一种道路坡度计算方法、装置、电子设备及存储介质与流程

1.本技术涉及车辆坡度计算的技术领域，尤其涉及一种道路坡度计算方法、装置、电子设备及存储介质。


背景技术：

2.在车辆的行驶过程中，通常通过标准卡尔曼滤波算法对车辆当前所在的道路坡度进行计算，从而能够确定车辆当前所在的道路坡度。但是，车辆在行驶的过程中，由于车况变化，导致车身姿态发生变化，从而造成道路坡度计算结果噪声较大的问题。


技术实现要素：

3.本技术实施例提供一种道路坡度计算方法、装置、电子设备及存储介质，以解决相关技术存在的问题，技术方案如下：
4.第一方面，本技术实施例提供了一种道路坡度计算方法，包括：
5.监控到车辆的运行变化工况，运行变化工况包括急加速工况和急减速工况；
6.根据运行变化工况，确定运行变化工况的遗忘因子系数；
7.获取上一时刻的协方差和卡尔曼增益；
8.根据上一时刻的协方差、卡尔曼增益和遗忘因子系数，确定道路坡度。
9.第二方面，本技术实施例提供了一种道路坡度计算装置，包括：
10.第一监控模块，用于监控到车辆的运行变化工况，运行变化工况包括急加速工况和急减速工况；
11.第一确定模块，用于根据运行变化工况，确定运行变化工况的遗忘因子系数；
12.第一获取模块，用于获取上一时刻的协方差和卡尔曼增益；
13.第二确定模块，用于根据上一时刻的协方差、卡尔曼增益和遗忘因子系数，确定道路坡度。
14.第三方面，本技术实施例提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，以使至少一个处理器能够执行上述道路坡度计算方法。
15.第四方面，本技术实施例提供了一种计算机可读存储介质，计算机可读存储介质存储计算机指令，当计算机指令在计算机上运行时，上述各方面任一种实施方式中的方法被执行。
16.上述技术方案中的优点或有益效果至少包括：
17.监控到车辆的运行变化工况，即在确定车辆出现运行变化工况的情况下，此时由于车辆位姿发生了变化，导致通过卡尔曼滤波算法计算的道路坡度噪声较大，在本实施例中，通过运行变化工况确定遗忘因子系数对卡尔曼滤波算法进行调整，再通过调整后的卡尔曼滤波算法进行道路坡度计算，从而能够减少在发生运行变化工况的情况下，由于车辆姿态变化导致的道路坡度计算的噪声，能够有效地调整了卡尔曼滤波算法，进而通过修正
道路坡度，得到更加准确的道路坡度，提升了车辆在行驶过程中的稳定性和安全性。
18.上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本技术进一步的方面、实施方式和特征将会是容易明白的。
附图说明
19.在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本技术公开的一些实施方式，而不应将其视为是对本技术范围的限制。
20.图1示出根据本技术一实施例的道路坡度计算方法的流程图；
21.图2示出根据本技术另一实施例的道路坡度计算方法的流程图；
22.图3示出根据本技术另一实施例的道路坡度计算方法的流程图；
23.图4示出根据本技术一实施例的道路坡度计算装置的结构框图；
24.图5示出根据本技术一实施例的电子设备的结构框图。
具体实施方式
25.在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本技术的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
26.相关说明：
27.卡尔曼滤波(kalmanfiltering)，是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。
28.数据滤波是去除噪声还原真实数据的一种数据处理技术，kalman滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态。由于它便于计算机编程实现，并能够对现场采集的数据进行实时的更新和处理。
