本发明涉及道路重构，特别是涉及一种基于黎曼扩散薛定谔桥的信号生成与道路重构方法及系统。
背景技术：
1、现代社会对于真实道路场景的数字化重构和模拟的需求日益增加。然而，传统的三维重构方法往往昂贵且复杂，例如依赖于复杂的摄像系统、高精度雷达系统，这限制了其广泛应用。惯性传感器因其体积小、易佩戴、功耗低、成本低、易批量生产等优势被广泛应用于航空航天、智能驾驶、人机交互、导航定位等领域。事实上，市场上常见的惯性传感器单价可以低至0.2-0.5元不等，具有广阔的市场前景。但是，目前并不存在基于惯性传感器来进行道路重构的技术。
2、此外，不同于小规模实验室场景的数据采集，大规模真实道路场景的数据采集的成本极高，效率却很低。例如，安排车辆或行人采集在城市内的运动信号数据，每个运动个体采集一条数据样本可能要花费几小时甚至几天的时间，这些少量的数据根本不足以支持训练人工智能模型进行道路重构。
3、基于此，亟需一种能够基于惯性传感器和人工智能模型完成道路重构的技术。
技术实现思路
1、本发明的目的是提供一种基于黎曼扩散薛定谔桥的信号生成与道路重构方法及系统，利用黎曼扩散薛定谔桥生成大量训练样本以支持训练人工智能模型，从而可基于惯性传感器采集的运动信号和人工智能模型完成道路重构，成本低，效率和精度高。
2、为实现上述目的，本发明提供了如下方案：
3、一种基于黎曼扩散薛定谔桥的信号生成与道路重构方法，包括：
4、获取惯性传感器沿待重构道路运动时所产生的运动信号；所述运动信号包括加速度信号和角速度信号；
5、以所述运动信号作为输入，利用训练好的分段模型预测得到所述运动信号的所有分段点中每一所述分段点的位置和运动方向变化角度；
6、按照所有所述分段点的位置对所述运动信号进行分段，得到多段子信号；
7、对于每一段所述子信号，以所述子信号作为输入，利用训练好的运动模型预测得到所述子信号对应的运动参数；所述训练好的运动模型是利用基于黎曼扩散薛定谔桥生成的样本训练得到的；所述运动参数包括运动路程、水平运动圆心角和垂直运动高度变化；
8、基于每一所述分段点的运动方向变化角度和所有所述子信号对应的运动参数生成所述惯性传感器的运动轨迹；所述运动轨迹即为重构得到的所述待重构道路的道路。
9、一种基于黎曼扩散薛定谔桥的信号生成与道路重构系统，包括：
10、运动信号获取模块，用于获取惯性传感器沿待重构道路运动时所产生的运动信号；所述运动信号包括加速度信号和角速度信号；
11、分段点预测模块，用于以所述运动信号作为输入，利用训练好的分段模型预测得到所述运动信号的所有分段点中每一所述分段点的位置和运动方向变化角度；
12、分段模块，用于按照所有所述分段点的位置对所述运动信号进行分段，得到多段子信号；
13、运动参数预测模块，用于对于每一段所述子信号，以所述子信号作为输入，利用训练好的运动模型预测得到所述子信号对应的运动参数；所述训练好的运动模型是利用基于黎曼扩散薛定谔桥生成的样本训练得到的；所述运动参数包括运动路程、水平运动圆心角和垂直运动高度变化；
14、运动路程生成模块，用于基于每一所述分段点的运动方向变化角度和所有所述子信号对应的运动参数生成所述惯性传感器的运动轨迹；所述运动轨迹即为重构得到的所述待重构道路的道路。
15、根据本发明提供的具体实施例，本发明公开了以下技术效果：
16、本发明用于提供一种基于黎曼扩散薛定谔桥的信号生成与道路重构方法及系统，先获取惯性传感器沿待重构道路运动时所产生的运动信号，再以运动信号作为输入，利用训练好的分段模型预测得到运动信号的所有分段点中每一分段点的位置和运动方向变化角度，进一步按照所有分段点的位置对运动信号进行分段，得到多段子信号，然后对于每一段子信号，以子信号作为输入，利用训练好的运动模型预测得到子信号对应的运动参数，训练好的运动模型是利用基于黎曼扩散薛定谔桥生成的样本训练得到的，运动参数包括运动路程、水平运动圆心角和垂直运动高度变化，最后基于每一分段点的运动方向变化角度和所有子信号对应的运动参数生成惯性传感器的运动轨迹，运动轨迹即为重构得到的待重构道路的道路，通过基于黎曼扩散薛定谔桥的惯性传感器数据增强技术，利用黎曼扩散薛定谔桥生成大量训练样本以支持训练人工智能模型，从而可基于惯性传感器采集的运动信号和人工智能模型完成道路重构，成本低，效率和精度高。
1.一种基于黎曼扩散薛定谔桥的信号生成与道路重构方法，其特征在于，包括：
2.根据权利要求1所述的一种基于黎曼扩散薛定谔桥的信号生成与道路重构方法，其特征在于，在以所述运动信号作为输入，利用训练好的分段模型预测得到所述运动信号的所有分段点中每一所述分段点的位置和运动方向变化角度之前，还包括：
3.根据权利要求1所述的一种基于黎曼扩散薛定谔桥的信号生成与道路重构方法，其特征在于，在以所述子信号作为输入，利用训练好的运动模型预测得到所述子信号对应的运动参数之前，还包括：
4.根据权利要求3所述的一种基于黎曼扩散薛定谔桥的信号生成与道路重构方法，其特征在于，所述构建第二数据集，具体包括：
5.根据权利要求4所述的一种基于黎曼扩散薛定谔桥的信号生成与道路重构方法，其特征在于，所述利用所述训练好的扩散模型构建第二数据集，具体包括：
6.根据权利要求3所述的一种基于黎曼扩散薛定谔桥的信号生成与道路重构方法，其特征在于，所述初始运动模型包括依次连接的特征提取器和预测器模块；所述特征提取器采用深度残差网络；所述预测器模块包括多个并联连接的预测器，所述预测器采用多层感知机。
7.根据权利要求6所述的一种基于黎曼扩散薛定谔桥的信号生成与道路重构方法，其特征在于，在对所述初始运动模型进行训练时，所用的损失函数包括：
8.根据权利要求7所述的一种基于黎曼扩散薛定谔桥的信号生成与道路重构方法，其特征在于，
9.根据权利要求7所述的一种基于黎曼扩散薛定谔桥的信号生成与道路重构方法，其特征在于，
10.一种基于黎曼扩散薛定谔桥的信号生成与道路重构系统，其特征在于，包括：
