基于HMM的前方道路—轮胎附着特性预测研究

发布时间：2024-02-27 20:19

　　路面附着特性辨识一直是汽车主动安全系统研究的重点,随着智能驾驶的发展,智能汽车对路面附着特性辨识方法提出了新的要求,需要对前方道路-轮胎附着特性进行准确预估以提高智能汽车行驶的安全性。针对这一问题,本文研究将利用智能汽车获取的前方道路图像信息和路面附着特性辨识原理,利用概率统计模型隐马尔可夫模型对智能汽车前方规划行驶区域附着信息进行准确估计。首先,分析常见行驶路面的纹理和颜色特征,对常见的路面图像进行处理和特征提取。利用灰度共生矩阵(GLCM)和HSV颜色空间分别提取典型路面图像纹理和颜色特征参数并进行分析,采取能量、熵、惯性矩、相关性四种纹理特征参数和色调、饱和度、亮度三种颜色特征参数来表征典型路面的图像特征,作为隐马尔可夫模型建模的输入参数。然后,分析传统的路面附着特性估计算法的原理,利用Burckhardt轮胎-路面模型拟合出六种典型路面μ-s曲线,得出常见路面与附着特性之间的关系。并在此基础上,设计了一种新型的适用于不同路面的当前路面峰值附着系数辨识算法,并在Carsim/Simulink中进行联合仿真,仿真结果表明提出的辨识算法能够有效的估计出给定的不同路面所隐藏的峰值附着系...

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

图1.1路面识别方法图

置来探测车辆周围的障碍物信息、盲区信息和路面状态信息等[5]，所以智线的道路-轮胎附着力特性的准确识别也是智能驾驶的环境感知模块亟。尤其是智能汽车在中高速行驶时，由于缺乏驾驶员对前方路况的准确能汽车能够充分利用车载雷达、摄像头等传感器对前方道路隐藏的力学测，给智能汽车留有安全的决....

图1.2本文研究技术路线

图1.2本文研究技术路线Fig.1.2Technicalrouteofresearch中，有三项关键技术需要重点研究，如图1.3所示。图1.3三项关键技术Fig.1.3Threekeytechnologies：路图像特征提取与分析

图1.3三项关键技术Fig.1.3Threekeytechnologies

图1.3三项关键技术Fig.1.3Threekeytechnologies下：路图像特征提取与分析技术是典型路面图像特征的提取与分析。如何对CCD相行提取，运用哪些特征参数能够最有效表达路面图像的性隐马尔可夫建模的前提与关键。辆动力学响应的当前道路-轮胎附着特性辨识....

图2.1RGB彩色立方体

江苏大学硕士学位论文最明显最重要的特征之一，它反映一幅图像整不变性[37]，在图像旋转、放大或缩小时，它的鲁棒性好，算法简单易实现等优点，所以得到颜色空间是最简单有效的一种方案，它用数学常见的颜色空间有HSV颜色空间、RGB颜色间只是一种媒介，要想实现对图像颜色特征的然后量....

本文编号：3912924