标准化的方法不限于利用最小-最大值标准化方法(即上述公式(1))，也可以利用z-score标准化方法，z-score标准化方法将数据按比例缩放，使数据落入一个特定区间(一般为(0,1)区间)。即均值μ＝0，

本实施例中，通过对地磁场数据进行预处理，筛除因受到干扰而异常的地磁场数据，提高绘制出的轮胎状态曲线的精确度，进而准确判定目标车辆当前轮胎状态。

在一个实施例中，步骤202，即绘制目标车辆的轮胎状态曲线的过程具体包括：基于最小二乘拟合算法，将地磁场数据包含的磁场强度根据对应的时间数据的先后顺序，绘制出随时间变化的磁场强度曲线，磁场强度曲线表征目标车辆的轮胎状态曲线。

在实施中，车载终端将获取到的目标车辆的地磁场数据依据对应的时间顺序的先后(即以时间顺序为横坐标)，按照磁场强度大小进行描点(即以磁场强度为纵坐标)，然后，通过最小二乘拟合算法，将该时间序列对应的磁场强度数据进行数据拟合，得到拟合后的随时间变化的磁场强度曲线，该磁场强度曲线即表征目标车辆的轮胎状态曲线。

在一个实施例中，如图4所示，步骤203的具体处理过程如下所示；

步骤401，提取轮胎状态曲线对应的地磁场数据包含的数据特征；数据特征包括统计特征、时域特征和频域特征中的至少一种。

在实施中，车载终端提取轮胎状态曲线对应的地磁场数据包含的数据特征，其中，该数据特征包括：统计特征、时域特征和频域特征中的至少一种。

具体地，统计特征包括：地磁场数据的中位数、方差、均值、变异系数等；时域特征包括自相关系数、信息熵、峰值因子、脉冲因子、裕度因子、峭度因子、波形因子和偏度；频域特征包括：小波能量谱等，因此，本实施例对于可以提取得到的数据特征类型不做限定。

步骤402，遍历数据库中每一条参考轮胎状态曲线，并根据数据特征与每一条参考轮胎状态曲线对应的参考数据特征进行相似度匹配，得到相似度匹配结果。

在实施中，车载终端遍历数据库中每一条参考轮胎状态曲线，并根据数据特征与每一条参考轮胎状态曲线对应的参考数据特征进行相似度匹配，得到相似度匹配结果。

具体地，数据库中的参考轮胎状态曲线包括多种轮胎状态类型，例如，可以包括轮胎在静止状态下的轮胎状态曲线(如图5或者图6所示)、轮胎滚动状态下的轮胎状态曲线(如图7或者图8所示)等，同时，轮胎滚动状态下的轮胎状态曲线又可以区分为车辆直行时轮胎滚动状态曲线、车辆转弯时轮胎滚动状态曲线、车辆会车时轮胎滚动状态曲线等，其中，轮胎滚动状态的细分类型，本实施例不做限定。

其中，图5为常规情况的轮胎静止状态的参考轮胎状态曲线，而图6也为轮胎静止状态下对应的参考轮胎状态曲线，但图6显示的情况，可以对应于在地磁传感器受到干扰下的情况，由于干扰源很难确定，因此，将除轮胎滚动状态对应的参考轮胎状态曲线各种情况之外，其他曲线形态均定义为静止状态下的参考轮胎状态曲线。

进而，当车载终端遍历数据库中每一条参考轮胎状态曲线时，同时得到每一条参考轮胎状态曲线对应的数据特征(统计特征、时域特征和频域特征中的至少一种类型)，将实施采集数据得到的当前车轮的轮胎状态曲线对应的数据特征与数据库中参考轮胎状态曲线的数据特征进行相似度计算，得到每一参考轮胎状态曲线的数据特征与当前轮胎状态曲线对应的数据特征的相似度匹配结果。

