發(fā)布時(shí)間：2024-02-27 20:19

　　路面附著特性辨識(shí)一直是汽車(chē)主動(dòng)安全系統(tǒng)研究的重點(diǎn),隨著智能駕駛的發(fā)展,智能汽車(chē)對(duì)路面附著特性辨識(shí)方法提出了新的要求,需要對(duì)前方道路-輪胎附著特性進(jìn)行準(zhǔn)確預(yù)估以提高智能汽車(chē)行駛的安全性。針對(duì)這一問(wèn)題,本文研究將利用智能汽車(chē)獲取的前方道路圖像信息和路面附著特性辨識(shí)原理,利用概率統(tǒng)計(jì)模型隱馬爾可夫模型對(duì)智能汽車(chē)前方規(guī)劃行駛區(qū)域附著信息進(jìn)行準(zhǔn)確估計(jì)。首先,分析常見(jiàn)行駛路面的紋理和顏色特征,對(duì)常見(jiàn)的路面圖像進(jìn)行處理和特征提取。利用灰度共生矩陣(GLCM)和HSV顏色空間分別提取典型路面圖像紋理和顏色特征參數(shù)并進(jìn)行分析,采取能量、熵、慣性矩、相關(guān)性四種紋理特征參數(shù)和色調(diào)、飽和度、亮度三種顏色特征參數(shù)來(lái)表征典型路面的圖像特征,作為隱馬爾可夫模型建模的輸入?yún)?shù)。然后,分析傳統(tǒng)的路面附著特性估計(jì)算法的原理,利用Burckhardt輪胎-路面模型擬合出六種典型路面μ-s曲線(xiàn),得出常見(jiàn)路面與附著特性之間的關(guān)系。并在此基礎(chǔ)上,設(shè)計(jì)了一種新型的適用于不同路面的當(dāng)前路面峰值附著系數(shù)辨識(shí)算法,并在Carsim/Simulink中進(jìn)行聯(lián)合仿真,仿真結(jié)果表明提出的辨識(shí)算法能夠有效的估計(jì)出給定的不同路面所隱藏的峰值附著系...

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1路面識(shí)別方法圖

置來(lái)探測(cè)車(chē)輛周?chē)恼系K物信息、盲區(qū)信息和路面狀態(tài)信息等[5]，所以智線(xiàn)的道路-輪胎附著力特性的準(zhǔn)確識(shí)別也是智能駕駛的環(huán)境感知模塊亟。尤其是智能汽車(chē)在中高速行駛時(shí)，由于缺乏駕駛員對(duì)前方路況的準(zhǔn)確能汽車(chē)能夠充分利用車(chē)載雷達(dá)、攝像頭等傳感器對(duì)前方道路隱藏的力學(xué)測(cè)，給智能汽車(chē)留有安全的決....

圖1.2本文研究技術(shù)路線(xiàn)

圖1.2本文研究技術(shù)路線(xiàn)Fig.1.2Technicalrouteofresearch中，有三項(xiàng)關(guān)鍵技術(shù)需要重點(diǎn)研究，如圖1.3所示。圖1.3三項(xiàng)關(guān)鍵技術(shù)Fig.1.3Threekeytechnologies：路圖像特征提取與分析

圖1.3三項(xiàng)關(guān)鍵技術(shù)Fig.1.3Threekeytechnologies

圖1.3三項(xiàng)關(guān)鍵技術(shù)Fig.1.3Threekeytechnologies下：路圖像特征提取與分析技術(shù)是典型路面圖像特征的提取與分析。如何對(duì)CCD相行提取，運(yùn)用哪些特征參數(shù)能夠最有效表達(dá)路面圖像的性隱馬爾可夫建模的前提與關(guān)鍵。輛動(dòng)力學(xué)響應(yīng)的當(dāng)前道路-輪胎附著特性辨識(shí)....

圖2.1RGB彩色立方體

江蘇大學(xué)碩士學(xué)位論文最明顯最重要的特征之一，它反映一幅圖像整不變性[37]，在圖像旋轉(zhuǎn)、放大或縮小時(shí)，它的魯棒性好，算法簡(jiǎn)單易實(shí)現(xiàn)等優(yōu)點(diǎn)，所以得到顏色空間是最簡(jiǎn)單有效的一種方案，它用數(shù)學(xué)常見(jiàn)的顏色空間有HSV顏色空間、RGB顏色間只是一種媒介，要想實(shí)現(xiàn)對(duì)圖像顏色特征的然后量....

本文編號(hào)：3912924