CN110427026A - 一种轮胎道路摩擦的确定方法及装置 - Google Patents
一种轮胎道路摩擦的确定方法及装置 Download PDFInfo
- Publication number
- CN110427026A CN110427026A CN201910637572.3A CN201910637572A CN110427026A CN 110427026 A CN110427026 A CN 110427026A CN 201910637572 A CN201910637572 A CN 201910637572A CN 110427026 A CN110427026 A CN 110427026A
- Authority
- CN
- China
- Prior art keywords
- road
- road area
- friction
- area
- coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000011218 segmentation Effects 0.000 claims description 28
- 238000012549 training Methods 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 5
- 230000003068 static effect Effects 0.000 claims description 5
- 239000000523 sample Substances 0.000 description 18
- 238000001931 thermography Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 239000000463 material Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 235000012149 noodles Nutrition 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
- G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0248—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供了一种轮胎道路摩擦的确定方法及装置。所述方法包括:获取道路的热图像和非热图像;确定热图像和非热图像中的道路区域;根据热图像中道路区域各个像素点对应的温度,确定道路区域的路面类型;确定所述非热图像中道路区域的宏观结构;根据所述道路区域的摩擦因素,确定轮胎与所述道路区域对应的道路之间的摩擦系数。应用本申请实施例提供的方案,可以提供能更准确地反映车辆附近路面情况的路面参数。
Description
技术领域
本申请涉及自动驾驶技术领域,特别是涉及一种轮胎道路摩擦的确定方法及装置。
背景技术
自主和辅助驾驶技术是通过控制系统控制车辆行驶,不需要或只需要少量人工操控的一种技术。自主和辅助驾驶车辆的应用正在逐渐地改变着人们的生活。在对车辆进行控制时,控制系统需要对路况和车辆周围的情况进行感知。
现有技术中,控制系统通常会拍摄车辆前方的道路图像,根据道路图像中的纹理检测道路图像中道路结构,例如道路是石子路结构还是柏油路结构等,根据道路结构控制车辆行驶。虽然获得道路类型能够提高控制系统驾驶车辆时的准确性,但是道路结构这种路面参数对路面情况的感知仍旧比较肤浅,并不能很准确地反映车辆附近的路面情况。
发明内容
本申请实施例的目的在于提供了一种轮胎道路摩擦的确定方法及装置,以提供能更准确地反映车辆附近路面情况的路面参数。
第一方面,本发明实施例提供了一种轮胎道路摩擦的确定方法,所述方法包括:
获取道路的热图像和非热图像;
确定所述热图像和非热图像中的道路区域;
