一种基于挂桶式垃圾车的垃圾称重方法、装置、电子设备和存储介质

技术领域

本发明涉及人工智能领域，特别涉及一种车辆行驶状态识别方法、装置、电子设备和可读存储介质。

背景技术

在垃圾收运过程中，需要对垃圾重量进行实时监控，以防止垃圾的非法偷运、非法贩卖、非法倾倒。垃圾车载称重系统的出现使得对垃圾重量实时监控变为可能。

挂桶式垃圾车是一种常见的垃圾收运车型，多用于将社区垃圾转运至附近的垃圾中转站，其具有大容积，收运便捷、快速的优点，已经被广泛应用于城市垃圾转运流程。目前该类车型的车载称重方式一般为在挂桶翻转机械结构上安装称重机构，使用称重传感器获取垃圾重量数据，使用接近开关监测挂板翻转状态从而确定重量计算时机。

由于垃圾桶翻转会对称重传感器数值造成较大影响，因此需要精准把握称重时机，对接近开关的安装位置要求较严格。首先，现实场景中，接近开关的安装位置很难做到精准，而且容易损坏。其次，不同的车辆由于其机械结构、收运习惯的差异，最佳称重时机也各不相同。因此接近开关的方案不仅对安装位置要求较严格，而且不同的车辆很难做到单独处理，实际使用当中往往会导致较大的重量误差。

发明内容

有鉴于此，本发明实施例的目的在于提供一种基于挂桶式垃圾车的垃圾称重方法、装置、电子设备和存储介质，具体包括：

第一方面，本发明实施例提供了一种基于挂桶式垃圾车的垃圾称重方法，所述方法包括：

在所述挂桶式垃圾车翻桶过程中，利用称重传感器和惯性传感器分别实时采集目标垃圾桶的称重传感器数据和翻转角度数据；

利用预计算得到的误差函数对所述称重传感器数据进行修正，得到修正称重传感器数据；

使用预计算得到的滤波器对所述修正称重传感器数据进行滤波，得到滤波称重传感器数据；

当监测到所述翻转角度数据达到预计算的目标角度区间范围时，将所述滤波称重传感器数据输入预计算得到的线性回归模型，确定所述目标垃圾桶对应的垃圾重量。

可选地，所述预计算的目标角度区间范围包括上翻角度区间和下翻角度区间范围，所述预计算得到的线性回归模型包括与所述预计算的目标角度区间范围对应的上翻线性回归模型和下翻线性回归模型；

