本发明涉及车辆感知领域，尤其涉及一种水陆两栖式车辆的工况辨识方法。
背景技术：
1、无人驾驶作为当前车辆行业发展的前沿重点技术，其应用范围不再局限于传统的纯陆上交通工具，已经逐步拓展到水陆通用平台领域。水陆两栖式无人车辆是一种兼具陆上行驶能力、水上航行能力及水陆交界地带作业能力的智能特种车辆。其相较于传统无人车辆或者无人船舶而言，不仅可以应用于单一陆上或水上工况，也有水陆过渡工况的应用需求，即在两栖式车辆变速过程中，水陆两个工况不能直接互相切换，需要一个中间的水陆工况进行过渡，也就是登陆或者下水的过程。因此，高精度、低延时的跨域阶段辨识对于提高两栖式无人车跨域过程的稳定性，实现水陆切换柔性过渡具有重要意义。
2、考虑到跨域工况的复杂性，单一的传感器不可能细粒度的辨识跨域工况的各个阶段，因此对于水陆过渡的判断需要结合多方面的信息。如何将激光雷达、图像、声呐等多源传感器信息以及电子海图等先验信息融合并进行相关工况辨识，从而有效提高精度，达到控制车辆平台相关执行器在相应时间执行相应动作的目的，是当前两栖式无人驾驶车辆亟待解决的一个关键问题。
技术实现思路
1、鉴于上述的分析，本发明实施例旨在提供一种水陆两栖式车辆的工况辨识方法，用以解决现有水陆两栖式车辆在水陆切换时无法柔性过渡的问题。
2、一方面，本发明实施例提供了一种水陆两栖式车辆的工况辨识方法，包括：
3、确定所述水陆两栖式车辆与岸线的第一距离；
4、若所述第一距离满足第一阈值范围，确定水体承载的所述水陆两栖式车辆的重量；
5、若所述水陆两栖式车辆的初始工况为陆上工况且所述重量大于重量阈值，或者若所述水陆两栖式车辆的初始工况为水上工况且所述重量与所述水陆两栖式车辆的重量的差值的绝对值大于重量阈值，利用第一机器学习模型，将所述水陆两栖式车辆的悬挂姿态角数据映射为所述水陆两栖式车辆的中间工况；
6、确定所述水陆两栖式车辆的陆上动力学模型匹配率和水上动力学模型匹配率；以及
7、根据所述中间工况、所述陆上动力学模型匹配率和所述水上动力学模型匹配率，确定所述水陆两栖式车辆的最终工况。
8、基于上述方法的进一步改进，所述第一机器学习模型的训练过程包括：
9、获取用于所述第一机器学习模型的训练样本集中的训练样本，其中，所述训练样本包括水陆两栖式车辆的悬挂姿态角数据和所述水陆两栖式车辆的工况标签，所述工况标签包括：陆上工况、陆到水工况、水到陆工况、水上工况；
10、利用所述第一机器学习模型，生成所述水陆两栖式车辆的工况；以及
11、基于所述工况和所述工况标签之间的比较，更新所述第一机器学习模型。
12、基于上述方法的进一步改进，若所述水陆两栖式车辆的初始工况为陆上工况，若所述第一距离满足第一阈值范围，还包括：
13、根据所述水陆两栖式车辆的摄像数据和激光点云数据，计算出所述水陆两栖式车辆和岸线的第二距离；
14、并且，
15、若所述重量大于重量阈值且若所述第二距离满足第二阈值范围，利用第一机器学习模型，将所述水陆两栖式车辆的悬挂姿态角数据映射为所述水陆两栖式车辆的中间工况；
16、其中，所述第二阈值范围的最大值小于所述第一阈值范围的最大值。
17、基于上述方法的进一步改进，若所述水陆两栖式车辆的初始工况为水上工况，
18、若所述第一距离满足第一阈值范围，还包括根据所述水陆两栖式车辆的声呐数据，计算出所述水陆两栖式车辆的离地高度；
19、并且，若所述重量与所述水陆两栖式车辆的重量的差值的绝对值大于重量阈值且所述离地高度小于或等于高度阈值，利用第一机器学习模型，将所述水陆两栖式车辆的悬挂姿态角数据映射为所述水陆两栖式车辆的中间工况。
20、基于上述方法的进一步改进，所述根据所述中间工况、所述陆上动力学模型匹配率和所述水上动力学模型匹配率，确定所述水陆两栖式车辆的最终工况包括：
21、若所述中间工况为陆上工况且所述陆上动力学模型匹配率满足第三阈值范围且所述水上动力学模型匹配率满足第四阈值范围，确定所述水陆两栖式车辆进入到水到陆工况后的行驶距离；
22、若所述行驶距离与行驶距离阈值的差值满足第五阈值范围，确定所述水陆两栖式车辆的最终工况为陆上工况。
23、基于上述方法的进一步改进，所述根据所述中间工况、所述陆上动力学模型匹配率和所述水上动力学模型匹配率，确定所述水陆两栖式车辆的最终工况包括：