根据所述热图像中道路区域各个像素点对应的温度,确定所述道路区域的路面类型;
确定所述非热图像中道路区域的宏观结构;
根据所述道路区域的摩擦因素,确定轮胎与所述道路区域对应的道路之间的摩擦系数,其中,所述道路区域的摩擦因素包括:根据预设的与所述路面类型对应的摩擦系数公式,或者,所述道路区域的摩擦因素包括:预设的与所述路面类型对应的摩擦系数公式和所述道路区域的宏观结构。
可选的,一种具体实现方式中,所述根据所述热图像中道路区域各个像素点对应的温度,确定所述道路区域的路面类型的步骤,包括:
将所述热图像中的道路区域以及该道路区域的各个像素点对应的温度输入区域分割模型;其中,所述区域分割模型用于根据所述区域分割模型训练完成时得到的参数,以及输入的道路区域的各个像素点对应的温度对输入的道路区域进行分割,得到道路区域对应的路面类型;所述区域分割模型为预先根据样本热图像训练完成;
获取所述区域分割模型输出的所述道路区域的路面类型。
可选的,一种具体实现方式中,所述区域分割模型采用以下方式训练得到:
根据E(x)=U(x)+pW(x),训练完成;其中,x为所述样本热图像中道路区域的各个像素点对应的温度,所述i和j分别为所述像素点的行坐标和列坐标,所述p为预设的第一权重系数,所述q为预设的第二权重系数。
可选的,一种具体实现方式中,
当所述路面类型为潮湿类型时,所述道路区域的摩擦因素包括:预设的与所述路面类型对应的摩擦系数公式和所述道路区域的宏观结构;所述根据所述道路区域的摩擦因素,确定轮胎与所述道路区域对应的道路之间的摩擦系数的步骤,包括:
根据或确定轮胎与所述道路区域对应的道路之间的摩擦系数μ;其中,μ0是静态摩擦系数,所述S为滑动速度,Sp是根据所述道路区域的宏观结构预先确定的结构系数,μpeak是峰值摩擦等级,Speak是车辆在峰值摩擦力处的滑动速度,所述C是与所述道路区域的宏观结构相关的形状因素;
当所述路面类型为积雪类型时,所述道路区域的摩擦因素包括:预设的与所述路面类型对应的摩擦系数公式;所述根据所述道路区域的摩擦因素,确定轮胎与所述道路区域对应的道路之间的摩擦系数的步骤,包括:
根据μ(T)=0.11-0.0052T+0.0002A或μ(T)=0.10-0.0052T+0.00016A,确定轮胎与所述道路区域对应的道路之间的摩擦系数μ;其中,所述A为预设参数,所述A<1000g/m2,所述T是所述道路区域的温度,当车辆为第一类型的车辆时,选择μ(T)=0.11-0.0052T+0.0002A确定轮胎与所述道路区域对应的道路之间的摩擦系数μ;当车辆为第二类型的车辆时,选择μ(T)=0.10-0.0052T+0.00016A确定轮胎与道路区域对应的道路之间的摩擦系数μ。
可选的,一种具体实现方式中,所述获取道路的热图像和非热图像的步骤,包括:
采集道路的初始热图像和初始非热图像;
获取惯性传感器IMU采集的车辆行驶参数;
根据所述车辆行驶参数,对所述初始热图像和初始非热图像进行去除模糊处理,得到处理后的热图像和处理后的非热图像。
可选的,一种具体实现方式中,所述确定所述热图像和非热图像中的道路区域的步骤,包括:
根据预设的道路特征,检测所述非热图像中的道路区域;
根据所述热图像和非热图像之间的位置对应关系,以及所述非热图像中的道路区域,确定所述热图像中的道路区域。
可选的,一种具体实现方式中,所述确定所述非热图像中道路区域的宏观结构的步骤,包括:
提取所述非热图像中道路区域的纹理特征;
将所述纹理特征与预先建立的宏观结构库进行匹配,得到所述道路区域的宏观结构;其中,宏观结构库,用于存储道路的各个宏观结构与纹理特征之间的对应。
第二方面,本发明实施例提供了一种轮胎道路摩擦的确定装置,所述装置包括:
图像获取模块,用于获取道路的热图像和非热图像;
道路确定模块,用于确定所述热图像和非热图像中的道路区域;
类型确定模块,用于根据所述热图像中道路区域各个像素点对应的温度,确定所述道路区域的路面类型;
结构确定模块,用于确定所述非热图像中道路区域的宏观结构;