相应地，所述当监测到所述翻转角度数据达到目标角度区间范围时，将所述滤波称重传感器数据输入预计算的线性回归模型，确定所述目标垃圾桶对应的垃圾重量，具体包括：

当监测到所述翻转角度数据达到上翻角度区间时，将滤波称重传感器数据输入所述上翻线性回归模型，确定所述目标垃圾桶的上翻重量；

当监测到所述翻转角度数据达到下翻角度区间范围时，将滤波称重传感器数据输入所述下翻线性回归模型，确定所述目标垃圾桶的下翻重量；

根据所述上翻重量和所述下翻重量，确定所述目标垃圾桶对应的垃圾重量。

可选地，所述预计算得到的滤波器包括上翻滤波器和下翻滤波器；

相应地，所述使用预计算得到的滤波器对所述修正称重传感器数据进行滤波，得到滤波称重传感器数据，具体包括：

当所述目标垃圾桶处于上翻过程时，使用上翻滤波器对所述修正称重传感器数据进行滤波，得到滤波称重传感器数据；

当所述目标垃圾桶处于下翻过程时，使用下翻滤波器对所述修正称重传感器数据进行滤波，得到滤波称重传感器数据。

可选地，所述上翻角度区间、所述下翻角度区间范围、所述上翻线性回归模型、所述下翻线性回归模型、所述上翻滤波器和所述下翻滤波器的确定方法如下：

对所述不同标准重量模拟翻桶过程，使用称重传感器及惯性传感器确定不同时刻下所述标准重量对应的模拟称重传感器数据、模拟加速度和模拟翻转角度；

利用预计算得到的误差函数对所述模拟称重传感器数据进行修正，得到修正模拟称重传感器数据；

使用不同类型和参数的滤波器对所述修正模拟称重传感器数据进行滤波，得到模拟滤波称重传感器数据；

根据不同角度区间范围内的模拟滤波称重传感器数据和对应的标准称重传感器数据，使用线性回归方法拟合线性回归模型，以最小化单组参数的最大误差为目标，确定所述上翻角度区间、所述下翻角度区间范围、所述上翻线性回归模型、所述下翻线性回归模型、所述上翻滤波器和所述下翻滤波器。

可选地，所述上翻角度区间、所述上翻线性回归模型和所述上翻滤波器是由所述不同标准重量在上翻过程中对应的模拟滤波称重传感器数据和对应的标准重量数据，使用线性回归方法拟合线性回归模型，以最小化单组参数的最大误差为目标所得到的；

所述下翻角度区间范围、所述下翻线性回归模型和所述下翻滤波器是由所述不同标准重量在下翻过程中对应的模拟滤波称重传感器数据和对应的标准重量数据，使用线性回归方法拟合线性回归模型，以最小化单组参数的最大误差为目标所得到的。

可选地，所述利用预计算得到的误差函数对所述称重传感器数据进行修正，得到修正称重传感器数据，具体包括：

根据对不同标准重量测量得到的标准称重传感器数据，以及在模拟翻桶过程中对不同标准重量测量得到的模拟称重传感器数据、模拟加速度和模拟翻转角度，拟合得到所述误差函数；

使用所述误差函数对所述称重传感器数据进行修正，得到修正称重传感器数据。

可选地，所述根据对不同标准重量测量得到的标准称重传感器数据，以及在模拟翻桶过程中对不同标准重量测量得到的模拟称重传感器数据、模拟加速度和模拟翻转角度，拟合得到所述误差函数，具体包括：

确定不同标准重量的标准称重传感器数据；

对所述不同标准重量模拟翻桶过程，使用称重传感器和惯性传感器确定不同时刻下所述标准重量对应的模拟称重传感器数据、模拟加速度和模拟翻转角度，计算出对应的模拟误差；

构建神经网络模型，以不同时刻下所述标准重量对应的模拟称重传感器数据、模拟加速度和模拟翻转角度为训练样本、以对应的模拟误差为标签，对基于神经网络的误差函数进行训练，得到所述误差函数。

第二方面，本发明实施例提供了一种基于挂桶式垃圾车的垃圾称重装置，所述装置包括：

数据采集模块，用于在所述挂桶式垃圾车翻桶过程中，利用称重传感器和惯性传感器分别实时采集目标垃圾桶的称重传感器数据和惯性数据；

误差修正模块，利用预计算得到的误差函数对所述称重传感器数据进行修正，得到修正称重传感器数据；

滤波模块，使用预计算得到的滤波器对所述修正称重传感器数据进行滤波，得到滤波称重传感器数据；

重量确定模块，当监测到所述翻转角度数据达到预计算的目标角度区间范围时，将所述滤波称重传感器数据输入预计算得到的线性回归模型，确定所述目标垃圾桶对应的垃圾重量。

第三方面，本发明实施例提供了一种电子设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如第一方面所述方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有可执行指令，所述可执行指令被处理器执行时使处理器执行如第一方面所述方法。

本发明实施例提供的基于挂桶式垃圾车的垃圾称重方法、装置、电子设备和存储介质，针对挂桶式垃圾车车载称重系统，根据称重机构的加速度以及旋转角度对称重传感器信号进行补偿，有效降低了由超重、失重以及应力方向改变带来的传感器误差；同时对挂桶式垃圾车车载称重系统进行标定，根据不同车辆的机械结构、翻转速度、振动频率等因素，计算出最优的称重传感器信号补偿函数、最优滤波方式、最优称重角度以及最优模型参数，提高了挂桶式垃圾车车载称重系统的准确度及鲁棒性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳务的前提下，还可以根据这些附图获得其他的附图。通过附图所示，本申请的上述及其它目的、特征和优势将更加清晰。在全部附图中相同的附图标记指示相同的部分。并未刻意按实际尺寸等比例缩放绘制附图，重点在于示出本申请的主旨。