29.相关技术中通过标准卡尔曼滤波算法对车辆当前所在的道路坡度进行计算，从而能够确定车辆当前所在的道路坡度。
30.图1示出根据本技术一实施例的道路坡度计算方法的流程图。如图1所示，该道路坡度计算方法可以包括：
31.s110：监控到车辆的运行变化工况，运行变化工况包括急加速工况和急减速工况。
32.s120：根据运行变化工况，确定运行变化工况的遗忘因子系数。
33.s130：获取上一时刻的协方差和卡尔曼增益。
34.s140：根据上一时刻的协方差、卡尔曼增益和遗忘因子系数，确定道路坡度。
35.本实施例中的道路坡度计算方法可以通过车辆的电子控制单元(ecu)执行，也可以通过车辆上的其他具备运算能力的域控制器执行，还可以通过将联合服务器端和车辆的域控制器或电子控制单元，通过车辆的域控制器或电子控制单元对车辆进行监控车辆的运行变化工况，通过服务器端执行根据运行变化工况，确定运行变化工况的遗忘因子系数，根据遗忘因子系数，调整卡尔曼滤波算法，以及根据调整后的卡尔曼滤波算法，确定道路坡度
的过程等，还可以为其他能够实现对于道路坡度计算方法的执行主体。
36.在步骤s110中，监控到车辆的运行变化工况，运行变化工况包括急加速工况和急减速工况。
37.可以通过车辆的采集装置或者直接从车辆的电子控制单元上监控到车辆的运行变化工况，车辆的运行变化工况包括急加速工况和急减速工况，急加速工况是车速突然上升，可以通过设置判断条件进行判断，例如在三秒内车速上升20km/h，或者是指定的时间内车速的提升超过指定速度，即车辆的加速度大于指定加速度等，都可以识别到车辆处于急加速工况。同理，急减速工况为车辆的车速突然下降，可以通过设置判断条件进行判断，例如在三秒内车速下降20km/h，或者是指定的时间内车速的下降超过指定速度，即车辆的减速度大于指定减速度，也可以通过加速度的负值来表示车辆的减速度等，都可以识别到车辆处于急减速工况。
38.车辆在急加速工况或者急减速工况的情况下，会使得车辆的位姿发生变化，例如：车辆在急加速工况的情况下，车辆的车头朝上的趋势，使得车辆的位姿呈车头朝上，会导致通过标准卡尔曼滤波算法对车辆当前所在的道路坡度进行计算时，出现噪声，从而导致测得的道路坡度不准确。同理，车辆在急减速工况的情况下，车辆的车头朝下的趋势，使得车辆的位姿呈车头朝下，会导致通过标准卡尔曼滤波算法对车辆当前所在的道路坡度进行计算时，出现噪声，从而导致测得的道路坡度不准确。
39.在步骤s120中，根据运行变化工况，确定运行变化工况的遗忘因子系数。
40.遗忘因子的意思为：在估算中减少上某些步的状态对后一些步的影响，例如在遇到运行变化工况的情况下，通过减少运行变化工况发生前的权重，加重近几个步长运行变化工况的权重来达到对运行变化工况的适应性。
41.对于卡尔曼滤波而言，遗忘因子系数如果选取较大的数值，则历史数据遗忘较快，说明正是当前数据反映了当前系统的变化，即当前数据的权重较大；遗忘因子系数如果选取比较小的数值，则说明历史数据对当前系统的影响比较大，即历史数据的权重较大。遗忘因子系数可以通过a来表示，其中，a的倒数的取值范围为0.95-1之间，即1的取值范围为0.95-1。
42.a
43.在一示例中，卡尔曼滤波中的遗忘因子视作1(此处用a代表遗忘因子)，即未对历史观测的数据进行遗忘，但是遇到运行变化工况的情况下，历史观测的数据对当前时刻的真实状态的响应速度较差，因此为了提高参数辨识的响应速度和精度，需要在运行变化工况的时刻将历史观测的数据进行一定程度的遗忘，从而降低道路坡度计算结果的噪声，以提升卡尔曼滤波对道路坡度计算的准确性。
44.其中，对于运行变化工况可以通过急加速度工况与遗忘因子系数建立映射关系，例如在三秒内的加速度超过10km/h，则认定为急加速度工况，同时对应的遗忘因子系数的倒数为0.96。同理，对于运行变化工况可以通过急减速度工况与遗忘因子系数建立映射关系，例如在三秒内的加速度超过-10km/h，则认定为急加速度工况，同时对应的遗忘因子系数的倒数为0.98等，通过建立映射关系，且通过指定时间内加速度来确定遗忘因子系数。此外，也可以通过一定量的运行变化工况与遗忘因子系数的数据对神经网络进行训练，得到训练后的神经网络，例如通过实验得到的单位时间内的加速度与遗忘因子系数的数据对神
