本发明涉及汽车氛围灯控制，更具体地，涉及一种氛围灯动效控制方法、整车控制器及存储介质。
背景技术：
1、随着汽车技术的不断发展和消费者需求的日益多样化，氛围灯在汽车内饰中的应用越来越广泛。汽车氛围灯是一种安装在汽车内部，用于营造舒适氛围的照明设备，以提升驾驶和乘坐的舒适度。它通常采用led作为光源，通过rgb色彩模式实现丰富的色彩变化。车载氛围灯可以安装在车门、中控台、脚踏板等多个位置，通过精准控制实现不同区域的独立照明和色彩调节。
2、目前，对于车载氛围灯灯效的控制机制，一般是根据播放音乐、识别用户语音来进行，例如，识别用户语音对应的控制指令，根据控制指令来对氛围灯的亮度或颜色进行控制。而对于控制源为视频的情况，视频一般是预先设定好的造型输入视频，用户不能对其进行自由、灵活的配置，无法满足不同用户的偏好与需求，其个性化程度不高，减少了可应用视频的可操作性。
技术实现思路
1、有鉴于此，本发明提供了一种氛围灯动效控制方法、整车控制器及存储介质，能够提升可应用视频的可操作性。
2、为达到上述目的，本发明采用如下技术方案：
3、第一方面，本发明提供一种氛围灯动效控制方法，该方法包括：
4、获取第一目标视频；其中，第一目标视频为用户上传视频或者全景摄像头拍摄视频；
5、将第一目标视频与灯珠节点进行匹配，生成每个灯珠节点的第一时序数据；
6、将第一时序数据输入至预设的第一神经网络模型，输出第一特征值；
7、将第一特征值输入至预设的第二神经网络模型，输出第二时序数据；
8、基于第二时序数据生成第一控制指令集，以使氛围灯控制器根据第一控制指令集对灯珠节点进行控制并产生氛围灯动效。
9、本发明提供的方法，用户可自定义上传diy视频，或者通过车外全景摄像头进行外部场景录制的视频，进行视频时序转化并输出氛围灯动效，为用户提供了更自由的氛围灯效diy功能，提升了成型氛围灯效果的自由度，满足用户个人的氛围灯体验需求。
10、在一种可能的实现方式中，第一时序数据包括第一色值参数和第一亮度值；将第一目标视频与灯珠节点进行匹配，生成每个灯珠节点的第一时序数据包括：
11、将第一目标视频划分成至少两个视频分区；其中，视频分区与灯珠节点一一对应；
12、获取每个视频分区的第一颜色直方图和第一亮度灰度图；
13、基于第一颜色直方图获取第一色值参数；
14、基于第一亮度灰度图获取第一亮度值。
15、在一种可能的实现方式中，在基于第二时序数据生成第一控制指令集，以使氛围灯控制器根据第一控制指令集对灯珠节点进行控制并产生氛围灯动效之后，还包括：
16、获取每个灯珠节点对应的实际氛围灯动效视频，并生成每个灯珠节点的第三时序数据；
17、将第三时序数据输入至第一神经网络模型，输出第二特征值；
18、将第二特征值和第一特征值代入预设的时序偏差函数，计算实际氛围灯动效视频与第一目标视频的时序偏差值，重复获取每个灯珠节点对应的实际氛围灯动效视频，并生成每个灯珠节点的第三时序数据的步骤，直至时序偏差值低于预设值。
19、在一种可能的实现方式中，第三时序数据包括第二色值参数和第二亮度值；获取每个灯珠节点对应的实际氛围灯动效视频，并生成每个灯珠节点的第三时序数据包括：
20、获取每个灯珠节点对应的实际氛围灯动效视频的第二颜色直方图和第二亮度灰度图；
21、基于第二颜色直方图获取第二色值参数；
22、基于第二亮度灰度图获取第二亮度值。
23、在一种可能的实现方式中，第一神经网络模型为卷积神经网络模型；卷积神经网络模型包括第一输入层、至少一个卷积池化模块、全连接层和激活层；其中，
24、第一输入层，用于输入第一时序数据；
25、每个卷积池化模块均包括双卷积层和最大池化层，最大池化层的输入端与双卷积层的输出端连接；