图1示出了根据本发明实施例提供的基于挂桶式垃圾车的垃圾称重方法的流程示意图。

图2示出了根据本发明实施例提供的基于挂桶式垃圾车的数据采集装置的结构示意图。

图3示出了根据本发明实施例提供的基于挂桶式垃圾车的垃圾称重方法的另一流程示意图。

图4示出了根据本发明实施例提供的最优测量参数确定方法的流程示意图。

图5示出了根据本发明实施例提供的传感器误差修正方法的流程示意图。

图6示出了根据本发明实施例提供的称重传感器在翻桶过程中的受力示意图。

图7示出了根据本发明实施例提供的称重传感器误差函数计算方法的流程示意图。

图8示出了根据本发明实施例提供的车辆行驶状态识别装置的结构示意图。

图9示出了根据本发明实施例提供的电子设备的结构示意图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。这里使用的词语“一”、“一个(种)”和“该”等也应包括“多个”、“多种”的意思，除非上下文另外明确指出。此外，在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在垃圾收运过程中，需要对垃圾重量进行实时监控，以防止垃圾的非法偷运、非法贩卖、非法倾倒。垃圾车载称重系统的出现使得对垃圾重量实时监控变为可能。

挂桶式垃圾车是一种常见的垃圾收运车型，多用于将社区垃圾转运至附近的垃圾中转站，其具有大容积，收运便捷、快速的优点，已经被广泛应用于城市垃圾转运流程。目前该类车型的车载称重方式一般为在挂桶翻转机械结构上安装称重机构，使用称重传感器获取垃圾重量数据，使用接近开关监测挂板翻转状态从而确定重量计算时机。

由于垃圾桶翻转会对传感器数值造成较大影响，因此需要精准把握称重时机，对接近开关的安装位置要求较高。首先，现实场景中，接近开关的安装位置很难做到精准，而且容易损坏。其次，不同的车辆由于其机械结构、收运习惯的差异，最佳称重时机也各不相同。因此接近开关的方案不仅对安装位置要求较高，而且不同的车辆很难做到单独处理，实际使用当中往往会导致较大的重量误差。

有鉴于此，本公开实施例的目的在于提供一种基于挂桶式垃圾车的垃圾称重方法、装置、电子设备和可读存储介质，以下结合附图详细描述本发明实施例公开的内容。

图1示出了本发明实施例提供的基于挂桶式垃圾车的垃圾称重方法的流程示意图，具体内容如下：

步骤S110，在所述挂桶式垃圾车翻桶过程中，利用称重传感器和惯性传感器分别实时采集目标垃圾桶的称重传感器数据和翻转角度数据。

挂桶式垃圾车是一种常见的垃圾收运车型，多用于将社区垃圾转运至附近的垃圾中转站，其具有大容积，收运便捷、快速的优点，已经被广泛应用于城市垃圾转运流程。挂桶式垃圾车工作时将垃圾桶挂着挂桶式垃圾车的垃圾桶挂板上，再使用翻转机构将垃圾桶进行升降和翻转，实现翻桶过程。

本发明实施例中的数据采集涉及的结构如附图2所示，包括垃圾桶挂板、称重传感器、陀螺仪、加速度计，其中陀螺仪与加速度计可以统称为惯性传感器。挂板与称重传感器、称重传感器与翻转机构之间可以使用紧固件进行连接，垃圾桶挂板用于挂起垃圾桶，并将整个垃圾桶翻转过程所产生的力传递至称重传感器；称重传感器连接挂板与垃圾桶翻转机构，检测挂板的受力情况，输出形变信号用于重量计算。惯性传感器固定在称重传感器表面，采集垃圾桶翻转过程中称重机构的惯性信息，用于计算其加速度及翻转角度。在实时采集数据时，上述传感器采样频率不能过低，否则称重精度会下降。作为优选，采样频率应当≥20Hz。可以理解的是，本领域技术人员在不付出创造性劳动的情况下，也可以采用其他数据采集涉及的结构，实现与上述数据采集过程类似的功能。