摩擦确定模块,用于根据所述道路区域的摩擦因素,确定轮胎与所述道路区域对应的道路之间的摩擦系数,其中,所述道路区域的摩擦因素包括:根据预设的与所述路面类型对应的摩擦系数公式,或者,所述道路区域的摩擦因素包括:预设的与所述路面类型对应的摩擦系数公式和所述道路区域的宏观结构。
可选的,一种具体实现方式中,所述类型确定模块具体用于:
将所述热图像中的道路区域以及该道路区域的各个像素点对应的温度输入区域分割模型;其中,所述区域分割模型用于根据所述区域分割模型训练完成时得到的参数,以及输入的道路区域的各个像素点对应的温度对输入的道路区域进行分割,得到道路区域对应的路面类型;所述区域分割模型为预先根据样本热图像训练完成;获取所述区域分割模型输出的所述道路区域的路面类型。
可选的,一种具体实现方式中,所述区域分割模型采用以下方式训练得到:
根据E(x)=U(x)+pW(x),训练完成;其中,x为所述样本热图像中道路区域的各个像素点对应的温度,所述i和j分别为所述像素点的行坐标和列坐标,所述p为预设的第一权重系数,所述q为预设的第二权重系数。
可选的,一种具体实现方式中,当所述路面类型为潮湿类型时,所述道路区域的摩擦因素包括:预设的与所述路面类型对应的摩擦系数公式和所述道路区域的宏观结构,所述摩擦确定模块具体用于:
根据或确定轮胎与所述道路区域对应的道路之间的摩擦系数μ;其中,μ0是静态摩擦系数,所述S为滑动速度,而Sp是根据所述道路区域的宏观结构预先确定的系数,μpeak是峰值摩擦等级,Speak是车辆在峰值摩擦力处的滑动速度,所述C是与所述道路区域的宏观结构相关的形状因素;
当所述路面类型为积雪类型时,所述道路区域的摩擦因素包括:预设的与所述路面类型对应的摩擦系数公式,所述摩擦确定模块具体用于:
根据μ(T)=0.11-0.0052T+0.0002A或μ(T)=0.10-0.0052T+0.00016A,确定轮胎与所述道路区域对应的道路之间的摩擦系数μ;其中,所述A为预设参数,所述A<1000g/m2,所述T是所述道路区域的温度,当车辆为第一类型的车辆时,选择μ(T)=0.11-0.0052T+0.0002A确定轮胎与所述道路区域对应的道路之间的摩擦系数μ;当车辆为第二类型的车辆时,选择μ(T)=0.10-0.0052T+0.00016A确定轮胎与道路区域对应的道路之间的摩擦系数μ。
可选的,一种具体实现方式中,所述图像获取模块具体用于:
采集道路的初始热图像和初始非热图像;获取惯性传感器IMU采集的车辆行驶参数;根据所述车辆行驶参数,对所述初始热图像和初始非热图像进行去除模糊处理,得到处理后的热图像和处理后的非热图像。
可选的,一种具体实现方式中,所述道路确定模块具体用于:
根据预设的道路特征,检测所述非热图像中的道路区域;根据所述热图像和非热图像之间的位置对应关系,以及所述非热图像中的道路区域,确定所述热图像中的道路区域。
可选的,一种具体实现方式中,所述结构确定模块具体用于:
提取所述非热图像中道路区域的纹理特征;将所述纹理特征与预先建立的宏观结构库进行匹配,得到所述道路区域的宏观结构;其中,宏观结构库,用于存储道路的各个宏观结构与纹理特征之间的对应。
第三方面,本发明实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述第一方面提供的任一轮胎道路摩擦的确定方法的步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面提供的任一轮胎道路摩擦的确定方法的步骤。
本申请实施例提供的轮胎道路摩擦的确定方法及装置,可以确定热图像和非热图像中的道路区域,根据热图像中道路区域各个像素点对应的温度,确定道路区域的路面类型,确定非热图像中道路区域的宏观结构,根据预设的与路面类型对应的摩擦系数公式,以及道路区域的宏观结构,确定轮胎与道路区域对应的道路之间的摩擦系数。本申请实施例能够根据道路区域的宏观结构和对应的摩擦系数公式,确定轮胎与道路之间的摩擦系数。在车辆行驶过程中,车辆的行驶速度、驱动力控制、打滑等行驶状况均和轮胎与道路之间的摩擦系数实质相关。相比于道路表面结构,轮胎与道路之间的摩擦系数对于车辆驾驶控制来说是更深层次的路面参数,因此能更准确地反映车辆附近路面的情况。当然,实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的轮胎道路摩擦的确定方法的一种流程示意图;
