[发明专利]使用递归自适应学习和验证的道路表面状况检测

摘要

本发明涉及使用递归自适应学习和验证的道路表面状况检测。一种用于为在道路上行驶的车辆确定道路表面状况的方法。基于采集场景的图像，由第一概率模块确定与多个道路表面状况相关联的概率。基于车辆操作数据，由第二概率模块确定与多个道路表面状况相关联的概率。由第一和第二概率模块确定的概率被输入到数据融合单元，以融合所述概率并且确定道路表面状况。从数据融合单元输出的优化概率，是融合的第一和第二概率的函数。来自数据融合单元的优化概率被提供给自适应学习单元。自适应学习单元产生输出命令，所述输出命令至少第一概率模块和第二概率模块的可调参数，用于确定相应概率。

主权项

1.一种用于为在道路上行驶的车辆确定道路表面状况的方法，所述方法包括以下步骤：基于所述道路的采集场景的图像由第一概率模块确定与多个道路表面状况相关联的概率；基于车辆操作数据由第二概率模块确定与所述多个道路表面状况相关联的概率；将由所述第一概率模块确定的概率和由所述第二概率模块确定的概率输入到数据融合和决策制定单元，以融合由第一和第二概率模块确定的概率；基于由所述数据融合和决策制定单元产生的融合结果，确定道路表面状况；从所述数据融合和决策制定单元输出与识别的道路表面状况相关联的优化概率，其是融合的第一和第二概率的函数；以及将来自所述数据融合和决策制定单元的优化概率提供给自适应学习单元，所述自适应学习单元产生输出命令，所述输出命令优化至少所述第一概率模块和第二概率模块的可调参数，用于确定相应概率，其中，由所述第二概率模块确定概率包括以下步骤：由车辆传感装置监控车辆操作状况；产生改变车辆操作状况的激励以获得车辆响应；将所述激励和车辆响应输入到车辆参考模型；以及基于来自车辆参考模式的输出确定所述多个道路表面状况的每一个的概率。