参考附图2中的基于挂桶式垃圾车的数据采集装置的结构示意图，可以理解的是，称重传感器所测量得到的目标垃圾桶的称重传感器数据，实际可以是目标垃圾桶以及其内的垃圾、垃圾桶挂板等结构共同的重量。

步骤S120，利用预计算得到的误差函数对所述称重传感器数据进行修正，得到修正称重传感器数据。

本发明实施例中垃圾桶翻转导致挂板施加在称重传感器的应力方向发生变化，同时上翻、下翻过程中产生的加速度以及架体抖动也会对称重传感器的数据造成影响。因此为了提高称重精度，需要对原始的称重传感器数据进行修正。

具体地，本发明实施例采用了误差函数对原始的称重传感器数据进行修正时。误差函数是以称重传感器数据、加速度和翻转角度为变量的函数。由于不同车辆的结构特性存在差异，例如翻转速度、振动频率，从而导致安装在不同车辆上的称重传感器采集到的信号特征存在差异，影响称重精度的情况也有所不同。因此，需要针对不同车辆分别计算误差函数，即误差函数不是统一确定的，而是针对不同车辆进行预计算得到的。

步骤S130，使用预计算得到的滤波器对所述修正称重传感器数据进行滤波，得到滤波称重传感器数据。

对于各类传感器采集的数据，通常要进行滤波处理，然而不同的滤波器会对称重结果的精度产生不同的影响。由于不同车辆的结构特性存在差异，例如翻转速度、振动频率，从而导致安装在不同车辆上的称重传感器采集到的信号特征存在差异，影响称重精度；此外，同一车辆在翻桶过程中，其上翻过程和下翻过程由于失重和超重两种现象的影响，所表现出的信号特征也不同；因此对于不同的车辆以及同一车辆在翻桶过程中的不同阶段，也需要寻找对应的最优滤波器。因此，需要针对不同情况分别计算滤波器的类型和参数，即滤波器不是统一确定的，而是针对不同情况进行预计算得到的。

具体地，本发明实施例中的滤波器包括上翻滤波器和下翻滤波器；相应地，所述使用预计算得到的滤波器对所述修正称重传感器数据进行滤波，得到滤波称重传感器数据，具体包括：当所述目标垃圾桶处于上翻过程时，使用上翻滤波器对所述修正称重传感器数据进行滤波，得到滤波称重传感器数据；当所述目标垃圾桶处于下翻过程时，使用下翻滤波器对所述修正称重传感器数据进行滤波，得到滤波称重传感器数据。

也就是说，当通过惯性传感器监测到的翻转角度数据确定目标垃圾桶处于上翻过程时，在该过程中所采集到的称重传感器数据在经过误差修正后，需要选择上翻滤波器进行滤波。下翻过程同理，不再做赘述。

步骤S140，当监测到所述翻转角度数据达到预计算的目标角度区间范围时，将所述滤波称重传感器数据输入预计算得到的线性回归模型，确定所述目标垃圾桶对应的垃圾重量。

在获取到滤波称重传感器数据后，由于滤波称重传感器数据是离散数据，需要预测出滤波称重传感器数据的连续变化状态。本发明实施例采用线性回归模型来拟合滤波称重传感器数据的连续变化，其中，滤波称重传感器数据是线性回归模型的输入，最终测量得到挂桶式垃圾车上挂有的目标垃圾桶对应的垃圾重量。