步骤403，在各相似度匹配结果中，将数据库中与轮胎状态曲线相似度最高的参考轮胎状态曲线确定为目标轮胎状态曲线。

在实施中，车载终端在各相似度匹配结果中，将数据库中与当前轮胎状态曲线的数据特征相似度最高的参考轮胎状态曲线确定为目标轮胎状态曲线。

步骤404，根据目标轮胎状态曲线携带的运动状态标签，确定目标车辆的轮胎状态。

在实施中，由于参考轮胎状态曲线在生成过程中定义了对应的轮胎运动状态标签，以用于表征该条参考曲线的轮胎状态，因此，车载终端根据目标轮胎状态曲线(即确定出的参考轮胎状态曲线)携带的运动状态标签，确定目标车辆此时的轮胎状态。

本实施例中，通过轮胎状态曲线与数据库中各参考轮胎状态曲线的数据特征进行匹配，筛选确定出与轮胎状态曲线相似度最高的参考轮胎状态曲线，作为目标轮胎状态曲线，进而根据该目标轮胎状态曲线判定目标车辆当前的轮胎状态，降低了单个磁场数据易受干扰的情况，提高了轮胎状态检测准确性。

在一个实施例中，如图9所示，参考轮胎状态曲线的生成过程，包括：

步骤901，获取车辆轮胎位置处的历史地磁场数据样本。

在实施中，获取车辆轮胎位置处的历史地磁场数据样本。

具体地，历史地磁场数据样本可以包含不同车辆、不同的轮胎甚至地磁传感器不同轴向上的地磁场数据，本实施例不做限定。可选的，历史地磁场数据样本的数据量可以根据车轮状态检测的需求精度等要求进行设定，本实施例也不做限定。

步骤902，对历史地磁场数据样本进行阈值清洗处理和数据标准化处理，得到处理后的历史地磁场数据样本。

在实施中，对历史地磁场数据样本也需要进行阈值清洗处理和数据标准化处理，得到处理后的历史地磁场数据样本，以此保证参考轮胎状态曲线的标准性。具体地阈值清洗处理和数据标准化处理，与上述步骤302的处理过程相同，本实施例不再赘述。

步骤903，对处理后的历史地磁场数据进行聚类分析，通过更新每一类初始质心得到样本分类结果，并将得到的每一样本分类结果作为一个运动状态样本。

在实施中，对处理后的历史地磁场数据进行聚类分析(例如，Kmeans聚类方法)，根据指定的多个类型的初始质心，通过不断的更新质心值进行聚类分析，直至聚类结果不再发生变化时，得到每一类型对应的聚类结果，也即样本分类结果，将每一样本分类结果作为一种车轮运动状态类型，也即得到对应的一种车轮运动状态类型的运动状态样本。

步骤904，对每一运动状态样本进行特征提取，得到每一运动状态样本对应的数据特征。

在实施中，对每一运动状态样本进行特征提取，得到每一运动状态样本对应的数据特征，该数据特征可以包括统计特征、时域特征和频域特征中的至少一种。

步骤905，针对每一运动状态样本中对应的数据特征以及地磁场数据包含的磁场强度和时间的对应关系，绘制运动状态样本对应的运动状态曲线。

在实施中，针对每一运动状态样本中对应的数据特征以及地磁场数据包含的磁场强度和时间的对应关系，绘制运动状态样本对应的运动状态曲线，该运动状态曲线的拟合绘制过程与上述步骤202的处理过程相同，本实施例不再赘述。

步骤906，根据每一运动状态样本对应的数据特征，将对应的运动状态曲线打上运动状态标签，作为参考轮胎状态曲线，并将参考轮胎状态曲线存储至数据库中。

在实施中，根据每一运动状态样本对应的数据特征，将由运动状态样本得到的运动状态曲线打上对应的运动状态标签，以此作为参考轮胎状态曲线，将携带有数据特征以及运动状态标签的参考轮胎状态曲线存储至数据库中，以用于后期应用过程中的参考轮胎状态曲线的调取。

