路面纵向坡度的估计方法、装置、电子设备和存储介质与流程

1.本申请属于车辆工程的技术领域，具体涉及一种路面纵向坡度的估计方法、装置、电子设备和存储介质。


背景技术：

2.纵向坡度是车辆最为重要的外加负荷之一，也是对于整车控制系统和变速器控制系统而言至关重要的参数之一，其被用于坡道起步、蠕行的扭矩修正、滑行能量电机回馈扭矩控制和爬坡工况的换挡线修正等诸多控制场景之中。
3.然而，纵向坡度很难通过低成本的传感器直接测量。因此，快速、准确地对纵向坡度进行估计，对于提升车辆各控制器的控制效果十分重要。
4.相关技术中可以采用贝叶斯滤波方法，实现对纵向坡度的估计。当系统为线性系统且噪声满足高斯分布时，还可以直接采用卡尔曼滤波算法对状态进行估计。但是，车辆一般为复杂的非线性系统，并且其噪声并不一定始终满足固定的高斯分布。因此，上述滤波方法对纵向坡度估计的准确程度较低。
5.因此，如何准确地对车辆行驶路面的纵向坡度进行估计，是本领域技术人员亟待解决的问题，也是对车辆实现安全有效控制的关键。


技术实现要素：

6.本申请实施例的目的是提供一种路面纵向坡度的估计方法、装置、电子设备和存储介质，能够解决如何准确地对车辆行驶路面的纵向坡度进行估计的问题。
7.第一方面，本申请实施例提供了一种路面纵向坡度的估计方法，该方法包括：获取车辆的纵向加速度采集值，并获取车辆的纵向加速度计算值；建立针对车辆的纵向速度的状态方程，其中状态方程为以车辆的上一时刻速度和上一时刻加速度为自变量，以车辆的当前时刻速度为因变量的方程，上一时刻加速度根据纵向加速度采集值和纵向加速度计算值确定；通过粒子滤波算法，根据状态方程获得针对车辆的行驶路面的纵向坡度估计值。
8.另外，根据本申请上述技术方案还可以具有以下技术特征：上述任一技术方案中，获取车辆的纵向加速度采集值，包括：判断车辆是否于坡路起步；在车辆于坡路起步的情况下，根据由车辆的加速度传感器采集的第一加速度信号，获取纵向加速度采集值；在车辆于非坡路起步的情况下，根据由车辆的加速度传感器采集的第一加速度信号和第二加速度信号，获取纵向加速度采集值；其中，第一加速度信号为车辆在正常行驶时的加速度信号，第二加速度信号为加速度传感器上电时的加速度信号。
9.上述任一技术方案中，获取车辆的纵向加速度计算值，包括：
通过对由车辆的速度传感器采集的速度信号求导，获取纵向加速度计算值。
10.上述任一技术方案中，建立针对车辆的纵向速度的状态方程，包括：采用纵向加速度采集值和纵向加速度计算值，建立目标数学模型；通过对目标数学模型进行离散化处理，建立状态方程；其中，目标数学模型为关于纵向加速度采集值、纵向加速度计算值、车辆的车身俯仰角、车辆的行驶路面的纵向坡度和车辆的加速度传感器误差之间关系的数学模型。
11.上述任一技术方案中，通过粒子滤波算法，根据状态方程获得针对车辆的行驶路面的纵向坡度估计值，包括：在初始时刻，给定粒子样本初值、粒子权重初值、粒子个数和估计初值；基于粒子样本初值，将上一时刻的粒子值和当前时刻的粒子值代入状态方程，以通过粒子滤波算法获得车辆的纵向坡度解耦结果；基于粒子权重初值，根据上一时刻的粒子权重递推当前时刻的粒子权重，以获得全部粒子权重；根据粒子个数，对全部粒子权重进行归一化处理，以获得当前时刻的归一化粒子权重；基于纵向坡度解耦结果，根据估计初值和当前时刻的归一化粒子权重，获得当前时刻的纵向坡度估计值。
12.上述任一技术方案中，在根据估计初值和当前时刻的归一化粒子权重，获得当前时刻的纵向坡度估计值之前，方法还包括：判断是否出现粒子退化；在出现粒子退化的情况下，进行粒子重采样操作。
13.上述任一技术方案中，判断是否出现粒子退化，包括：根据粒子个数和全部粒子权重，确定有效粒子个数；根据有效粒子个数，判断是否出现粒子退化；其中，在有效粒子个数小于有效粒子个数门限值的情况下，判断出现了粒子退化。