此外，在所述挂桶式垃圾车翻桶过程中，在垃圾桶位于特定的翻转角度区间时，称重传感器所测量得到的重量是相对最为准确的，可以称为目标角度区间。

可以理解的是，由于不同车辆的结构特性存在差异，例如翻转速度、振动频率，从而导致安装在不同车辆上的称重传感器采集到的信号特征存在差异，导致不同车辆的目标角度区间和最适用的线性回归模型也不同；此外，同一车辆在翻桶过程中，其上翻过程和下翻过程由于失重和超重两种现象的影响，所表现出的信号特征也不同；因此对于不同的车辆以及同一车辆在翻桶过程中的不同阶段，也需要寻找对应的目标角度区间和线性回归模型。因此，需要针对不同情况分别计算目标角度区间和线性回归模型，即目标角度区间和线性回归模型不是统一确定的，而是针对不同情况进行预计算得到的。

本发明实施例提供的基于挂桶式垃圾车的垃圾称重方法，针对挂桶式垃圾车车载称重系统，根据称重机构的加速度以及旋转角度对称重传感器信号进行补偿，有效降低了由超重、失重以及应力方向改变带来的传感器误差；同时对挂桶式垃圾车车载称重系统进行标定，根据不同车辆的机械结构、翻转速度、振动频率等因素，计算出最优的称重传感器信号补偿函数、最优滤波方式、最优称重角度以及最优模型参数，提高了挂桶式垃圾车车载称重系统的准确度及鲁棒性。

基于上述任一实施例，附图3示出了本发明实施例提供的基于挂桶式垃圾车的垃圾称重方法的流程示意图，具体内容如下。

如前述实施例中描述，同一车辆在翻桶过程中，其上翻过程和下翻过程由于失重和超重两种现象的影响，所表现出的信号特征也不同。因此，本发明实施例在确定所使用的目标角度区间和线性回归模型时，需要将预计算的目标角度区间范围区分为上翻角度区间和下翻角度区间范围分别进行预计算，同样需要将线性回归模型区分为与目标角度区间范围对应的上翻线性回归模型和下翻线性回归模型分别进行预计算。

相应地，所述当监测到所述翻转角度数据达到目标角度区间范围时，将所述滤波称重传感器数据输入预计算的线性回归模型，确定所述目标垃圾桶对应的垃圾重量，具体包括如下步骤。

步骤S141，当监测到所述翻转角度数据达到上翻角度区间时，将滤波称重传感器数据输入所述上翻线性回归模型，确定所述目标垃圾桶的上翻重量。

步骤S142，当监测到所述翻转角度数据达到下翻角度区间范围时，将滤波称重传感器数据输入所述下翻线性回归模型，确定所述目标垃圾桶的下翻重量。

步骤S141和步骤S142为并列执行的两个步骤，实际为目标垃圾桶在翻桶过程中分别处于的上翻阶段和下翻阶段，其中上翻阶段通常为目标垃圾桶携带垃圾的阶段，下翻阶段为目标垃圾桶已经倾倒完垃圾并处于空桶状态的阶段。

目标垃圾桶的翻转角度可以通过监测惯性传感器测量得到的翻转角度数据进行确定。当监测到所述翻转角度数据达到上翻角度区间或下翻角度区间范围时，将滤波称重传感器数据分别输入上翻线性回归模型和下翻线性回归模型，分别得到目标垃圾桶的上翻重量和下翻重量。可以理解的是，每次翻桶过程，都将得到一个上翻重量数据和一个下翻重量数据，共两个数据。

步骤S143，根据所述上翻重量和所述下翻重量，确定所述目标垃圾桶对应的垃圾重量。

本发明实施例的最终目的是为了对垃圾进行称重。在前述步骤使用称重传感器进行称重时，称重传感器测量的实际上测量到的是目标垃圾桶以及其内的垃圾、垃圾桶挂板等结构共同的重量。因此，在翻桶过程中分别得到上翻重量和下翻重量，由于下翻重量中不包含垃圾本身的重量，上翻重量和下翻重量的差值即为目标垃圾桶对应的垃圾重量。