在一个实施例中，如图10所示，提供一种采集设备为三轴地磁传感器的轮胎状态检测方法示例，地磁场数据是通过三轴地磁传感器采集的地磁场数据，该方法包括：

步骤1001，获取目标车辆的轮胎位置处的三个轴向上的地磁场数据。

由于选用的地磁传感器为三轴地磁传感器，因此，对应的可以得到基于该三轴地磁传感器的XYZ三个轴向上的地磁场数据，

在实施中，车载终端处理器获取由三轴地磁传感器采集的目标车辆的轮胎位置处三个轴向上的地磁场数据。

步骤1002，对每一轴向上的地磁场数据进行数据拟合，绘制出每一轴向上的目标车辆的轮胎状态曲线。

在实施中，针对每一轴向上的地磁场数据，均可以对基于时间序列的磁场强度数据进行拟合，得到每一轴向上的磁场强度随时间变化的曲线，以此表征每一轴向上的目标车辆的轮胎状态曲线。也即针对每一轴向上的地磁场数据均可以应用上述步骤201-202的方法，绘制出目标车辆的轮胎状态曲线。

步骤1003，将每一轴向上的轮胎状态曲线与数据库中的参考轮胎状态曲线进行匹配，根据轮胎状态曲线与参考轮胎状态曲线间的相似度指标，确定目标轮胎状态曲线，并将目标轮胎状态曲线对应的运动状态作为目标车辆的候选轮胎状态。

在实施中，车载处理器将每一轴向上的轮胎状态曲线与数据库中的参考轮胎状态曲线进行匹配，根据轮胎状态曲线与参考轮胎状态曲线间的相似度指标，确定目标轮胎状态曲线，并将目标轮胎状态曲线对应的运动状态作为目标车辆的候选轮胎状态。

具体地，由每一轴向上的轮胎状态曲线与数据库中预先存储的参考轮胎状态曲线进行匹配的过程，与上述步骤203或者步骤402的匹配过程相同，本实施例不再赘述。根据得到的相似度匹配结果，可以得到由每一轴向上的地磁场数据确定出的目标车辆的轮胎状态，该轮胎状态可以作为目标车辆的候选轮胎状态。

可选地，一般情况下，针对同一目标车辆对应的地磁传感器各个轴向上的地磁场数据，确定出的候选轮胎状态是相同的，也即针对单一轴向数据可独立得到目标车辆该时刻对应的轮胎状态。

步骤1004，将每一轴向对应的候选轮胎状态进行加权平均处理，得到目标车辆的最终轮胎状态。

在实施中，车载终端将每一轴向对应的候选轮胎状态进行加权平均处理，得到目标车辆的最终轮胎状态。

具体地，当地磁传感器的各个轴向上确定出的候选车轮状态不一致时，可以对候选车轮状态进行数值处理，例如，轮胎静止状态赋值为0，轮胎滚动状态赋值为1，然后，对各个轴向上轮胎状态赋值结果进行加权平均处理，得到加权平均结果，然后，根据加权平均结果，确定加权平均结果与0和1(轮胎状态类型值)的差值距离，将距离较近的数据端对应的轮胎状态，确定为目标车辆该时刻最终轮胎状态。

本实施例中，通过三轴地磁传感器来采集目标车辆轮胎位置处的地磁场数据，无需限制地磁传感器的安装位置，均可采集到磁场数据，同时，针对每一轴向上的地磁场数据分别进行轮胎状态检测，进而，根据每一轴向上轮胎状态检测结果进行综合判断，确定最终轮胎状态结果，提高了轮胎状态检测结果的准确性。

应该理解的是，虽然图2-4,9-10的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4,9-10中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图11所示，提供了一种轮胎状态检测装置1100，包括：获取模块1110、绘制模块1120和确定模块1130，其中：

获取模块1110，用于获取目标车辆的轮胎位置处的地磁场数据；

绘制模块1120，用于对地磁场数据进行数据拟合，绘制出目标车辆的轮胎状态曲线；

确定模块1130，用于将轮胎状态曲线与数据库中的参考轮胎状态曲线进行匹配，根据轮胎状态曲线与参考轮胎状态曲线间的相似度指标，确定目标轮胎状态曲线，并将目标轮胎状态曲线对应的运动状态作为目标车辆的轮胎状态。

在一个实施例中，获取模块1110具体用于通过地磁传感器采集目标车辆的轮胎位置处的初始地磁场数据；

对初始地磁场数据进行阈值清洗处理和数据标准化处理，得到处理后的地磁场数据，将处理后的地磁场数据，作为目标车辆的轮胎位置处的地磁场数据。

在一个实施例中，绘制模块1120，具体用于基于最小二乘拟合算法，将地磁场数据包含的磁场强度根据对应的时间数据的先后顺序，绘制出随时间变化的磁场强度曲线，磁场强度曲线表征目标车辆的轮胎状态曲线。