图2a为本申请实施例提供的热图像和非热图像的一种参考图;
图2b为本申请实施例提供的几种路面的宏观结构参考图;
图2c为本申请实施例提供的不同尺寸的宏观结构直方图;
图3为本申请实施例提供的轮胎道路摩擦的确定装置的一种结构示意图;
图4为本申请实施例提供的电子设备的一种结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例仅仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了提供能更准确地反映车辆附近路面情况的路面参数,本申请实施例提供了一种轮胎道路摩擦的确定方法及装置。本申请实施例可以应用于电子设备,该电子设备可以为普通计算机、服务器、智能移动设备、车载控制设备等具有计算处理能力的设备。下面通过具体实施例,对本申请进行详细说明。
图1为本申请实施例提供的轮胎道路摩擦的确定方法的一种流程示意图,其包括如下步骤:
步骤S101:获取道路的热图像和非热图像。
其中,热图像是由热成像单元采集的图像,热成像单元可以为热成像仪等设备。非热图像可以理解为除了热图像之外的普通图像,例如RGB(红、绿、蓝)图像或YUV(亮度、色度)图像等。非热图像可以为普通图像采集单元采集的图像,普通图像采集单元可以为普通的摄像头、摄像机等。热图像和非热图像的图像采集范围相同,采集图像时的视场相同。
本实施例中,电子设备内部可以包括热成像单元和/或非热成像单元,也可以不包括热成像单元和/或非热成像单元。
在获取道路的热图像时,当电子设备内部包括热成像单元时,可以直接获取热成像单元采集的热图像;当电子设备内部不包括热成像单元时,可以向热成像单元发送热图像获取请求,接收热成像单元发送的热图像。
在获取道路的非热图像时,当电子设备内部非热成像单元时,可以直接获取非热成像单元采集的非热图像;当电子设备内部不包括非热成像单元时,可以向非热成像单元发送热图像获取请求,接收热成像单元发送的热图像。
参见图2a,图2a为热图像和非热图像的一种参考图,其中,左侧图像为非热图像,右侧图像为热图像。
步骤S102:确定热图像和非热图像中的道路区域。
本步骤中,可以将热图像和非热图像中的指定区域确定为道路区域。例如,可以将热图像和非热图像中的指定梯形区域确定为道路区域。
也可以是,根据预设的道路特征,检测非热图像中的道路区域;根据热图像和非热图像之间的位置对应关系,以及非热图像中的道路区域,确定热图像中的道路区域。
上述预设的道路特征可以为,道路的颜色特征和/或道路的边缘特征等。检测得到道路区域,可以理解为检测得到道路区域的坐标范围。
当热图像和非热图像的图像采集范围相同,视场相同时,热图像和非热图像之间的位置是一一对应的。当从非热图像中检测出道路区域时,可以将非热图像中道路区域的坐标范围作为热图像中道路区域的坐标范围,该坐标范围也是热图像中道路区域的位置。
例如,在非热图像中检测出道路区域为以(2,5),(2,20)(30,7),(30,27)为顶点的不规则四边形区域,那么对应的热图像中的道路区域也为:以(2,5),(2,20)(30,7),(30,27)为顶点的不规则四边形区域。
步骤S103:根据热图像中道路区域各个像素点对应的温度,确定道路区域的路面类型。
热图像是光学成像物镜接收被测目标的红外辐射能量并将该能量映射到红外探测器的光敏元件后形成的图像。这种热图像中的像素值与物体表面的热分布场相对应。热图像上的不同颜色代表被测物体的不同温度。