基于上述任一实施例，附图4示出了本发明实施例提供的最优测量参数确定方法的流程示意图，具体内容如下。

最优测量参数，可以是指本发明实施例中涉及的上翻角度区间、下翻角度区间范围、上翻线性回归模型、下翻线性回归模型、上翻滤波器和下翻滤波器涉及的参数，这些参数都是通过预计算得到了，从而使得本发明实施例可以根据不同车辆的机械结构、翻转速度、振动频率等因素，计算出最优的称重传感器信号补偿函数、最优滤波方式、最优称重角度以及最优模型参数，提高了挂桶式垃圾车车载称重系统的准确度及鲁棒性。因此，对称重传感器进行标定、并确定最优测量参数的具体步骤如下：

步骤S410，确定不同标准重量的标准称重传感器数据。

本步骤中确定不同标准重量的标准称重传感器数据，具体可以使用10～200Kg内的标准重量进行数据采集，标准重量可以视作目标垃圾桶的理想重量，用于作为后续训练线性回归模型的标签。

步骤S420，对所述不同标准重量模拟翻桶过程，使用称重传感器确定不同时刻下所述标准重量对应的模拟称重传感器数据、模拟加速度和模拟翻转角度。

为了对称重传感器进行标定，以及获得最优测量参数，首先需要采集不同的标准重量下的传感器数据。具体做法为将不同的标准重量放置在垃圾桶内，然后将垃圾桶挂在挂板上。首先在挂板与地面垂直的情况下保持数秒，然后控制挂板上翻，模拟实际翻桶过程。翻转至挂板水平位置后，控制挂板下翻至与地面垂直。翻转过程中标准重量应保持固定，不能让其移动或掉落。每个标准重量下，重复上述过程若干次，优选地，该次数大于10次。整个过程信号采集模块实时采集并存储所述标准重量对应的模拟称重传感器数据、模拟加速度和模拟翻转角度。

举例说明，本步骤可以使用10～200Kg内的标准重量进行数据采集，每组重量重复进行上翻/下翻过程10次，翻转角度范围为0至90度。

步骤S430，利用预计算得到的误差函数对所述模拟称重传感器数据进行修正，得到修正模拟称重传感器数据。

根据前述实施例的描述，需要对采集到的称重传感器数据进行误差修正。因此，本步骤对所述模拟称重传感器数据进行修正，得到修正模拟称重传感器数据，在此不做赘述。

步骤S440，使用不同类型和参数的滤波器对所述修正模拟称重传感器数据进行滤波，得到模拟滤波称重传感器数据。

具体地，本步骤中不同类型的滤波器可以是指高斯滤波器、均值滤波器等，不同参数的滤波器可以为不同窗口大小、权重算子的滤波器。举例说明，使用窗口大小为1～50的高斯滤波以及均值滤波器等多个滤波器对修正模拟称重传感器数据进行滤波，得到不同的模拟滤波称重传感器数据。

此外，还可以根据翻转角度的变化截取上翻/下翻的滤波数据。对这些数据应用3σ准则进行过滤，然后分别对上翻/下翻过程采集不同角度范围内的滤波数据，角度变化梯度c＝1。根据截取到的模拟滤波称重传感器数据和对应的标准重量数据，构成了拟合训练线性回归模型的训练数据和标签。

S450，根据不同角度区间范围内的模拟滤波称重传感器数据和对应的标准重量数据，使用线性回归方法拟合线性回归模型，以最小化单组参数的最大误差为目标，确定所述上翻角度区间、所述下翻角度区间范围、所述上翻线性回归模型、所述下翻线性回归模型、所述上翻滤波器和所述下翻滤波器。

以下对本步骤中拟合训练线性回归模型并最终确定最优测量参数的过程进行详细说明。

1.根据陀螺仪、加速度计数据进行姿态解算，计算称重传感器垂直于地面方向的加速度a以及挂板的倾斜角度θ；

2.使用步骤3获得的误差函数σ对原始传感器数据s进行修正：

3.根据θ的变化对称重机构的翻转角度进行判断，并截取上翻/下翻时的称重传感器滤波结果

4.对t

5.将筛选后的数据以c度为变化梯度，获取不同角度范围θ∈{[0·c，1·c)，[1·c，2·c，...，j-1·c，j·c下，所有上翻过程的称重传感器滤波数值sfilti，jup及该时刻对应的标准载重量