在一个实施例中，确定模块1130具体用于提取轮胎状态曲线对应的地磁场数据包含的数据特征；数据特征包括统计特征、时域特征和频域特征中的至少一种；

遍历数据库中每一条参考轮胎状态曲线，并根据数据特征与每一条参考轮胎状态曲线对应的参考数据特征进行相似度匹配，得到相似度匹配结果；

在各相似度匹配结果中，将数据库中与轮胎状态曲线相似度最高的参考轮胎状态曲线确定为目标轮胎状态曲线；

根据目标轮胎状态曲线携带的运动状态标签，确定目标车辆的轮胎状态。

在一个实施例中，轮胎状态检测装置1100还包括：

获取模块，用于获取车辆轮胎位置处的历史地磁场数据样本；

预处理模块，用于对历史地磁场数据样本进行阈值清洗处理和数据标准化处理，得到处理后的历史地磁场数据样本；

分类模块，用于对处理后的历史地磁场数据进行聚类分析，通过更新每一类初始质心得到样本分类结果，并将得到的每一样本分类结果作为一个运动状态样本；

特征提取模块，用于对每一运动状态样本进行特征提取，得到每一运动状态样本对应的数据特征；

绘制模块，用于针对每一运动状态样本中对应的数据特征以及地磁场数据包含的磁场强度和时间的对应关系，绘制运动状态样本对应的运动状态曲线；

存储模块，用于根据每一运动状态样本对应的数据特征，将对应的运动状态曲线打上运动状态标签，作为参考轮胎状态曲线，并将参考轮胎状态曲线存储至数据库中。

关于轮胎状态检测装置1100的具体限定可以参见上文中对于轮胎状态检测方法的限定，在此不再赘述。上述轮胎状态检测装置1100中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图12所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种轮胎状态检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图12中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取目标车辆的轮胎位置处的地磁场数据；

对所述地磁场数据进行数据拟合，绘制出目标车辆的轮胎状态曲线；

将所述轮胎状态曲线与数据库中的参考轮胎状态曲线进行匹配，根据所述轮胎状态曲线与所述参考轮胎状态曲线间的相似度指标，确定目标轮胎状态曲线，并将所述目标轮胎状态曲线对应的运动状态作为所述目标车辆的轮胎状态。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

通过地磁传感器采集目标车辆的轮胎位置处的初始地磁场数据；

对所述初始地磁场数据进行阈值清洗处理和数据标准化处理，得到处理后的地磁场数据，将所述处理后的地磁场数据，作为目标车辆的轮胎位置处的地磁场数据。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

基于最小二乘拟合算法，将所述地磁场数据包含的磁场强度根据对应的时间数据的先后顺序，绘制出随时间变化的磁场强度曲线，所述磁场强度曲线表征所述目标车辆的轮胎状态曲线。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

提取所述轮胎状态曲线对应的所述地磁场数据包含的数据特征；所述数据特征包括统计特征、时域特征和频域特征中的至少一种；

遍历所述数据库中每一条参考轮胎状态曲线，并根据所述数据特征与所述每一条参考轮胎状态曲线对应的参考数据特征进行相似度匹配，得到相似度匹配结果；

在各所述相似度匹配结果中，将所述数据库中与所述轮胎状态曲线相似度最高的参考轮胎状态曲线确定为所述目标轮胎状态曲线；

根据所述目标轮胎状态曲线携带的运动状态标签，确定所述目标车辆的轮胎状态。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

获取车辆轮胎位置处的历史地磁场数据样本；

对所述历史地磁场数据样本进行阈值清洗处理和数据标准化处理，得到处理后的历史地磁场数据样本；

对所述处理后的历史地磁场数据进行聚类分析，通过更新每一类初始质心得到样本分类结果，并将得到的每一所述样本分类结果作为一个运动状态样本；

对每一所述运动状态样本进行特征提取，得到每一所述运动状态样本对应的数据特征；

针对每一所述运动状态样本中对应的数据特征以及地磁场数据包含的磁场强度和时间的对应关系，绘制所述运动状态样本对应的运动状态曲线；

根据所述每一运动状态样本对应的数据特征，将对应的运动状态曲线打上运动状态标签，作为参考轮胎状态曲线，并将所述参考轮胎状态曲线存储至数据库中。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