本步骤中,可以根据预设的热图像中道路区域各个像素点对应的温度,确定道路区域的路面类型。路面类型可以包括潮湿类型、积雪类型、干燥类型、结冰类型等。其中,干燥类型的路面可以认为是第一类型的路面,潮湿类型、积雪类型、结冰类型的路面可以认为是第二类型的路面。这些路面类型在非热图像中难以识别,而根据热图像中像素点对应的温度可以识别路面类型。
在一种具体实施方式中,本步骤可以将热图像中的道路区域以及该道路区域的各个像素点对应的温度输入区域分割模型,获取区域分割模型输出的该道路区域的路面类型。
其中,该区域分割模型用于根据区域分割模型训练完成时得到的参数,以及输入的道路区域的各个像素点对应的温度对输入的道路区域进行分割,得到道路区域对应的路面类型。
该区域分割模型为预先根据样本热图像训练完成。在训练时,可以预先获取大量样本热图像,并从样本热图像中确定样本热图像的地面区域,并将样本热图像的地面区域输入区域分割模型。在从样本热图像中确定地面区域时,可以采用人工标记的方式确定。
在训练区域分割模型时,可以根据预设的能量函数E(x)=U(x)+pW(x),通过优化各个对应像素区域分割方式来最小化能量函数。
其中,p是预设的第一权重系数,x是样本热图像中道路区域的各个像素点对应的温度;
U(x)为根据各个设定区域的温度来量度各个像素所在区域的是不同设定区域的概率,U(x)=∑s-lnP(s|x),其中,s∈L,L为各个设定区域的标签集合。
W(x)为量度各个设定区域的连接性的平滑项,该平滑项可以提高确定的区域范围的完整。为了增加检测到的各类型的路面区域的一致性,平滑项可以保证一个确定的区域足够大以对应有意义的路面区域,避免小的无意义的斑块,并改善各类型区域的精确性。其中,i和j分别为像素点的行坐标和列坐标,q为预设的第二权重系数,用来调整xi和xj的温度差对分割边界的影响。该平滑项考虑了像素点之间的温度差和像素点之间距离。其中,像素点之间的距离在避免过度分割方面起到更重要的作用。同时,期望通过可通行和不可通行区域之间的内能U(s,x)=DKL(PX|Y=road(x)||PX|Y=water/ice/frost(x))来测量第二类型的路面区域和路面的温度分布之间的差异是最大的。通过相对熵(Kullback-Leibler divergence)来测量分布的差异,以确保可通过和不可通过区域之间的深度差异是显著的。
在训练过程中,可以采用图像切割算法来优化能量函数。整体优化过程如下:样本热图像中所有道路区域首先被假定为第一类型的路面区域,通过设定温度分割阈值,将样本热图像的道路区域分割成第一类型的路面区域和第二类型的路面区域。第一类型的路面区域对应正常温度范围的区域,而第二类型的路面区域对应过高或者过低的温度范围的区域。过高或者过低的温度范围是相对于正常温度范围过高或过低的范围。根据初始认定,第一类型的路面区域和第二类型的路面区域的标签s,将使用图像切割(GraphCut)算法来优化以最小化能量函数。
步骤S104:确定非热图像中道路区域的宏观结构。
其中,道路的宏观结构是指图像中道路区域像素点的不规则性的纹理特征。宏观结构可以采用道路图像区域中像素点。宏观结构可以采用不同大小和形状的图像像素点区域的数量和分布来表示。宏观结构可以通过光学相机捕获并利用边界检测和纹理提取图像处理算法得到。
本步骤具体可以为,提取非热图像中道路区域的纹理特征,将该纹理特征与预先建立的宏观结构库进行匹配,得到该道路区域的宏观结构。宏观结构库用于存储道路的各个宏观结构与纹理特征之间的对应。
路面的宏观结构指的是路面的不平整构造,其波长范围为10-3~10-1m。宏观结构可以为轮胎与路面之间相互作用的水提供必要的溢流通道,能够减少湿路打滑。宏观结构在摩擦、滚动阻力、水流出和光反射中可以起到重要作用。因此,分析路面的宏观结构对于潮湿天气下的行驶安全来说很重要,尤其是当驾驶速度很高时。路面的粗糙度,指的是比大型结构更大的表面不平整构造,并且其对滚动阻力的影响比对滑动阻力的影响更大。现有技术中,对道路微观结构和宏观结构的分析方法依赖于专用的激光器装置。