经网络进行训练，得到训练后的神经网络。通过运行变化工况确定单位时间内的加速度，将单位时间内的加速度输入到神经网络中，确定出遗忘因子系数。除了如上情况，还可以通过其他方式，例如设置映射关系表等，通过运行变化工况确定遗忘因子系数。
45.在步骤s130中，获取上一时刻的协方差和卡尔曼增益。
46.以及在步骤s140中，根据上一时刻的协方差、卡尔曼增益和遗忘因子系数，确定道路坡度。
47.通过遗忘因子系数对卡尔曼滤波算法进行调整，遗忘因子系数主要是通过调整卡尔曼滤波算法的协方差，来实现卡尔曼滤波算法的调整。具体为如下公式(1)：
48.p(kk)＝(i-kg(k)h)*p(kk-1)*a(1)
49.其中：p(kk)为当前时刻的协方差，p(kk-1)为历史时刻的协方差或上一时刻的协方差，i为1的矩阵，h为观测系统的参数，kg为卡尔曼增益，a为遗忘因子系数。
50.根据上述公式(1)可知，本实施例中引入遗忘因子系数是通过调整前一时刻的协方差的权重，以实现对当前时刻的协方差的调整，从而实现对卡尔曼滤波算法的调整，以达到降低车辆姿态变化带来的坡度计算噪声。
51.根据上述公式(1)可知，上一时刻的协方差是需要根据实时进行获取的，可以通过整车控制器或者是车辆的电子控制单元等对卡尔曼滤波器内读取得到，卡尔曼增益是通过可实时地卡尔曼滤波器获取到的，对于i为1的矩阵和h为观测系统的参数，都是直接可以确定的，因此，通过获取上一时刻的协方差和卡尔曼增益，并根据上一时刻的协方差、卡尔曼增益以及遗忘因子系数，对上述卡尔曼滤波算法进行调整计算。从而能够实现通过引入遗忘因子系数对卡尔曼滤波算法进行调整，进而通过修正道路坡度，得到更加准确的道路坡度，提升了车辆在行驶过程中的稳定性和安全性。
52.也就是说，遗忘因子系数能够对历史时刻的协方差或者是上一时刻的协方差进行调整，即为对历史时刻的协方差或者是上一时刻的协方差进行权重的调整。即遗忘因子系数如果选取较大的数值，则历史数据遗忘较快，说明正是当前数据反映了当前系统的变化，即当前数据的权重较大；遗忘因子系数如果选取比较小的数值，则说明历史数据对当前系统的影响比较大，即历史数据的权重较大。其反映当前系统变化的方式是通过调整历史时刻的协方差或者是上一时刻的协方差来实现的，从而能够对车辆当前的实时情况，即在发生运行变化工况的情况下，对卡尔曼滤波中的历史时刻的协方差或者是上一时刻的协方差进行实时调整，从而调整当前时刻的协方差，进而能够降低运行变化工况对卡尔曼滤波在计算道路坡度时的噪声。
53.通过上述步骤，能够得到调整后的卡尔曼滤波算法，基于实际的运行变化工况，确定遗忘因子系数，基于遗忘因子系数对卡尔曼滤波算法进行调整，确定调整后的卡尔曼滤波算法，从而实现通过调整后的卡尔曼滤波进行道路坡道计算时的校正，得到较为准确的道路坡度。
54.监控到车辆的运行变化工况，即在确定车辆出现运行变化工况的情况下，此时由于车辆位姿发生了变化，导致通过卡尔曼滤波算法计算的道路坡度噪声较大，在本实施例中，通过运行变化工况确定遗忘因子系数对卡尔曼滤波算法进行调整，再通过调整后的卡尔曼滤波算法进行道路坡度计算，从而能够减少在发生运行变化工况的情况下，由于车辆姿态变化导致的道路坡度计算的噪声，能够有效地调整了卡尔曼滤波算法，进而能够通过
修正道路坡度，得到更加准确的道路坡度，提升了车辆在行驶过程中的稳定性和安全性。
55.如图2所示，在一种实施方式中，监控到车辆的运行变化工况包括：
56.s210：监控到车速小于第一指定速度且油门踏板开度大于第一指定开度；
57.s220：确定车辆的运行变化工况为急加速度工况。
58.在本实施例中，通常车辆的运行变化工况是车辆进行急加速情况下的急加速工况或者是车辆进行急减速的情况下的工况。