6.使用

其中

7.选择

8.将筛选后的数据以c度为变化梯度，获取不同角度范围θ∈{[0·c，1·c)，[1·c，2·c，...，j-1·c，j·c下，所有下翻过程的称重传感器滤波数值sfilti，jdown及该时刻对应的标准载重量

9.使用

其中

10.选择

因此，根据上述步骤7和10，共同得到了步骤S450输出的上翻角度区间、下翻角度区间范围、上翻线性回归模型、下翻线性回归模型、上翻滤波器和下翻滤波器。具体地，所述上翻角度区间、所述上翻线性回归模型和所述上翻滤波器是由所述不同标准重量在上翻过程中对应的模拟滤波称重传感器数据和对应的标准重量数据，使用线性回归方法拟合线性回归模型，以最小化单组参数的最大误差为目标所得到的；所述下翻角度区间范围、所述下翻线性回归模型和所述下翻滤波器是由所述不同标准重量在下翻过程中对应的模拟滤波称重传感器数据和对应的标准重量数据，使用线性回归方法拟合线性回归模型，以最小化单组参数的最大误差为目标所得到的。

本发明实施例提供的最优测量参数确定方法，对挂桶式垃圾车车载称重系统进行标定，根据不同车辆的机械结构、翻转速度、振动频率等因素，计算出最优的称重传感器信号补偿函数、最优滤波方式、最优称重角度以及最优模型参数，提高了挂桶式垃圾车车载称重系统的准确度及鲁棒性。

基于上述任一实施例，附图5示出了本发明实施例提供的传感器误差修正方法的流程示意图，具体内容如下。

利用预计算得到的误差函数对所述称重传感器数据进行修正，得到修正称重传感器数据，具体包括：

步骤S121，根据对不同标准重量测量得到的标准称重传感器数据，以及在模拟翻桶过程中对不同标准重量测量得到的模拟称重传感器数据、模拟加速度和模拟翻转角度，拟合得到所述误差函数；

垃圾桶翻转导致挂板施加在称重传感器的应力方向发生变化，同时上翻、下翻过程中产生的加速度以及架体抖动也会对称重传感器的数据造成影响。因此为了提高称重精度，需要对原始的传感器数据进行修正。

如附图6示出的称重传感器在翻桶过程中的受力示意图所示，通过陀螺仪、加速度计数据进行解算，计算出应变传感器沿地心反方向的加速度a，以及翻转角度角θ；

当挂板静止并与地面垂直的情况下，即当θ＝0时，传感器受到挂板施加的力F

F

其中m为挂载在称重传感器上的物体质量。

此时传感器读数s

s

＝k

其中k

当挂板静止并与地面垂直，但称重传感器处于失重或超重情况下，传感器所受到挂板施加的力F

F

其中a为称重传感器除重力加速度外，沿重力反方向的加速度。a为正代表失重，a为负代表超重。

此时传感器的读数s

s

＝k

其中k

当挂板静止但θ≠0时，传感器的读数s

s

ε

其中ε

当挂板静止，θ≠0，而且称重传感器处于失重或超重情况下，传感器读数s

s

ε

其中ε

根据上述误差函数的表达方式，如附图7所示的称重传感器误差函数计算方法的流程示意图所示，本步骤中根据对不同标准重量测量得到的标准称重传感器数据，以及在模拟翻桶过程中对不同标准重量测量得到的模拟称重传感器数据、模拟加速度和模拟翻转角度，拟合得到所述误差函数，又进一步包括：

步骤S121-1，确定不同标准重量的标准称重传感器数据。

步骤S121-2，对所述不同标准重量模拟翻桶过程，使用称重传感器和惯性传感器确定不同时刻下所述标准重量对应的模拟称重传感器数据、模拟加速度和模拟翻转角度，计算出对应的模拟误差。

