一种车辆座椅调节方法及系统

技术领域

本申请涉及车辆座椅技术领域，特别涉及一种车辆座椅调节方法及系统。

背景技术

随着汽车技术的不断发展和人们对舒适性的追求，座椅自动调节已经成为了现代汽车的标配功能之一。目前，座椅自动调节的方式有很多种，比如按钮、遥控器、语音控制等。

座椅自动调节的好处不仅仅在于舒适性，还有很多其他方面。

首先，它可以让驾驶者更加安全，因为座椅的位置和角度对于驾驶者的视野和操作都有很大的影响，如果调节不当就会影响驾驶安全。而有了座椅自动调节，驾驶者可以根据自己的身体特点和驾驶习惯进行调节，从而更加安全。

其次，座椅自动调节还可以提高驾驶者的驾驶体验，因为座椅自动调节可以根据驾驶者的身体特点和驾驶习惯进行调节，从而让驾驶者更加舒适。这样的话，驾驶者就可以更加专注于驾驶，而不会被座椅的不适影响。

以往的座椅自动调节需要提前进行设置和数据记录，一般只记录了车主的数据，座椅自动调节功能只对车主有效，其他驾驶人则需要重新设置，从而给其他驾驶员造成不好的体验感。

发明内容

本申请为解决上述技术问题，提供一种可以适用于不同乘客进行座椅调节，进而增强驾驶体验感的车辆座椅调节方法及系统。

本申请提供一种车辆座椅调节方法，包括以下步骤：

S100：获取目标乘客的点云特征数据。

S200：对所述点云特征数据进行信息处理，以获取该目标乘客的航迹信息，并根据所述航迹信息获取特征信息。

S300：根据所述特征信息输出座椅调节信息，并根据所述座椅调节信息对该目标乘客所在座椅进行调节。

所述车辆座椅调节方法可以适用于所有车辆，能够准确地获取目标乘客的特征信息，从而根据个体需求进行智能化座椅调节，以提供更加舒适和人性化的座椅体验，减少疲劳感，可以同时满足不同体型和身材乘客的需求，并且这种个性化座椅调节也有助于提高驾驶员和乘客的安全性。

在执行步骤S100之前，包括：

采集预设数量的目标乘客的航迹信息和对应的特征信息；将所述航迹信息和特征信息作为第一训练集；通过所述第一训练集训练出特征预测模型。

通过采集目标乘客的航迹信息和特征信息构建训练集，并通过训练特征预测模型，可以实现个性化、准确和灵活特征预测，提供更好的座椅调节效果。

在执行步骤S100之前，还包括：

采集所述第一训练集中目标乘客的特征信息所对应的座椅调节信息；将所述特征信息和座椅调节信息作为第二训练集；通过所述第二训练集训练出座椅调节预测模型。

通过采集特征信息与座椅调节信息构建第二训练集，并利用该训练集训练座椅调节预测模型，能够实现直接目标乘客的航迹信息与座椅调节信息的直接关联，提供座椅调节的准确性和个性化适应，为目标乘客提供更好的座椅调节体验。

所述步骤S100包括：

生成一个通信信号，并向外发射该通信信号。

待目标乘客反射该通信信号后，接收所述通信信号对应的回波信号，并生成所述回波信号对应的中频信号。

对所述中频信号进行滤波处理，以生成滤波信号，并将所述滤波信号转换为数字信号。

对所述数字信号进行傅里叶变换，以分析所述数字信号的频谱特征，根据所述频谱特征获取目标乘客的点云特征数据。

利用回波信号进行中频信号的生成、滤波处理和数字信号的转换，意味着可以实时地获取目标乘客的点云数据特征，使得座椅调节可以实时响应乘客的需求，提供更好的座椅舒适性和个性化体验。

所述步骤S200中的对所述点云特征数据进行信息处理，包括：

对所述点云特征数据进行预处理，以获取点云目标数据。

根据所述点云目标数据进行特征提取，以获取目标特征数据。

对所述目标特征数据进行识别追踪，并根据识别追踪结果获取目标乘客的航迹信息。

通过对数据进行预处理，有助于消除数据中的干扰，提高目标乘客特征数据的质量和准确性；通过根据点云目标数据进行特征提取，可以从复杂的点云目标数据中提取有意义的特征数据，从而更准确地了解目标乘客的状态和需求；通过识别追踪可以实现对目标乘客的实时追踪和识别，有助于精确定位目标乘客的位置和移动轨迹，从而获得更可靠的航迹信息。