59.对于通常情况下的车辆进行一般的加速或减速实质上是车辆常规的状态，此时通过卡尔曼滤波算法即可以直接计算得到道路坡度，虽然计算得到的道路坡度可能会存在一定的误差，但是该误差属于可以接受的范围内，即一般的加速和减速也会对车辆的位姿带来影响，从而造成道路坡度计算的噪声，但是该噪声对于道路坡度的影响仍然在可接受的误差范围内。而本实施例中所涉及的是运行变化工况下，引入遗忘因子系数对卡尔曼滤波算法进行调整。那么则需要确定运行变化工况下的急加速工况。
60.在本实施例中，对于急加速工况的确定是通过监控车速以及油门踏板开度来实现的。例如整车控制器通过硬线采集当前油门踏板开度，通过can总线得到当前车速。
61.通过监控到车速小于第一指定速度，即当前的车速低于一定的速度，例如当前车速小于10km/h，即车辆处于低速运行状态。在车辆的车速低于第一指定速度的情况下，此时若油门踏板开度大于指定开度，例如油门踏板开度大于60％，则说明此时控制车辆是需要进行急加速的情况下，则确定该运行变化工况为急加速工况。对于通过油门踏板开度来进行判断，相较于通过加速度来进行判断，根据有前瞻性，通过加速度来进行判断，则较为滞后，即需要通过加速前车速和加速后的车速才能确定加速器，而油门开度则是在车辆进行急加速之前已经可以获知的信息。即，通过本实施例中的监控到车速小于第一指定速度且油门踏板开度大于第一指定开度的方式，能够更加快速准确地识别急加速工况。
62.其中，可以根据急加速工况确定车辆的加速度，根据车辆的加速度，确定对应的加速度遗忘因子系数a1。
63.而且，通过本实施例的方式，无需对出现加速的情况即进行卡尔曼滤波算法的调整，而是在确定为急加速工况的情况下，才对引入遗忘因子系数对卡尔曼滤波算法进行调整，可以减少车辆的运算资源。
64.如图3所示，在一种实施方式中，监控到车辆的运行变化工况包括：
65.s310：监控到制动信号且车辆的制动主缸压力大于指定压力；
66.s320：确定车辆的运行变化工况为急减速工况。
67.与上述实施例中的确定急加速工况同理，在车辆进行减速的状态下，并不是所有的情况都需要对卡尔曼滤波算法进行调整，而是只有在确定为急减速的情况下，才对引入遗忘因子系数对卡尔曼滤波算法进行调整，可以减少车辆的运算资源。
68.在本实施例中，对于急加速工况的确定是通过监控制动信号和车辆的制动主缸压力来实现的。例如：整车控制器通过can总线得到制动信号和制动主缸压力。
69.通过监控到制动信号，即当前的制动踏板踩下，或者是车辆的整车控制器、车辆的电子控制单元接收到制动信号等，例如制动信号为1。在监控到制动信号的情况下，此时若制动主缸压力大于指定压力，例如制动主缸压力大于15bar时，则说明此时控制车辆是需要进行急减速的情况下，则确定该运行变化工况为急减速工况。对于通过制动信号和制动主
缸压力来进行判断，相较于通过加速度来进行判断，根据有前瞻性，通过加速度来进行判断，则较为滞后，即需要通过加速前车速和加速后的车速才能确定加速器，而制动主缸则是在车辆进行急减速之前已经可以获知的信息。即，通过本实施例中的监控到制动信号且车辆的制动主缸压力大于指定压力的方式，能够更加快速准确地识别急减速工况。
70.其中，可以根据急加速工况确定车辆的加速度，根据车辆的加速度，确定对应的加速度遗忘因子系数a2。
71.在一种实施方式中，根据运行变化工况，确定变化工况的遗忘因子系数包括：
72.根据运行变化工况，确定车辆的加速度和坡度变化值；
73.根据加速度和坡度变化值，确定遗忘因子系数。
74.如上述实施例中可以知道，运行变化工况包括急加速工况和急减速工况，其中，急加速工况和急减速工况都可以通过加速度的变化来确定，差别只在于这个加速度是正数还是负数，即通过运行变化工况能够确定出车辆的加速度，而且通过例如车辆自身的陀螺仪或者是车辆的其他采集装置，能够测得和计算得到车辆当前所在的坡度的变化值，通过车辆自身的陀螺仪或者是车辆的其他采集装置侧的车辆的道路坡度是属于原始是数值，可以通过卡尔曼滤波是进行修正的坡度。遗忘因子系数跟车辆的加速度和坡度变化值两个因素有关系，即在这两个因素发生变化时，遗忘因子系数也会发生变化，因此，通过确定车辆的加速度和坡度变化值能够确定出遗忘因子系数。
