[发明专利]一种基于多源传感器信息融合的非结构化路面类型识别方法

权利要求书

1.一种基于多源传感器信息融合的非结构化路面类型识别方法，其特征在于：其方法如下所述：

步骤一、搭建多源传感器同步数据采集平台,同步采集汽车行驶在多种路面上的路面图像、车辆状态和GPS信息；多源传感器包括视觉传感器、组合惯导和加速度计，视觉传感器为单目相机或双目相机，并且标定相机的内外参数；

多源传感器同步数据采集平台是由测试车辆、惯导设备、模组相机、车载CAN总线、实时控制器和一台上位机组成，其中测试车辆上的多源传感器、惯导设备和车载CAN总线与实时控制器相连接，测试车辆上的多源传感器、惯导设备和车载CAN总线向实时控制器传输采集的数据信息，实时控制器和模组相机与上位机相连接，需要采集的数据信息有模组相机生成的彩色图像、惯导设备采集的车辆位置与位姿信息、车载CAN总线中传输的车辆动力学信息和车辆操作信息、以及测试车辆的加速度计测量的车轮振动加速度信息，模组相机和实时控制器的采样周期设置为100ms，车载CAN总线的采样周期设置为10ms，采集的非结构化道路类型包括有冰雪路、土路和沙地数种非结构化道路路面，惯导设备的型号为OxTSRT3002的组合惯导，模组相机的型号为Logitech高清网络摄像头；实时控制器的型号为dSPACE MicroAutobox，上位机为便携式计算机；

步骤二、实现路面图像数据与车辆动力学状态数据的时空对齐；实现路面图像数据与车辆动力学状态数据的时空对齐的具体步骤如下：

第一步、通过GPS时间戳实现路面图像数据与车辆动力学状态数据同步；

第二步、通过车辆纵向速度对时间积分计算车辆行驶里程，实现路面图像数据与车辆状态数据的空间上的一一对应，保证图像信息和车辆动力学状态数据是路面上对应的是同一段路面；

步骤三、对采集的图像信息进行预处理，训练非结构化道路路面第一分类器，输出路面图像所属类别；预处理指的是对图像的增强和降噪的处理，训练第一分类器方法包括支持向量机或随机森林或神经网络的方法；

步骤四、利用提取的车辆状态信号特征，估计对应非结构化路面的滚动阻力、附着系数和坡度参数；车辆状态信号特征的提取是将车载传感器中采集得到的车辆信息，提取其时域和频域特征，作为道路参数估计的依据；

步骤五、在第一分类器的分类结果基础上结合步骤四估计出的对应非结构化路面的滚动阻力、附着系数和坡度参数对基于机理的参数估计方法进行参数修正，得出另一路面类型识别结果，此分类器记为第二分类器；结合步骤四估计出的对应非结构化路面的滚动阻力、附着系数和坡度参数对基于机理的参数估计算法进行参数修正方法如下：

一、冰雪路面识别：同时满足以下两点条件则识别为冰雪路面；

(1)、温度低于0摄氏度；

(2)、估算的路面附着系数小于0.2；

二、土路识别：满足如下任何一点时，识别为土路；

(1)、轮速波动同时满足：

A、两个以上车轮速度波动次数超过门限；

B、满足上述条件的行驶距离超过门限；

(2)、侧向加速度波动同时满足：

A、侧向加速度波动能量超过门限；

B、1s内侧向加速度波动次数介于1-2之间；

C、满足上述条件的行驶距离超过门限；

轮速波动、侧向加速度和行驶距离分别预设两个门限值，即门限的小值和门限的大值，当视觉分类结果判断前方道路为土路时，轮速波动门限、侧向加速度门限和行驶距离门限均取预设门限的小值；当视觉分类结果判断前方道路非土路时，各门限均取预设门限的大值；

三、沙地识别：

通过计数器门限值判断路面类型，计数器加减步长实时改变计数器值，并与预设门限比较，从而完成沙地路面类型的识别，具体步骤如下：

首先从车辆CAN总线上获得典型行驶特征计算所需要的输入信号，将其传递给滚动阻力计算模型和轮速波动指标计算模型得到车轮滚动阻力和轮速波动，其中滚动阻力计算模型和轮速波动指标计算模型通过Matlab的Simulink工具建立，然后基于车轮滚动阻力和轮速波动两个典型行驶特征，由计数器递增步长模糊规则得到计数器递增步长，由递减步长模糊规则输出计数器递减步长，最后，沙地识别逻辑根据输入的递增步长、递减步长以及车辆其他运动信息，判断计数器的增减方向并实时更新计数器值，并与预设的门限值进行比较，当超过门限时识别为沙地；

步骤六、将第一分类器和第二分类器的路面类型结果进行融合得到最终路面类型识别结果。

2.根据权利要求1所述的一种基于多源传感器信息融合的非结构化路面类型识别方法，其特征在于：所述的步骤六中结果融合基本原则如下：

1)、当视觉识别为沙地时，以视觉结果识别为准；

2)、当视觉识别结果为不确定时，以动力学方法道路类型识别为准；

3)、当力学方法道路类型识别结果为铺装路时，以视觉识别结果为准；

4)、其它情况，以考虑视觉路面分类结果的动力学方法道路类型识别为准。