所述步骤S200中的根据所述航迹信息获取特征信息，包括：

通过所述特征预测模型对所述航迹信息进行特征预测，以获取特征信息。

特征预测模型可以通过训练集中的各种航迹信息，学习和捕捉不同特征之间的关系，并进行特征预测，快速地获取特征信息，以及时响应乘客的变化需求，提供实时的座椅调节和个性化体验。

所述步骤S300包括：

通过所述座椅调节预测模型对所述特征信息进行座椅调节预测，以获取座椅调节信息。

响应于座椅调节信号，根据所述座椅调节信息对该目标乘客所在座椅进行调节。

座椅调节预测模型可以根据目标乘客的特征信息进行预测，并提供个性化的座椅调节信息，这使得座椅能够根据不同乘客的身体特征、需求和偏好来进行自动调节，以提供更加舒适和符合个体化需求的座椅体验。

基于同一构思，本申请还提供一种车辆座椅调节系统，所述系统包括：

第一获取模块：用于获取目标乘客的点云特征数据。

第二获取模块：用于对所述第一获取模块的获取结果进行信息处理，以获取该目标乘客的航迹信息，并根据所述航迹信息获取特征信息。

控制模块：用于根据所述第二获取模块的获取结果输出座椅调节信息，并根据所述座椅调节信息对该目标乘客所在座椅进行调节。

所述车辆座椅调节系统可以适用于所有车辆，能够准确地获取目标乘客的特征信息，从而根据个体需求进行智能化座椅调节，以提供更加舒适和人性化的座椅体验，减少疲劳感，可以同时满足不同体型和身材乘客的需求，并且这种个性化座椅调节也有助于提高驾驶员和乘客的安全性。

所述系统还包括：

采集模块：用于采集预设数量的目标乘客的航迹信息和对应的特征信息作为第一训练集，以及采集所述特征信息对应的座椅调节信息，并将所述特征信息和座椅调节信息作为第二训练集。

第一模型训练模块：用于通过所述第一训练集训练出特征预测模型。

第二模型训练模块：用于通过所述第二训练集训练出座椅调节预测模型。

通过采集模块可以获取大量目标乘客的航迹信息和特征信息及对应的座椅调节信息作为训练集，采集到丰富的数据，以更好地训练模型，使得相应的模型能够更准确地预测特征信息和座椅调节信息，提高系统性能和可靠性；通过两种训练模块对相应的数据进行充分的训练，保证后续预测信息的准确性和可靠性。

所述第二获取模块包括：

第一获取单元：用于根据所述第一获取模块获取的点云特征数据获取目标乘客的航迹信息。

第二获取单元：用于通过所述特征预测模型对所述第一获取单元的获取结果进行特征预测，以获取特征信息。

通过第一获取单元和第二获取单元实现了自动化获取相应的数据信息，减少了人工干预的需要，提高了处理效率，并且可以准确获取特征信息；通过特征预测模型，可以预测并获取目标乘客的多样特征信息，这些特征信息可能涵盖身体姿态、体型、偏好、状态等方面，从而为座椅调节系统提供更全面的信息，实现更精准和个性化的座椅调节。

所述控制模块包括：

第三获取单元：用于通过所述座椅调节预测模型对所述第二获取单元的获取结果进行座椅调节预测，以获取座椅调节信息。

控制单元：用于响应于座椅调节信号，根据所述第三获取单元的获取结果对该目标乘客所在座椅进行调节。

通过座椅调节预测模型，可以根据目标乘客的特征信息和座椅调节需求，预测并获取个性化的座椅调节信息，这使得座椅能够根据每个目标乘客的身体特征、姿势和偏好，提供定制化的座椅支撑和调整，提高乘客的舒适度和座椅体验。

