基于融合特征的无人履带车辆道路类型识别方法

摘要：

无人履带车辆行驶路况复杂,将道路类型作为无人履带车辆悬架控制、自动换挡决策、路径规划等任务的先验信息,有利于提升车辆性能.针对使用单一信号识别道路类型环境适应性差或准确率低的问题,提出一种基于融合特征的道路类型识别方法,将图像的深度特征和悬置质量垂向加速度时域、频域、功率谱密度信号的统计特征相结合,利用机器学习分类算法实现道路类型识别.对单一特征和融合特征进行对比发现:融合特征实现了图像特征和悬置质量垂向加速度特征的互补,提高了道路类型识别的准确率和环境适应能力;融合特征方法与仅使用图像特征的方法实时性相差极小.对多种机器学习分类算法进行对比,试验结果表明:支持向量机和随机森林在准确性和实时性方面都表现优越,总体准确率均可以达到90％以上,识别速度可以达到14帧/s.

关键词：无人履带车辆、融合特征、机器学习、卷积神经网络、道路类型识别

所属期刊栏目：44

分类号：O235(控制论、信息论（数学理论）)

资助基金：武器装备预先研究项目20195208003

在线出版日期：2023-06-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1267-1276