75.在急加速工况的情况下，车辆的加速度和坡度变化值能够确定出对应的遗忘因子系数a1。
76.在急减速工况的情况下，车辆的加速度和坡度变化值能够确定出对应的遗忘因子系数a2。
77.在一种实施方式中，所述根据所述上一时刻的协方差、所述卡尔曼增益和所述遗忘因子系数，确定道路坡度包括：
78.根据上一时刻的协方差、卡尔曼增益和遗忘因子系数，调整卡尔曼滤波算法；
79.根据调整后的卡尔曼滤波算法，确定道路坡度。
80.根据上述公式(1)可知，上一时刻的协方差、所述卡尔曼增益是作为卡尔曼滤波算法中随着车辆运行的工况而会发生改变的参数，需通过上一时刻的协方差、所述卡尔曼增益以及遗忘因子系数对卡尔曼滤波算法进行调整，能够使得调整后的卡尔曼滤波算法能够更加准确的预测出道路坡度。
81.本实施例中引入遗忘因子系数是通过调整前一时刻的协方差的权重，以实现对当前时刻的协方差的调整，从而实现对卡尔曼滤波算法的调整，以达到降低车辆姿态变化带来的坡度计算噪声。
82.根据上述公式(1)可知，上一时刻的协方差是需要根据实时进行获取的，可以通过整车控制器或者是车辆的电子控制单元等对卡尔曼滤波器内读取得到，卡尔曼增益是通过可实时地卡尔曼滤波器获取到的，对于i为1的矩阵和h为观测系统的参数，都是直接可以确定的，因此，通过获取上一时刻的协方差和卡尔曼增益，并根据上一时刻的协方差、卡尔曼增益以及遗忘因子系数，对上述卡尔曼滤波算法进行调整计算。从而能够实现通过引入遗忘因子系数对卡尔曼滤波算法进行调整，进而通过修正道路坡度，得到更加准确的道路坡度，提升了车辆在行驶过程中的稳定性和安全性。
83.第二方面，图4示出根据本技术一实施例的道路坡度计算装置的结构框图。如图4所示，本技术实施例提供了一种道路坡度计算装置，该装置可以包括：
84.第一监控模块410，用于监控到车辆的运行变化工况，运行变化工况包括急加速工况和急减速工况；
85.第一确定模块420，用于根据运行变化工况，确定运行变化工况的遗忘因子系数；
86.第一调整模块430，用于获取上一时刻的协方差和卡尔曼增益；
87.第二确定模块440，用于根据上一时刻的协方差、卡尔曼增益和遗忘因子系数，确定道路坡度。
88.监控到车辆的运行变化工况，即在确定车辆出现运行变化工况的情况下，此时由于车辆位姿发生了变化，导致通过卡尔曼滤波算法计算的道路坡度噪声较大，在本实施例中，通过运行变化工况确定遗忘因子系数对卡尔曼滤波算法进行调整，再通过调整后的卡尔曼滤波算法进行道路坡度计算，从而能够减少在发生运行变化工况的情况下，由于车辆姿态变化导致的道路坡度计算的噪声，能够有效地调整了卡尔曼滤波算法，进而通过修正道路坡度，得到更加准确的道路坡度，提升了车辆在行驶过程中的稳定性和安全性。
89.在一种实施方式中，第一监控模块包括：
90.第一监控单元，用于监控到车速小于第一指定速度且油门踏板开度大于第一指定开度；
91.第一确定单元，用于车辆的确定运行变化工况为急加速度工况。
92.在一种实施方式中，第一监控模块包括：
93.第二监控单元，用于监控到制动信号且车辆的制动主缸压力大于指定压力；
94.第二确定单元，用于车辆的确定运行变化工况为急减速工况。
95.在一种实施方式中，第一确定模块包括：
96.第三确定单元，用于根据运行变化工况，确定车辆的加速度和坡度变化值；
97.第四确定单元，用于根据加速度和坡度变化值，确定遗忘因子系数。
98.在一种实施方式中，第一调整模块包括：
99.第一调整单元，用于根据上一时刻的协方差、卡尔曼增益和遗忘因子系数，调整卡尔曼滤波算法；
100.第五确定单元，根据调整后的卡尔曼滤波算法，确定道路坡度。
101.本技术实施例各装置中的各模块的功能可以参见上述方法中的对应描述，在此不再赘述。
102.图5示出根据本技术一实施例的电子设备的结构框图。如图5所示，该电子设备包括：存储器510和处理器520，存储器510内存储有可在处理器520上运行的指令。处理器520执行该指令时实现上述实施例中的道路坡度计算方法。存储器510和处理器520的数量可以为一个或多个。该电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本技术的实现。
