科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