获取所述目标车辆的轮胎位置处的三个轴向上的地磁场数据；

对每一轴向上的地磁场数据进行数据拟合，绘制出每一轴向上的目标车辆的轮胎状态曲线；

将所述每一轴向上的轮胎状态曲线与数据库中的参考轮胎状态曲线进行匹配，根据所述轮胎状态曲线与所述参考轮胎状态曲线间的相似度指标，确定目标轮胎状态曲线，并将所述目标轮胎状态曲线对应的运动状态作为所述目标车辆的候选轮胎状态；

将所述每一轴向对应的所述候选轮胎状态进行加权平均处理，得到所述目标车辆的最终轮胎状态。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取目标车辆的轮胎位置处的地磁场数据；

对所述地磁场数据进行数据拟合，绘制出目标车辆的轮胎状态曲线；

将所述轮胎状态曲线与数据库中的参考轮胎状态曲线进行匹配，根据所述轮胎状态曲线与所述参考轮胎状态曲线间的相似度指标，确定目标轮胎状态曲线，并将所述目标轮胎状态曲线对应的运动状态作为所述目标车辆的轮胎状态。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

通过地磁传感器采集目标车辆的轮胎位置处的初始地磁场数据；

对所述初始地磁场数据进行阈值清洗处理和数据标准化处理，得到处理后的地磁场数据，将所述处理后的地磁场数据，作为目标车辆的轮胎位置处的地磁场数据。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

基于最小二乘拟合算法，将所述地磁场数据包含的磁场强度根据对应的时间数据的先后顺序，绘制出随时间变化的磁场强度曲线，所述磁场强度曲线表征所述目标车辆的轮胎状态曲线。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

提取所述轮胎状态曲线对应的所述地磁场数据包含的数据特征；所述数据特征包括统计特征、时域特征和频域特征中的至少一种；

遍历所述数据库中每一条参考轮胎状态曲线，并根据所述数据特征与所述每一条参考轮胎状态曲线对应的参考数据特征进行相似度匹配，得到相似度匹配结果；

在各所述相似度匹配结果中，将所述数据库中与所述轮胎状态曲线相似度最高的参考轮胎状态曲线确定为所述目标轮胎状态曲线；

根据所述目标轮胎状态曲线携带的运动状态标签，确定所述目标车辆的轮胎状态。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

获取车辆轮胎位置处的历史地磁场数据样本；

对所述历史地磁场数据样本进行阈值清洗处理和数据标准化处理，得到处理后的历史地磁场数据样本；

对所述处理后的历史地磁场数据进行聚类分析，通过更新每一类初始质心得到样本分类结果，并将得到的每一所述样本分类结果作为一个运动状态样本；

对每一所述运动状态样本进行特征提取，得到每一所述运动状态样本对应的数据特征；

针对每一所述运动状态样本中对应的数据特征以及地磁场数据包含的磁场强度和时间的对应关系，绘制所述运动状态样本对应的运动状态曲线；

根据所述每一运动状态样本对应的数据特征，将对应的运动状态曲线打上运动状态标签，作为参考轮胎状态曲线，并将所述参考轮胎状态曲线存储至数据库中。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

获取所述目标车辆的轮胎位置处的三个轴向上的地磁场数据；

对每一轴向上的地磁场数据进行数据拟合，绘制出每一轴向上的目标车辆的轮胎状态曲线；

将所述每一轴向上的轮胎状态曲线与数据库中的参考轮胎状态曲线进行匹配，根据所述轮胎状态曲线与所述参考轮胎状态曲线间的相似度指标，确定目标轮胎状态曲线，并将所述目标轮胎状态曲线对应的运动状态作为所述目标车辆的候选轮胎状态；

将所述每一轴向对应的所述候选轮胎状态进行加权平均处理，得到所述目标车辆的最终轮胎状态。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是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非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。