26、至少一个卷积池化模块顺次连接；前一个卷积池化模块中最大池化层的输出端与后一个卷积池化模块中双卷积层的输入端连接，第一个卷积池化模块中双卷积层的输入端与第一输入层的输出端连接，最后一个卷积池化模块中最大池化层的输出端与全连接层的输入端连接；
27、全连接层的输出端与激活层的输入端连接。
28、在一种可能的实现方式中，第一神经网络模型为循环神经网络模型；循环神经网络模型包括三个第二输入层、至少两个隐藏层以及至少两个输出层；其中，
29、三个第二输入层分别输入第一特征值、时序长度和样本数量；
30、每个第二输入层的输出端均与所有隐藏层的输入端连接；
31、每个隐藏层的输出端均与所有输出层的输入端连接。
32、在一种可能的实现方式中，在获取第一目标视频之前，还包括：
33、获取第二目标视频；其中，第二目标视频为开发者提供的氛围灯律动效果图；
34、将第二目标视频与灯珠节点进行匹配，生成每个灯珠节点的第四时序数据；
35、将第四时序数据输入至第一神经网络模型，输出第三特征值；
36、将第三特征值输入至第二神经网络模型，输出第五时序数据；
37、基于第五时序数据生成第二控制指令集；
38、基于第二控制指令集中进行氛围灯动效仿真，输出动效仿真结果。
39、在一种可能的实现方式中，响应于开发者基于动效仿真结果的修改操作，对与修改操作对应的仿真参数进行修改；
40、响应于开发者基于动效仿真结果的展示调整操作，对与修改操作对应的动效仿真结果进行展示调整。
41、第二方面，本发明提供一种整车控制器，包括处理器和存储器；存储器中存储有能够被处理器加载并执行如第一方面及其任一种可能的实现方式的氛围灯动效设计方法的计算机程序或计算机指令。
42、第三方面，本发明提供一种计算机可读存储介质，计算机可读存储介质中存储有能够被处理器加载并执行如第一方面及其任一种可能的实现方式的氛围灯动效设计方法的计算机程序或计算机指令。
43、本发明中第二方面和第三方面及其各种实现方式的具体描述，可以参考第一方面及其各种实现方式中的详细描述；并且，第二方面和第三方面及其各种实现方式的有益效果，可以参考第一方面及其各种实现方式中的有益效果分析，此处不再赘述。
1.一种氛围灯动效控制方法，其特征在于，包括：
2.根据权利要求1所述的氛围灯动效控制方法，其特征在于，所述第一时序数据包括第一色值参数和第一亮度值；所述将所述第一目标视频与灯珠节点进行匹配，生成每个所述灯珠节点的第一时序数据包括：
3.根据权利要求1所述的氛围灯动效控制方法，其特征在于，在所述基于所述第二时序数据生成第一控制指令集，以使氛围灯控制器根据所述第一控制指令集对所述灯珠节点进行控制并产生氛围灯动效之后，还包括：
4.根据权利要求3所述的氛围灯动效控制方法，其特征在于，所述第三时序数据包括第二色值参数和第二亮度值；所述获取每个所述灯珠节点对应的实际氛围灯动效视频，并生成每个所述灯珠节点的第三时序数据包括：
5.根据权利要求1至4任一项所述的氛围灯动效控制方法，其特征在于，所述第一神经网络模型为卷积神经网络模型；所述卷积神经网络模型包括第一输入层、至少一个卷积池化模块、全连接层和激活层；其中，
6.根据权利要求1至4任一项所述的氛围灯动效控制方法，其特征在于，所述第二神经网络模型为循环神经网络模型；所述循环神经网络模型包括三个第二输入层、至少两个隐藏层以及至少两个输出层；其中，
7.根据权利要求1至4任一项所述的氛围灯动效控制方法，其特征在于，在所述获取第一目标视频之前，还包括：
8.根据权利要求7所述的氛围灯动效控制方法，其特征在于，在所述基于所述第二控制指令集中进行氛围灯动效仿真，输出动效仿真结果之后，还包括：
9.一种整车控制器，其特征在于，包括处理器和存储器；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有能够被处理器加载并执行如权利要求1至8任一项所述氛围灯动效控制方法的计算机程序或计算机指令。