14.本申请实施例提供的路面纵向坡度的估计方法首先获取车辆的纵向加速度采集值和纵向加速度计算值。进而，建立针对车辆的纵向速度的状态方程。其中，状态方程为以车辆的上一时刻速度和上一时刻加速度为自变量，以车辆的当前时刻速度为因变量的方程，上一时刻加速度根据纵向加速度采集值和纵向加速度计算值确定。最后，则通过粒子滤波算法，获得针对车辆的行驶路面的纵向坡度估计值。由于粒子滤波算法可以应对非线性系统，并且其噪声无需满足高斯分布，因此，本申请实施例提供的路面纵向坡度的估计方法能够对车辆行驶路面的纵向坡度进行更为准确地估计，进而对车辆实现更为安全有效地控制。
15.第二方面，本申请实施例提供了一种路面纵向坡度的估计装置，该估计装置包括：获取模块，用于获取车辆的纵向加速度采集值，并获取车辆的纵向加速度计算值；建立模块，用于建立针对车辆的纵向速度的状态方程，其中，状态方程为以车辆的上一时刻速度和上一时刻加速度为自变量，以车辆的当前时刻速度为因变量的方程，上一时刻加速度根据纵向加速度采集值和纵向加速度计算值确定；估计模块，用于通过粒子滤波算法，根据状态方程获得针对车辆的行驶路面的纵
向坡度估计值。
16.本申请实施例提供的路面纵向坡度的估计装置采用如上述任一技术方案的路面纵向坡度的估计方法，因此其具有如上述任一技术方案的路面纵向坡度的估计方法的全部有益效果，在此不再赘述。
17.第四方面，本申请实施例提供了一种电子设备，包括处理器，存储器及存储在存储器上并可在处理器上运行的程序或指令，程序或指令被处理器执行时实现如上述任一技术方案的方法的步骤。
18.本申请实施例提供的电子设备实现如上述任一技术方案的路面纵向坡度的估计方法，因此其具有如上述任一技术方案的路面纵向坡度的估计方法的全部有益效果，在此不再赘述。
19.第五方面，本申请实施例提供了一种可读存储介质，可读存储介质上存储程序或指令，程序或指令被处理器执行时实现如上述任一技术方案的路面纵向坡度的估计方法的步骤。
20.本申请实施例提供的可读存储介质实现如上述任一技术方案的路面纵向坡度的估计方法，因此其具有如上述任一技术方案的路面纵向坡度的估计方法的全部有益效果，在此不再赘述。
附图说明
21.图1是本申请实施例的路面纵向坡度的估计方法的步骤流程图之一；图2是本申请实施例的路面纵向坡度的估计方法的步骤流程图之二；图3是本申请实施例的路面纵向坡度的估计方法的步骤流程图之三；图4是本申请实施例的路面纵向坡度的估计方法的步骤流程图之四；图5是本申请实施例的路面纵向坡度的估计方法的步骤流程图之五；图6是本申请实施例的路面纵向坡度的估计方法的步骤流程图之六；图7是本申请实施例的路面纵向坡度的估计装置的组成示意框图；图8是本申请实施例的电子设备的组成示意框图。
具体实施方式
22.下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员获得的所有其他实施例，都属于本申请保护的范围。
23.本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
24.下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的路面纵向坡度的估计方法、装置、电子设备和存储介质进行详细地说明。
25.需要说明的是，本申请实施例提供的路面纵向坡度的估计方法，执行主体可以为路面纵向坡度的估计装置，或者该路面纵向坡度的估计装置中的用于执行路面纵向坡度的估计的方法的控制模块。本申请实施例中以路面纵向坡度的估计装置执行路面纵向坡度的估计方法为例，说明本申请实施例提供的路面纵向坡度的估计方法及装置。
26.本申请实施例提供的路面纵向坡度的估计方法适用的车辆可以为电动力车辆，也可以为汽动力车辆。
27.如图1所示，本申请实施例提供的路面纵向坡度的估计方法包括以下的s101至s103：s101、估计装置获取车辆的纵向加速度采集值，并获取车辆的纵向加速度计算值。
28.本申请实施例中，车辆的纵向加速度采集值可以通过车辆can（控制器局域网络，controller area network）总线传感器采集测量。
29.具体而言，加速度传感器设于车辆，其通常由质量块、阻尼器、弹性元件、敏感元件和适调电路等部分组成。加速度传感器在加速过程中，通过对质量块所受惯性力的测量，利用牛顿第二定律获得加速度值（即加速度信号）。