在一种实施方式中,可以通过评估路面的结构和反射来估计道路区域的宏观结构。具体的,可以应用具有路面图像的各种阈值的Sobel算子(Sobel filter)来识别不同大小的结构特征。图2b为提取的宏观结构的一个示例性结果。其中,可以从图2b右侧的三种类型的路面图像中得到左侧对应的不同尺寸的特征边缘图。这种方法能够在金字塔搜索中有效实施,其中场景图像被二次采样并平滑化为不同的分辨率。然后,在原始的图像和二次采样的图像中使用具有相同阈值的Sobel算子来进行宏观特征的搜索。图2c所示为对应不同尺寸的宏观结构的直方图。宏观结构可以通过统计不同大小和形状的图像像素点区域的数量和分布来确定。
宏观结构直接对应路面在干燥和潮湿情况下的摩擦系数。整体路面的摩擦系数将根据各个宏观结构进行拟合和调整。
步骤S105:根据上述道路区域的摩擦因素,确定轮胎与上述道路区域对应的道路之间的摩擦系数;
其中,上述道路区域的摩擦因素包括:根据预设的与路面类型对应的摩擦系数公式,或者,上述道路区域的摩擦因素包括:预设的与路面类型对应的摩擦系数公式和道路区域的宏观结构。
具体的,摩擦系数为综合考虑路面情况和轮胎状态的参数。当轮胎状态已知时,可以预先根据轮胎状态得到与路面类型对应的摩擦系数公式。其中,轮胎状态可以包括轮胎的粗糙程度参数、轮胎的形变量和轮胎的弹性系数。轮胎的形变量能够根据车辆的重量和预设的轮胎弹性系数确定。或者轮胎状态可测,摩擦系数可根据轮胎状态稍微调整。
其中,可以针对每种轮胎状态,采集该轮胎状态所对应的摩擦系数,进而,构建训练样本集合,从而通过模型训练,利用回归方法建立轮胎状态与摩擦系数之间的映射关系。
轮胎与道路之间的摩擦系数,对于车辆主动安全系统是很重要的,并且轮胎与路面之间的摩擦是车辆动态的安全裕度的有效措施。路面与轮胎之间摩擦的计算对于车辆安全和控制是非常重要的,尤其是当路面由于存在水或雪而湿滑时。因此,摩擦系数是体现道路的黏着力等级和安全性的关键参数。最大轮胎与道路之间的摩擦系数的估计能够预测危险状况,使得车辆的控制系统能够改变其驾驶方式以防止突发状况。由于国际摩擦指标(International Friction Index,IFI)的标准,如果已知车辆速度和有效摩擦系数,则能够测量滑动阻力,并且宏观结构测量在滑动阻力测量中变得更加重要。根据公式d=V2/254μ可以近似计算停车距离d,其中,V为车辆速度,μ为摩擦系数。
道路的黏着力等级就多种影响因素而言是复杂的,包括表面状况、轮胎规格和车辆规格。轮胎与道路之间的摩擦通常通过基于起因的方法和基于效果的方法来估计,其中基于起因的估计实现了高精确度。本实施例中,可以采用基于分割的路面区域、所分析的宏观结构和测量的路面温度来探究基于起因的摩擦系数估计。相关实验已证明,在正常天气状况下,与特定路面相关联的滑动阻力值通常是恒定的。并且,由于干燥的路面被认为提供足以避免打滑问题的滑动阻力,因此滑动阻力通常被视为潮湿路面的关注点。因此,确定轮胎与道路之间的摩擦系数在车辆驾驶方法非常重要。
路面温度是影响摩擦系数的另一个重要因素。这是冰面温度决定可获得的牵引力大小的指示。由于初始跟踪温度增加,在轮胎-冰交界面上可以检测到较小的摩擦系数。
路面可以被分割为第一类型的路面区域(例如沥青区域)和第二类型的路面区域(例如水、冰、霜区域)。第二类型的路面区域的摩擦系数主要由表面温度来确定。规则的第一类型的路面区域的摩擦系数一般是恒定的,但是其在下雨天气中取决于宏观结构。
当路面类型为潮湿类型时,上述道路区域的摩擦因素包括:预设的与所述路面类型对应的摩擦系数公式和所述道路区域的宏观结构,进而本步骤可以为:
根据或确定轮胎与道路区域对应的道路之间的摩擦系数μ。
其中,μ0是静态摩擦系数,S为滑动速度,而Sp是根据道路区域的宏观结构预先确定的与道路区域的宏观结构相关的系数。具体的,在确定Sp时,可以根据道路区域的宏观结构从预设的宏观结构与道路材料的对应关系中确定目标道路材料,从用于存储各种道路材料与结构系数的对应关系的数据库中确定目标道路材料对应的结构系数Sp。μpeak是峰值摩擦等级,Speak是车辆在峰值摩擦力处的滑动速度。而C是与所述道路区域的宏观结构相关的形状因素,具体的,在确定C时,可以根据道路区域的宏观结构从预设的宏观结构与道路材料的对应关系中确定目标道路材料,从用于存储各种道路材料与结构系数的对应关系的数据库中确定与所述道路区域的宏观结构相关的形状因素C。