步骤S121-3，构建神经网络模型，以不同时刻下所述标准重量对应的模拟称重传感器数据、模拟加速度和模拟翻转角度为训练样本、以对应的模拟误差为标签，对基于神经网络的误差函数进行训练，得到所述误差函数。

具体地，首先确定静止无倾斜无失重/超重情况下，各个标准重量的称重传感器读数，选择加速度为a≈0及夹角θ≈0时，一段时间内称重传感器读数的均值作为静态条件下该标准重量的称重传感器标准读数s

S＝{[s

ε

其中[s

然后再构建神经网络，使用上述数据集对函数σ进行拟合。

步骤S122，使用所述误差函数对所述称重传感器数据进行修正，得到修正称重传感器数据。

得到误差函数σ后，就能将其用于对称重传感器读数进行修正，称重传感器修正之后的数据

本发明实施例提供的基于挂桶式垃圾车的垃圾称重方法，针对挂桶式垃圾车车载称重系统，根据称重机构的加速度以及旋转角度对称重传感器信号进行补偿，有效降低了由超重、失重以及应力方向改变带来的传感器误差。

基于上述任一实施例，附图8示出了本发明实施例提供的基于挂桶式垃圾车的垃圾称重装置的结构示意图，具体内容如下。

数据采集模块801，用于在所述挂桶式垃圾车翻桶过程中，利用称重传感器和惯性传感器分别实时采集目标垃圾桶的称重传感器数据和惯性数据；

误差修正模块802，利用预计算得到的误差函数对所述称重传感器数据进行修正，得到修正称重传感器数据；

滤波模块803，使用预计算得到的滤波器对所述修正称重传感器数据进行滤波，得到滤波称重传感器数据；

重量确定模块804，当监测到所述翻转角度数据达到预计算的目标角度区间范围时，将所述滤波称重传感器数据输入预计算得到的线性回归模型，确定所述目标垃圾桶对应的垃圾重量。

本发明实施例提供的基于挂桶式垃圾车的垃圾称重装置，针对挂桶式垃圾车车载称重系统，根据称重机构的加速度以及旋转角度对称重传感器信号进行补偿，有效降低了由超重、失重以及应力方向改变带来的传感器误差；同时对挂桶式垃圾车车载称重系统进行标定，根据不同车辆的机械结构、翻转速度、振动频率等因素，计算出最优的称重传感器信号补偿函数、最优滤波方式、最优称重角度以及最优模型参数，提高了挂桶式垃圾车车载称重系统的准确度及鲁棒性。

基于上述任一实施例，附图8示出了本发明实施例提供的电子设备的实体结构示意图，如图8所示，该电子设备可以包括：处理器(processor)910、通信接口(Communications Interface)920、存储器(memory)930和通信总线940，其中，处理器910，通信接口920，存储器930通过通信总线940完成相互间的通信。处理器910可以调用存储器930中的逻辑指令，以执行如下方法：在所述挂桶式垃圾车翻桶过程中，利用称重传感器和惯性传感器分别实时采集目标垃圾桶的称重传感器数据和翻转角度数据；利用预计算得到的误差函数对所述称重传感器数据进行修正，得到修正称重传感器数据；使用预计算得到的滤波器对所述修正称重传感器数据进行滤波，得到滤波称重传感器数据；当监测到所述翻转角度数据达到预计算的目标角度区间范围时，将所述滤波称重传感器数据输入预计算得到的线性回归模型，确定所述目标垃圾桶对应的垃圾重量。

此外，上述的存储器930中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的方法，例如包括：在所述挂桶式垃圾车翻桶过程中，利用称重传感器和惯性传感器分别实时采集目标垃圾桶的称重传感器数据和翻转角度数据；利用预计算得到的误差函数对所述称重传感器数据进行修正，得到修正称重传感器数据；使用预计算得到的滤波器对所述修正称重传感器数据进行滤波，得到滤波称重传感器数据；当监测到所述翻转角度数据达到预计算的目标角度区间范围时，将所述滤波称重传感器数据输入预计算得到的线性回归模型，确定所述目标垃圾桶对应的垃圾重量。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

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各实施方式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。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。