30.示例性地，加速度传感器可以为电容式加速度传感器、电感式加速度传感器、应变式加速度传感器、压阻式加速度传感器、压电式加速度传感器中的至少一者。
31.由此，估计装置可以接收获取该加速度信号，进而根据该加速度信号获取车辆的纵向加速度采集值。
32.本申请实施例中，车辆的纵向加速度计算值可以根据车辆的速度传感器采集的速度信号获得。
33.具体而言，上述获取车辆的纵向加速度计算值，具体包括：通过对由车辆的速度传感器采集的速度信号求导，获取纵向加速度计算值。
34.如图2所示，可选地，本申请实施例中，s101中的估计装置获取车辆的纵向加速度采集值，具体包括以下的s101a至s101c：s101a、估计装置判断车辆是否于坡路起步。
35.其中，由于车辆生产过程中对于成本的限制，量产车辆配备的加速度传感器一般精度不够理想，其容易受到外界干扰而存在零点漂移。因此，为了提高纵向坡度估计精度，则有必要对加速度传感器采集到的信号进行处理。
36.因此，为了在适当的条件下合理地去除零点漂移，本申请实施例通过s101a判断是否需要对车辆进行去除零漂处理。
37.可以理解，在车辆于坡路起步的情况下，则不需要对车辆进行去除零漂处理，在车辆于非坡路起步的情况下，则需要对车辆进行去除零漂处理。
38.可以理解，上述坡路起步可以为在上坡路起步或在下坡路起步。
39.可以理解，上述非坡路起步可以为在平路起步，或者在相对平坦的路面起步。
40.可选地，本申请实施例中，可以读取电子驻车系统（electrical parking brake，epb）的估计信号，进而根据该估计信号判断车辆是否于坡路起步。
41.s101b、估计装置在车辆于坡路起步的情况下，根据由车辆的加速度传感器采集的第一加速度信号，获取纵向加速度采集值。
42.其中，第一加速度信号为车辆在正常行驶时的加速度信号。
43.可以理解，在车辆于坡路起步的情况下，则可以直接根据由车辆的加速度传感器采集的车辆在正常行驶时的加速度信号，获取纵向加速度采集值。进而，在获得纵向加速度采集值后，则可以直接执行s102。
44.s101c、估计装置在车辆于非坡路起步的情况下，根据由车辆的加速度传感器采集的第一加速度信号和第二加速度信号，获取纵向加速度采集值。
45.其中，第一加速度信号为车辆在正常行驶时的加速度信号，第二加速度信号为加速度传感器上电时的加速度信号。
46.可以理解，在车辆于非坡路起步的情况下，则需要对车辆的加速度传感器采集的信号进行去除零漂的处理，以避免因受到外界干扰而导致零点漂移问题。
47.示例性地，可以根据第一加速度信号和第二加速度信号的相减之差，获取纵向加速度采集值。
48.具体而言，假设车辆在正常行驶时的加速度信号（即第一加速度信号）为a
x_sen_bias
，假设加速度传感器上电时的加速度信号（即第二加速度信号）为a
x_bias
，那么，经过计算修正后的纵向加速度传感器信号a
x_sen
则可以通过如下公式获得：a
x_sen
=a
x_sen_bias
‑
a
x_bias
。
49.由此，可以采用经过计算修正后的纵向加速度传感器信号a
x_sen
，作为纵向加速度采集值。
50.s102、估计装置建立针对车辆的纵向速度的状态方程。
51.其中，状态方程为以车辆的上一时刻速度和上一时刻加速度为自变量，以车辆的当前时刻速度为因变量的方程，上一时刻加速度根据纵向加速度采集值和纵向加速度计算值确定。
52.可以理解，通过建立针对车辆的纵向速度的状态方程，则可以在后续步骤中通过对状态方程进行粒子滤波处理，获得针对车辆的行驶路面的纵向坡度估计值。
53.如图3所示，可选地，本申请实施例中，s102具体包括以下的s102a至s102b：s102a、估计装置采用纵向加速度采集值和纵向加速度计算值，建立数学模型。
54.其中，目标数学模型为关于纵向加速度采集值、纵向加速度计算值、车辆的车身俯仰角、车辆的行驶路面的纵向坡度和车辆的加速度传感器误差之间关系的目标数学模型。
55.可以理解，建立目标数学模型的目的为：利用加速度传感器采集获得的纵向加速度采集值，结合车辆的纵向加速度计算值，实现质量与纵向坡度的耦合。进而，则可以在后续步骤中利用粒子滤波算法可以对车辆的非线性系统、非高斯分布噪声进行估计，以实现纵向坡度与车身俯仰角的耦合。