与现有技术相比，本申请的有益效果在于：

本申请能够根据目标乘客的点云特征数据获取其特征信息，并自动调节座椅；这种车辆座椅调节方法可以适用于所有车辆，能够准确地获取目标乘客的特征信息，从而根据个体需求进行智能化座椅调节，以提供更加舒适和人性化的座椅体验，减少疲劳感，可以同时满足不同体型和身材乘客的需求，并且这种个性化座椅调节也有助于提高驾驶员和乘客的安全性。本申请解决了现有技术中的座椅自动调节需要提前进行设置和数据记录，进而导致对用户的适用范围较窄，一辆车的座椅调节不能适用于不同驾驶员的技术问题。

附图说明

图1为本申请所述的车辆座椅调节方法的流程图。

图2为图1所述的车辆座椅调节方法的系统框架图。

具体实施方式

本申请提供一种车辆座椅调节方法及系统，以解决现有技术中的座椅自动调节需要提前进行设置和数据记录，进而导致对用户的适用范围较窄，一辆车的座椅调节不能适用于不同驾驶员的技术问题。

下面结合具体实施例及附图对本申请的一种车辆座椅调节方法及系统，作进一步详细描述。

实施例一：

请参见图1，本申请提供一种车辆座椅调节方法，包括以下步骤：

S100：获取目标乘客的点云特征数据。

在执行步骤S100之前，包括：

采集预设数量的目标乘客的航迹信息和对应的特征信息；将所述航迹信息和特征信息作为第一训练集；通过所述第一训练集训练出特征预测模型。

在一可行的实施方式中，在驾驶座的斜上方安装毫米波雷达，例如驾驶座挡风玻璃上方，通过该毫米波雷达采集目标乘客的身高、体型、姿态等信息，并获取目标乘客的点云特征数据，对该点云特征数据进行预处理、特征提取和识别追踪后，获取到对应的航迹信息；例如选择100名目标乘客的航迹信息和特征信息作为第一训练集；然后可以采用例如神经网络对所述第一训练集进行训练，并在训练过程中通过优化算法调整模型参数，进而获得最终的特征预测模型。

在执行步骤S100之前，还包括：

采集所述第一训练集中目标乘客的特征信息所对应的座椅调节信息；将所述特征信息和座椅调节信息作为第二训练集；通过所述第二训练集训练出座椅调节预测模型。

在车辆座椅上安装有相应的传感器或监测设备，通过CAN总线可以获取到所述传感器或监测设备采集到的座椅调节信息，将该座椅调节信息和已获得的特征信息作为第二训练集，然后可以采用例如神经网络对所述第二训练集进行训练，并在训练过程中通过优化算法调整模型参数，进而获得最终的座椅调节预测模型。

需要说明的是，所述座椅调节信息至少包括座椅的高度、角度、前后位置和靠背角度。

所述步骤S100包括：

生成一个通信信号，并向外发射该通信信号。

在本实施例中，通过合成器生成一个Chirp信号，然后通过TX天线发射该Chirp信号，同时发送所述Chirp信号给混频器。

需要说明的是，所述Chirp信号是一种具有特定频率和频率变化的信号，可用于测量目标的距离、速度和方向。

待目标乘客反射该通信信号后，接收所述通信信号对应的回波信号，并生成所述回波信号对应的中频信号。

遇到目标乘客反射之后，通过RX天线接收回波信号，并在混频器中生成一个所述回波信号对应的中频IF信号。

对所述中频信号进行滤波处理，以生成滤波信号，并将所述滤波信号转换为数字信号。

对中频IF信号进行低通滤波后，获得滤波信号，然后由ADC（Analog To DigitalConverter，模数信号转换器）进行数字化处理，以将该滤波信号转换为数字信号。

需要说明的是，在进行低通滤波的过程中，首先需要定义低通滤波器的截止频率和滤波器类型；然后将中频IF信号输入到预设的滤波器中，该滤波器会去除高于截止频率的信号成分，同时保留低频成分，进而获得处理后的信号，将该信号称为滤波信号。