24、若所述中间工况为陆到水工况且所述陆上动力学模型匹配率和所述水上动力学模型匹配率均满足第六阈值范围，确定所述水陆两栖式车辆进入到陆到水工况后的行驶距离；
25、若所述行驶距离大于行驶距离阈值，确定所述水陆两栖式车辆的最终工况为水上工况。
26、基于上述方法的进一步改进，所述根据所述中间工况、所述陆上动力学模型匹配率和所述水上动力学模型匹配率，确定所述水陆两栖式车辆的最终工况包括：
27、若所述中间工况为水到陆工况且所述陆上动力学模型匹配率和所述水上动力学模型匹配率均满足第六阈值范围，确定所述水陆两栖式车辆进入到水到陆工况后的行驶距离；
28、若所述行驶距离大于行驶距离阈值，确定所述水陆两栖式车辆的最终工况为陆上工况。
29、基于上述方法的进一步改进，所述根据所述中间工况、所述陆上动力学模型匹配率和所述水上动力学模型匹配率，确定所述水陆两栖式车辆的最终工况包括：
30、若所述中间工况为水上工况且所述陆上动力学模型匹配率满足第四阈值范围且所述水上动力学模型匹配率满足第三阈值范围，确定所述水陆两栖式车辆进入到陆到水工况后的行驶距离；
31、若所述行驶距离与行驶距离阈值的差值满足第五阈值范围，确定所述水陆两栖式车辆的最终工况为水上工况。
32、基于上述方法的进一步改进，所述第一机器学习模型的训练过程包括：
33、通过特征工程从所述悬挂姿态角数据中选取用于训练的、与所述工况标签相关的特征参量；
34、根据所述特征参量和所述工况标签，利用粒子群算法分别对支持向量机的核函数参数和惩罚参数进行优化；以及
35、若所述支持向量机的工况辨识准确率达到预设阈值，得到所述第一机器学习模型。
36、基于上述方法的进一步改进，所述确定水体承载的所述水陆两栖式车辆的重量包括：
37、根据所述水陆两栖式车辆的压强传感器数据，确定水体承载的所述水陆两栖式车辆的重量。
38、与现有技术相比，本发明至少可实现如下有益效果之一：
39、1、本发明方案融合了激光雷达、图像、声呐等多源传感器信息以及电子海图等先验信息，从而有效的提高了工况辨识的精度。
40、2、本发明方案融合了主动探测和被动接触两种方式，解决了水陆过渡状态下车辆所处状态的线性化度量，引导了车辆水陆过渡态下的连续性转换控制，提升了对水陆通用式无人车辆在不同跨域工况下的适应能力。
41、本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
1.一种水陆两栖式车辆的工况辨识方法，其特征在于，包括：
2.根据权利要求1所述的水陆两栖式车辆的工况辨识方法，其特征在于，所述第一机器学习模型的训练过程包括：
3.根据权利要求2所述的水陆两栖式车辆的工况辨识方法，其特征在于，若所述水陆两栖式车辆的初始工况为陆上工况，若所述第一距离满足第一阈值范围，还包括根据所述水陆两栖式车辆的摄像数据和激光点云数据，计算出所述水陆两栖式车辆和岸线的第二距离；
4.根据权利要求2所述的水陆两栖式车辆的工况辨识方法，其特征在于，若所述水陆两栖式车辆的初始工况为水上工况，若所述第一距离满足第一阈值范围，还包括根据所述水陆两栖式车辆的声呐数据，计算出所述水陆两栖式车辆的离地高度；
5.根据权利要求2所述的水陆两栖式车辆的工况辨识方法，其特征在于，所述根据所述中间工况、所述陆上动力学模型匹配率和所述水上动力学模型匹配率，确定所述水陆两栖式车辆的最终工况包括：
6.根据权利要求2所述的水陆两栖式车辆的工况辨识方法，其特征在于，所述根据所述中间工况、所述陆上动力学模型匹配率和所述水上动力学模型匹配率，确定所述水陆两栖式车辆的最终工况包括：
7.根据权利要求2所述的水陆两栖式车辆的工况辨识方法，其特征在于，所述根据所述中间工况、所述陆上动力学模型匹配率和所述水上动力学模型匹配率，确定所述水陆两栖式车辆的最终工况包括：
8.根据权利要求2所述的水陆两栖式车辆的工况辨识方法，其特征在于，所述根据所述中间工况、所述陆上动力学模型匹配率和所述水上动力学模型匹配率，确定所述水陆两栖式车辆的最终工况包括：
9.根据权利要求2所述的水陆两栖式车辆的工况辨识方法，其特征在于，所述第一机器学习模型的训练过程包括：
10.根据权利要求1所述的水陆两栖式车辆的工况辨识方法，其特征在于，所述确定水体承载的所述水陆两栖式车辆的重量包括：