56.示例性地，上述目标数学模型可以通过如下方式建立。
57.首先，估计装置可以建立如下的第一模型：a
x_sen
=gsinq+a
x
+e；其中，a
x_sen
为纵向加速度采集值，a
x
为纵向加速度计算值，g为重力加速度，q为车辆总俯仰角，e为传感器误差。
58.在上述第一模型中，车辆总俯仰角q为道路坡度q
r
和车身俯仰角q
v
的相加之和。
59.在上述第一模型中，传感器误差e被认为是满足高斯分布的白噪声。
60.进而，为了实现纵向坡度q
r
与车身俯仰角q
v
的解耦，并且由于q
v
较小，还可进一步
将上述第一数学模型简化为以下第二模型：a
x_sen
=gsinq
r
+a
x
+q；其中，q=gq
v
+e，为了简化计算，则可以认为上述模型仍然满足正态分布。在实际的工程应用中，则可认为q
v
与a
x
成正比，因此q的方差与a
x
单调变化。
61.随后，若只考虑车辆的纵向运动，则可以将上述第二数学模型进一步简化，以建立上述目标模型。其中，该目标模型为：；其中，为车辆的纵向加速度，a
x_sen
为纵向加速度采集值，g为重力加速度，θ
r
为纵向坡度，q为传感器误差。
62.s102b、估计装置通过对目标数学模型进行离散化处理，建立状态方程。
63.可以理解，为便于运算，可以利用欧拉法将上述目标模型的公式离散化。由于实际情况中，道路坡度的变化不大，因此在计算时可认为坡度变化为0：示例性地，通过离散化处理，可以建立如下的状态方程：v
x
（k+1）=v
x
（k）+[a
x_sen
（k）
‑
gsinq
r
（k）+q（k）]dt；q
r
（k+1）=q
r
（k）对于路面纵向坡度的估计为连续地动态过程。为了便于描述，本申请实施例在路面纵向坡度的估计时，将当前时刻简称为k，将相比于当前时刻的上一时刻简称为k
‑
1，将相比于当前时刻的下一时刻简称为k+1，并将初始时刻简称为k0。
[0064]
其中，v
x
（k+1）为下一时刻的纵向速度，v
x
（k）为当前时刻的纵向速度，dt为时间间隔，a
x_sen
（k）
‑
gsinq
r
（k）+q（k）为当前时刻根据上述目标模型得出的纵向加速度。q
r
（k+1）为下一时刻的纵向坡度，q
r
（k）为当前时刻的纵向坡度。
[0065]
s103、估计装置通过粒子滤波算法，根据状态方程获得针对车辆的行驶路面的纵向坡度估计值。
[0066]
可以理解，上述状态方程的公式即为进行粒子滤波所需的离散形式。以纵向车速v
x
作为系统量测（即最优估计值），并以先验分布作为算法的提议分布，则可以对关于状态方程的公式进行上述s103的标准粒子滤波处理。
[0067]
如图4所示，可选地，本申请实施例中，s103具体包括以下的s103a至s103e：s103a、估计装置在初始时刻，给定粒子样本初值、粒子权重初值、粒子个数和估计初值。
[0068]
本申请实施例中，可以在初始时刻，对为了进行粒子滤波处理而采用的粒子滤波器进行初始化，以给定状态估计初值，并从先验概率中生成粒子样本初值、所有粒子权重初值和粒子数n，其中，所有粒子权重初值为1/n。
[0069]
s103b、估计装置基于粒子样本初值，将上一时刻的粒子值和当前时刻的粒子值代入状态方程，以通过粒子滤波算法获得车辆的纵向坡度解耦结果。
[0070]
本申请实施例中，可以通过s103b进行预测，改变粒子位置。
[0071]
示例性地，可以通过以下公式，将车身俯仰角和纵向坡度解耦：
；其中，f（~）即代表状态方程：v
x
（k+1）=v
x
（k）+[a
x_sen
（k）
‑
gsinq
r
（k）+q（k）]dt；q
r
（k+1）=q
r
（k）；其中，为当前时刻的粒子值，v为服从正态分布q的随机数，且q的方差将随着a
x
的增加而增加。以此，则可以实现粒子滤波的自适应，并将车身俯仰角与纵向坡度解耦。
[0072]
s103c、估计装置基于粒子权重初值，根据上一时刻的粒子权重递推当前时刻的粒子权重，以获得全部粒子权重。
[0073]
本申请实施例中，可以通过s103c进行更新，以由上一时刻的粒子权重递推计算当前时刻的粒子权重。