103.该电子设备还可以包括通信接口530，用于与外界设备进行通信，进行数据交互传
输。各个设备利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器520可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示gui的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
104.可选的，在具体实现上，如果存储器510、处理器520及通信接口530集成在一块芯片上，则存储器510、处理器520及通信接口530可以通过内部接口完成相互间的通信。
105.应理解的是，上述处理器可以是中央处理器(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessing，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(fieldprogrammablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。值得说明的是，处理器可以是支持进阶精简指令集机器(advancedriscmachines，arm)架构的处理器。
106.本技术实施例提供了一种计算机可读存储介质(如上述的存储器510)，其存储有计算机指令，该程序被处理器执行时实现本技术实施例中提供的方法。
107.可选的，存储器510可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据所述的电子设备的使用所创建的数据等。此外，存储器510可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器510可选包括相对于处理器520远程设置的存储器，这些远程存储器可以通过网络连接至所述的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
108.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包括于本技术的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
109.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
110.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或多个(两个或两个以上)用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分。并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所
示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能。
111.在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。
112.应理解的是，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。上述实施例方法的全部或部分步骤是可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
113.此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。上述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。该存储介质可以是只读存储器，磁盘或光盘等。
114.以上，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。

技术特征：
1.一种道路坡度计算方法，其特征在于，包括：监控到车辆的运行变化工况，所述运行变化工况包括急加速工况和急减速工况；根据所述运行变化工况，确定运行变化工况的遗忘因子系数；获取上一时刻的协方差和卡尔曼增益；根据所述上一时刻的协方差、所述卡尔曼增益和所述遗忘因子系数，确定道路坡度。2.根据权利要求1所述的方法，其特征在于，所述监控到车辆的运行变化工况包括：监控到车速小于第一指定速度且油门踏板开度大于第一指定开度；确定车辆的运行变化工况为急加速度工况。3.根据权利要求1所述的方法，其特征在于，所述监控到车辆的运行变化工况包括：监控到制动信号且车辆的制动主缸压力大于指定压力；确定车辆的运行变化工况为急减速工况。4.根据权利要求1-3任一所述的方法，其特征在于，所述根据所述运行变化工况，确定变化工况的遗忘因子系数包括：根据所述运行变化工况，确定车辆的加速度和坡度变化值；根据所述加速度和所述坡度变化值，确定遗忘因子系数。5.根据权利要求1所述的方法，其特征在于，所述根据所述上一时刻的协方差、所述卡尔曼增益和所述遗忘因子系数，确定道路坡度包括：根据所述上一时刻的协方差、所述卡尔曼增益和所述遗忘因子系数，调整卡尔曼滤波算法；根据调整后的卡尔曼滤波算法，确定道路坡度。6.一种道路坡度计算装置，其特征在于，包括：第一监控模块，用于监控到车辆的运行变化工况，所述运行变化工况包括急加速工况和急减速工况；第一确定模块，用于根据所述运行变化工况，确定运行变化工况的遗忘因子系数；第一获取模块，用于获取上一时刻的协方差和卡尔曼增益；第二确定模块，用于根据所述上一时刻的协方差、所述卡尔曼增益和所述遗忘因子系数，确定道路坡度。7.根据权利要求6所述的装置，其特征在于，所述第一监控模块包括：第一监控单元，用于监控到车速小于第一指定速度且油门踏板开度大于第一指定开度；第一确定单元，用于确定车辆的运行变化工况为急加速度工况。8.根据权利要求6所述的装置，其特征在于，所述第一监控模块包括：第二监控单元，用于监控到制动信号且车辆的制动主缸压力大于指定压力；第二确定单元，用于确定车辆的运行变化工况为急减速工况。9.根据权利要求6-8任一所述的装置，其特征在于，所述第一确定模块包括：第三确定单元，用于根据所述运行变化工况，确定车辆的加速度和坡度变化值；第四确定单元，用于根据所述加速度和所述坡度变化值，确定遗忘因子系数。10.根据权利要求6所述的装置，其特征在于，所述第一确定模块包括：第一调整单元，用于根据所述上一时刻的协方差、所述卡尔曼增益和所述遗忘因子系
数，调整卡尔曼滤波算法；第五确定单元，用于根据调整后的卡尔曼滤波算法，确定道路坡度。11.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。12.一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机指令，所述计算机指令被处理器执行时实现如权利要求1-5中任一项所述的方法。

技术总结
本申请提出一种道路坡度计算方法、装置、电子设备及存储介质，该道路坡度计算方法包括：监控到车辆的运行变化工况，运行变化工况包括急加速工况和急减速工况；根据运行变化工况，确定运行变化工况的遗忘因子系数；获取上一时刻的协方差和卡尔曼增益；根据上一时刻的协方差、卡尔曼增益和遗忘因子系数，确定道路坡度。从而减少在发生运行变化工况的情况下，由于车辆姿态变化导致的道路坡度计算的噪声，能够有效地调整了卡尔曼滤波算法，进而能够通过修正道路坡度，得到更加准确的道路坡度，提升了车辆在行驶过程中的稳定性和安全性。升了车辆在行驶过程中的稳定性和安全性。升了车辆在行驶过程中的稳定性和安全性。


技术研发人员：王彦龙 郭树星
受保护的技术使用者：华人运通（山东）科技有限公司
技术研发日：2023.04.19
技术公布日：2023/7/4