其中，滤波器优选为LP滤波器，本领域技术人员可以根据实际应用进行自适应选择，在此不对其进行限定。

对所述数字信号进行傅里叶变换，以分析所述数字信号的频谱特征，根据所述频谱特征获取目标乘客的点云特征数据。

接着所述数字信号被发送到DSP（Digital Signal Processing，数字信号处理器）中进行傅里叶变换，进而获得目标乘客的点云特征数据。

例如通过快速傅里叶变换算法，将数字信号从时域转换为频域，以获得频域上的频谱信息，从所述频谱信息中提取目标乘客的点云特征数据，这里可以包括关键点的位置、形状描述和局部几何特征，进而根据这些点云特征数据进行后续的估算出目标乘客的距离、速度和方向等信息。

获取到目标乘客的点云特征数据后，便可执行步骤S200。

S200：对所述点云特征数据进行信息处理，以获取该目标乘客的航迹信息，并根据所述航迹信息获取特征信息。

所述步骤S200中的对所述点云特征数据进行信息处理，包括：

对所述点云特征数据进行预处理，以获取点云目标数据。

在一种可行的实施方式中，对采集到的点云特征数据进行预处理，所述预处理包括去噪、滤波和分割等操作；去噪可以使用一些噪声滤波算法，如高斯滤波或统计滤波，以降低数据中的噪声干扰；滤波可以采用体素滤波或平滑滤波等方法，以平滑点云特征数据并减少离群点的影响；分割可以通过聚类方法或分割算法实现，以区分不同目标以及背景。

根据所述点云目标数据进行特征提取，以获取目标特征数据。

在该实施例中，根据预处理后的点云特征数据，进行目标特征的提取；例如，可以利用法线信息与曲率进行边缘检测或利用形状描述进行目标的形状匹配和识别。

对所述目标特征数据进行识别追踪，并根据识别追踪结果获取目标乘客的航迹信息。

使用目标分类算法，如支持向量机、随机森林等对提取到的目标特征数据进行分类和识别；通过匹配和比较识别结果，可以实现对不同目标乘客的识别；随后，基于追踪算法，如卡尔曼滤波、粒子滤波等对目标乘客进行追踪，并估计目标乘客的运动轨迹和航迹信息。

所述步骤S200中的根据所述航迹信息获取特征信息，包括：

通过所述特征预测模型对所述航迹信息进行特征预测，以获取特征信息。

在该实施例中，采用预先训练好的特征预测模型对获取到的航迹信息进行预测，进而获得目标乘客的特征信息，例如身高、体型、姿态等信息。

获取到目标乘客的特征信息后，便可执行步骤S300。

S300：根据所述特征信息输出座椅调节信息，并根据所述座椅调节信息对该目标乘客所在座椅进行调节。

所述步骤S300包括：

通过所述座椅调节预测模型对所述特征信息进行座椅调节预测，以获取座椅调节信息。

在该实施例中，采用预先训练好的座椅调节预测模型对获取到的特征信息进行预测，进而获得座椅调节信息，例如座椅的高度、角度、前后位置和靠背角度。

响应于座椅调节信号，根据所述座椅调节信息对该目标乘客所在座椅进行调节。

毫米波雷达会将获取到的座椅调节信息通过CAN总线发送到车身控制器，车身控制器将会向对应的座椅发送座椅调节信号，以根据所述座椅调节信息对座椅进行调节。

实施例二：

请参见图2，本申请还提供一种车辆座椅调节系统，所述系统包括：

采集模块：用于采集预设数量的目标乘客的航迹信息和对应的特征信息作为第一训练集，以及采集所述特征信息对应的座椅调节信息，并将所述特征信息和座椅调节信息作为第二训练集。

在所述采集模块中，例如选择100名目标乘客的航迹信息和特征信息作为第一训练集；并将所述特征信息和对应的座椅调节信息作为第二训练集。

第一模型训练模块：用于通过所述第一训练集训练出特征预测模型。

在所述第一模型训练模块中，可以采用例如神经网络对所述第一训练集进行训练，并在训练过程中通过优化算法调整模型参数，进而获得最终的特征预测模型。

第二模型训练模块：用于通过所述第二训练集训练出座椅调节预测模型。

在所述第二模型训练模块中，可以采用例如神经网络对所述第二训练集进行训练，并在训练过程中通过优化算法调整模型参数，进而获得最终的座椅调节预测模型。

第一获取模块：用于获取目标乘客的点云特征数据。

在本实施例中，通过合成器生成一个Chirp信号，然后通过TX天线发射该Chirp信号，同时发送所述Chirp信号给混频器；遇到目标乘客反射之后，通过RX天线接收回波信号，并在混频器中生成一个所述回波信号对应的中频IF信号；然后对中频IF信号进行低通滤波后，获得滤波信号，然后由ADC进行数字化处理，以将该滤波信号转换为数字信号；接着所述数字信号被发送到DSP中进行傅里叶变换，进而获得目标乘客的点云特征数据。