[0074]
s103d、估计装置根据粒子个数，对全部粒子权重进行归一化处理，以获得当前时刻的归一化粒子权重。
[0075]
本申请实施例中，当前时刻的归一化粒子权重可以通过以下公式获得：；其中，为当前时刻的归一化粒子权重，为当前时刻的粒子权重，n为粒子数。
[0076]
s103e、估计装置基于纵向坡度解耦结果，根据估计初值和当前时刻的归一化粒子权重，获得当前时刻的纵向坡度估计值。
[0077]
本申请实施例中，纵向坡度估计值可以通过以下公式获得：；其中，为纵向坡度估计值，为当前时刻的归一化粒子权重，为基于估计初值，获得的当前时刻的估计值。
[0078]
如图5所示，可选地，本申请实施例中，在s103e之前，该路面纵向坡度的估计方法还包括以下的s103f和s103g：s103f、估计装置判断是否出现粒子退化。
[0079]
s103g、估计装置在出现粒子退化的情况下，进行粒子重采样操作。
[0080]
本申请实施例中，粒子退化又称粒子贫化，是指在几步迭代之后，许多粒子的权重变得很小，导致大量的计算成本浪费在小权值的粒子上的现象。
[0081]
可以理解，通过进行粒子重采样操作，可以对后验概率密度再采样，保留复制权重大的粒子，剔除权重小的粒子，以防止或避免粒子退化问题。
[0082]
可选地，本申请实施例中，为了防止粒子贫化，多样性丧失，可以通过以下方式判
断是否出现粒子退化。
[0083]
如图6所示，示例性地，s103f具体包括以下的s103f1和s103f2：s103f1、估计装置根据粒子个数和全部粒子权重，确定有效粒子个数。
[0084]
具体而言，可以通过以下公式确定有效粒子个数：；其中，n
eff
为有效粒子个数，n为粒子个数，为当前时刻的粒子权重。
[0085]
s103f2、估计装置根据有效粒子个数，判断是否出现所述粒子退化。
[0086]
其中，在有效粒子个数小于有效粒子个数门限值的情况下，判断出现了粒子退化。
[0087]
可以理解，有效粒子个数门限值可以由本领域技术人员进行选择和调整。
[0088]
本申请实施例提供的路面纵向坡度的估计方法首先获取车辆的纵向加速度采集值和纵向加速度计算值。进而，采用该纵向加速度采集值和纵向加速度计算值，建立针对车辆的纵向速度的状态方程。最后，则通过对状态方程进行粒子滤波处理，获得针对车辆的行驶路面的纵向坡度估计值。由于粒子滤波算法可以应对非线性系统，并且其噪声无需满足高斯分布，因此，本申请实施例提供的路面纵向坡度的估计方法能够对车辆行驶路面的纵向坡度进行更为准确地估计，进而对车辆实现更为安全有效地控制。
[0089]
如图7所示，本申请实施例还提供了一种路面纵向坡度的估计装置700，该估计装置700包括：获取模块710，用于获取车辆的纵向加速度采集值，并获取车辆的纵向加速度计算值。
[0090]
建立模块720，用于建立针对车辆的纵向速度的状态方程，其中，状态方程为以车辆的上一时刻速度和上一时刻加速度为自变量，以车辆的当前时刻速度为因变量的方程，上一时刻加速度根据纵向加速度采集值和纵向加速度计算值确定。
[0091]
估计模块730，用于通过粒子滤波算法，根据状态方程获得针对车辆的行驶路面的纵向坡度估计值。
[0092]
本申请实施例中的估计装置700可以是装置，也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备，也可以为非移动电子设备。
[0093]
可选地，本申请实施例中，获取模块710，具体用于：判断车辆是否于坡路起步；在车辆于坡路起步的情况下，根据由车辆的加速度传感器采集的第一加速度信号，获取纵向加速度采集值；在车辆于非坡路起步的情况下，根据由车辆的加速度传感器采集的第一加速度信号和第二加速度信号，获取纵向加速度采集值；其中，第一加速度信号为车辆在正常行驶时的加速度信号，第二加速度信号为加速度传感器上电时的加速度信号。
[0094]
可选地，本申请实施例中，获取模块710，具体用于：通过对由车辆的速度传感器采集的速度信号求导，获取纵向加速度计算值。
[0095]
可选地，本申请实施例中，建立模块720，具体用于：采用纵向加速度采集值和纵向加速度计算值，建立目标数学模型；通过对目标数学模型进行离散化处理，建立状态方程；其中，目标数学模型为关于纵向加速度采集值、纵向加速度计算值、车辆的车身俯仰角、车辆的行驶路面的纵向坡度和车辆的加速度传感器误差之间关系的数学模型。
[0096]
可选地，本申请实施例中，估计模块730，具体用于：在初始时刻，给定粒子样本初值、粒子权重初值、粒子个数和估计初值；基于粒子样本初值，将上一时刻的粒子值和当前时刻的粒子值代入状态方程，以通过粒子滤波算法获得车辆的纵向坡度解耦结果；基于粒子权重初值，根据上一时刻的粒子权重递推当前时刻的粒子权重，以获得全部粒子权重；根据粒子个数，对全部粒子权重进行归一化处理，以获得当前时刻的归一化粒子权重；基于纵向坡度解耦结果，根据估计初值和当前时刻的归一化粒子权重，获得当前时刻的纵向坡度估计值。
[0097]
可选地，本申请实施例中，估计模块730，具体用于：在根据估计初值和当前时刻的归一化粒子权重，获得当前时刻的纵向坡度估计值之前，判断是否出现粒子退化；在出现粒子退化的情况下，进行粒子重采样操作。
[0098]
可选地，本申请实施例中，估计模块730，具体用于：根据粒子个数和全部粒子权重，确定有效粒子个数；根据有效粒子个数，判断是否出现粒子退化；其中，在有效粒子个数小于有效粒子个数门限值的情况下，判断出现了粒子退化。
[0099]
本申请实施例提供的路面纵向坡度的估计装置700采用如上述任一实施例的路面纵向坡度的估计方法，因此其具有如上述任一实施例的路面纵向坡度的估计方法的全部有益效果，在此不再赘述。
[0100]
如图8所示，本申请实施例还提供了一种电子设备800，其特征在于，包括处理器810，存储器820及存储在存储器820上并可在处理器810上运行的程序或指令，程序或指令被处理器执行时实现如上述任一实施例的方法的步骤。
[0101]
需要说明的是，本申请实施例中的电子设备800包括移动电子设备和非移动电子设备。
[0102]
其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器（read
‑
only memory，rom）、随机存取存储器（random access memory，ram）、磁碟或者光盘等。
[0103]
本申请实施例提供的电子设备800实现如上述任一实施例的路面纵向坡度的估计方法，因此其具有如上述任一实施例的路面纵向坡度的估计方法的全部有益效果，在此不再赘述。
[0104]
本申请实施例还提供了一种可读存储介质，可读存储介质上存储程序或指令，程序或指令被处理器执行时实现如上述任一实施例的路面纵向坡度的估计方法的步骤，因此
其具有如上述任一实施例的路面纵向坡度的估计方法的全部有益效果，在此不再赘述。
[0105]
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可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，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
[0106]
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上述实施例方法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，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的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计算机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（如rom/ram、磁碟、光盘）中，包括若干指令用以使得一台终端（可以是手机，计算机，服务器，或者网络设备等）执行本申请各个实施例所述的方法。
[0107]
上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。