需要说明的是，所述合成器、TX天线、RX天线和混频器都集成于射频信号发射与接收器中，获取到中频IF信号后会通过MIPI信号总线发送给微控制器（MCU）中。

所述微控制器集成有LP滤波器、ADC和DSP。

第二获取模块：用于对所述第一获取模块的获取结果进行信息处理，以获取该目标乘客的航迹信息，并根据所述航迹信息获取特征信息。

所述第二获取模块包括：

第一获取单元：用于根据所述第一获取模块获取的点云特征数据获取目标乘客的航迹信息。

在第一获取单元中，对所述点云特征数据进行预处理，以获取点云目标数据；然后根据所述点云目标数据进行特征提取，以获取目标特征数据；再进一步对所述目标特征数据进行识别追踪，并根据识别追踪结果获取目标乘客的航迹信息。

以上具体的数据处理过程同上述方法过程的描述，在此不进行赘述。

第二获取单元：用于通过所述特征预测模型对所述第一获取单元的获取结果进行特征预测，以获取特征信息。

在第二获取单元中，采用预先训练好的特征预测模型对获取到的航迹信息进行预测，进而获得目标乘客的特征信息，例如身高、体型、姿态等信息。

控制模块：用于根据所述第二获取模块的获取结果输出座椅调节信息，并根据所述座椅调节信息对该目标乘客所在座椅进行调节。

所述控制模块包括：

第三获取单元：用于通过所述座椅调节预测模型对所述第二获取单元的获取结果进行座椅调节预测，以获取座椅调节信息。

在第三获取单元中，采用预先训练好的座椅调节预测模型对获取到的特征信息进行预测，进而获得座椅调节信息，例如座椅的高度、角度、前后位置和靠背角度。

所述微控制器还集成了上述第二获取模块中的第一获取单元和第二获取单元，以及控制模块中的第三获取单元。

控制单元：用于响应于座椅调节信号，根据所述第三获取单元的获取结果对该目标乘客所在座椅进行调节。

毫米波雷达会将获取到的座椅调节信息通过CAN总线发送到车身控制器，车身控制器将会向对应的座椅发送座椅调节信号，以根据所述座椅调节信息对座椅进行调节。

所述控制单元相当于车身控制器，通过微控制器获取到的座椅调节信息通过CAN总线发送到车身控制器。

其中座椅调节信息是通过UART协议发送给所述CAN总线的。

需要说明的是，系统还包括电源管理系统，用于给所述微控制器和射频信号发射与接收器供电。

综上所述，本申请提供一种车辆座椅调节方法及系统；通过对获取到的目标乘客的点云特征数据进行信息处理，以获取该目标乘客的航迹信息，并根据所述航迹信息获取特征信息；再进一步根据所述特征信息输出座椅调节信息，进而根据所述座椅调节信息对该目标乘客所在座椅进行调节。本申请可以适用于所有车辆，能够准确地获取目标乘客的特征信息，从而根据个体需求进行智能化座椅调节，以提供更加舒适和人性化的座椅体验，减少疲劳感，可以同时满足不同体型和身材乘客的需求，并且这种个性化座椅调节也有助于提高驾驶员和乘客的安全性。

尽管这里已经参考附图描述了示例实施例，应理解上述示例实施例仅仅是示例性的，并不是意图将本申请的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改，而不偏离本申请的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本申请的范围之内。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个设备，或一些特征可以忽略，或不执行。

本申请的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的一些模块的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如，计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

虽然对本申请的描述是结合以上具体实施例进行的，但是，熟悉本技术领域的人员能够根据上述的内容进行许多替换、修改和变化是显而易见的。因此，所有这样的替代、改进和变化都包括在附后的权利要求的精神和范围内。