当路面类型为积雪类型时,上述道路区域的摩擦因素包括:预设的与所述路面类型对应的摩擦系数公式,进而本步骤可以为:
根据μ(T)=0.11-0.0052T+0.0002A或μ(T)=0.10-0.0052T+0.00016A,确定轮胎与所述道路区域对应的道路之间的摩擦系数μ。
其中,A为预设参数,A<1000g/m2,T是道路区域的温度,当车辆为第一类型的车辆时,选择μ(T)=0.11-0.0052T+0.0002A确定轮胎与道路区域对应的道路之间的摩擦系数μ;当车辆为第二类型的车辆时,选择μ(T)=0.10-0.0052T+0.00016A确定轮胎与所述道路区域对应的道路之间的摩擦系数μ。
第一类型的车辆可以为小型汽车,第二类型的车辆可以为轻型卡车等。
综上,本实施例能够根据道路区域的宏观结构和对应的摩擦系数公式,确定轮胎与道路之间的摩擦系数。在车辆行驶过程中,车辆的行驶速度、驱动力控制、打滑等行驶状况均和轮胎与道路之间的摩擦系数实质相关。相比于道路表面结构,轮胎与道路之间的摩擦系数对于车辆驾驶控制来说是更深层次的路面参数,因此能更准确地反映车辆附近路面的情况。
同时,本实施例在困难的天气下,比如雪、雨或冰等状况下,也能够准确地感知路面状况,为车辆驾驶提供更准确的路面参数。
较高质量和较高分辨率的非热图像能够提高路面区域的准确性。然而,在车辆移动过程中,运动模糊在图像拍摄中不可避免。为了减少非热图像中的运动模糊,本申请提供了以下实施例。
在本申请的另一实施例中,图1所示实施例中,步骤S101,获取道路的热图像和非热图像时,具体可以包括:
步骤1:采集道路的初始热图像和初始非热图像。
步骤2:获取惯性传感器(IMU)采集的车辆行驶参数。其中,车辆行驶参数可以包括车辆的平移加速度和角速度等。
步骤3:根据车辆行驶参数,利用维纳滤波算法对初始热图像和初始非热图像进行去除模糊处理,得到处理后的热图像和处理后的非热图像。
图3为本申请实施例提供的轮胎道路摩擦的确定装置的一种结构示意图。该实施例与图1所示方法实施例相对应。本实施例应用于电子设备。上述装置包括:
图像获取模块301,用于获取道路的热图像和非热图像;
道路确定模块302,用于确定所述热图像和非热图像中的道路区域;
类型确定模块303,用于根据所述热图像中道路区域各个像素点对应的温度,确定所述道路区域的路面类型;
结构确定模块304,用于确定所述非热图像中道路区域的宏观结构;
摩擦确定模块305,用于根据所述道路区域的摩擦因素,确定轮胎与所述道路区域对应的道路之间的摩擦系数,其中,所述道路区域的摩擦因素包括:根据预设的与所述路面类型对应的摩擦系数公式,或者,所述道路区域的摩擦因素包括:预设的与所述路面类型对应的摩擦系数公式和所述道路区域的宏观结构。
在本申请的另一实施例中,在图3所示实施例中的类型确定模块303,具体用于:
将所述热图像中的道路区域以及该道路区域的各个像素点对应的温度输入区域分割模型;其中,所述区域分割模型用于根据所述区域分割模型训练完成时得到的参数,以及输入的道路区域的各个像素点对应的温度对输入的道路区域进行分割,得到道路区域对应的路面类型;所述区域分割模型为预先根据样本热图像训练完成;
获取所述区域分割模型输出的所述道路区域的路面类型。
在本申请的另一实施例中,在图3所示实施例中,区域分割模型可以采用以下方式训练得到:
根据E(x)=U(x)+pW(x),训练完成;其中,x为所述样本热图像中道路区域的各个像素点对应的温度,所述i和j分别为所述像素点的行坐标和列坐标,所述p为预设的第一权重系数,所述q为预设的第二权重系数。
在本申请的另一实施例中,在图3所示实施例中,当所述路面类型为潮湿类型时,所述道路区域的摩擦因素包括:预设的与所述路面类型对应的摩擦系数公式和所述道路区域的宏观结构,摩擦确定模块305具体用于:
根据或确定轮胎与所述道路区域对应的道路之间的摩擦系数μ;其中,μ0是静态摩擦系数,所述S为滑动速度,而Sp是根据所述道路区域的宏观结构预先确定的系数,μpeak是峰值摩擦等级,Speak是车辆在峰值摩擦力处的滑动速度,所述C是与所述道路区域的宏观结构相关的形状因素;
当所述路面类型为积雪类型时,所述道路区域的摩擦因素包括:预设的与所述路面类型对应的摩擦系数公式,摩擦确定模块305具体用于:
根据μ(T)=0.11-0.0052T+0.0002A或μ(T)=0.10-0.0052T+0.00016A,确定轮胎与所述道路区域对应的道路之间的摩擦系数μ;其中,所述A为预设参数,所述A<1000g/m2,所述T是所述道路区域的温度,当车辆为第一类型的车辆时,选择μ(T)=0.11-0.0052T+0.0002A确定轮胎与所述道路区域对应的道路之间的摩擦系数μ;当车辆为第二类型的车辆时,选择μ(T)=0.10-0.0052T+0.00016A确定轮胎与道路区域对应的道路之间的摩擦系数μ。
在本申请的另一实施例中,在图3所示实施例中,图像获取模块301具体用于:
采集道路的初始热图像和初始非热图像;
获取惯性传感器IMU采集的车辆行驶参数;
根据所述车辆行驶参数,对所述初始热图像和初始非热图像进行去除模糊处理,得到处理后的热图像和处理后的非热图像。
在本申请的另一实施例中,在图3所示实施例中,道路确定模块302具体用于:
根据预设的道路特征,检测所述非热图像中的道路区域;
根据所述热图像和非热图像之间的位置对应关系,以及所述非热图像中的道路区域,确定所述热图像中的道路区域。
在本申请的另一实施例中,在图3所示实施例中,结构确定模块305具体用于:
提取所述非热图像中道路区域的纹理特征;
将所述纹理特征与预先建立的宏观结构库进行匹配,得到所述道路区域的宏观结构;其中,宏观结构库,用于存储道路的各个宏观结构与纹理特征之间的对应。
由于上述装置实施例是基于方法实施例得到的,与该方法具有相同的技术效果,因此装置实施例的技术效果在此不再赘述。对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。
图4为本申请实施例提供的电子设备的一种结构示意图。该电子设备包括处理器401、通信接口402、存储器403和通信总线404,其中,处理器401,通信接口402,存储器403通过通信总线404完成相互间的通信;
存储器403,用于存放计算机程序;
处理器401,用于执行存储器403上所存放的程序时,实现本申请实施例提供的轮胎道路摩擦的确定方法。该方法包括:
获取道路的热图像和非热图像;
确定所述热图像和非热图像中的道路区域;
根据所述热图像中道路区域各个像素点对应的温度,确定所述道路区域的路面类型;
确定所述非热图像中道路区域的宏观结构;
根据所述道路区域的摩擦因素,确定轮胎与所述道路区域对应的道路之间的摩擦系数,其中,所述道路区域的摩擦因素包括:根据预设的与所述路面类型对应的摩擦系数公式,或者,所述道路区域的摩擦因素包括:预设的与所述路面类型对应的摩擦系数公式和所述道路区域的宏观结构。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
综上,本实施例能够根据道路区域的宏观结构和对应的摩擦系数公式,确定轮胎与道路之间的摩擦系数。在车辆行驶过程中,车辆的行驶速度、驱动力控制、打滑等行驶状况均和轮胎与道路之间的摩擦系数实质相关。相比于道路表面结构,轮胎与道路之间的摩擦系数对于车辆驾驶控制来说是更深层次的路面参数,因此能更准确地反映车辆附近路面的情况。
本申请实施例提供了一种计算机可读存储介质。该计算机可读存储介质内存储有计算机程序,该计算机程序被处理器执行时实现本申请实施例提供的轮胎道路摩擦的确定方法。该方法包括:
获取道路的热图像和非热图像;
确定所述热图像和非热图像中的道路区域;
根据所述热图像中道路区域各个像素点对应的温度,确定所述道路区域的路面类型;
确定所述非热图像中道路区域的宏观结构;
根据所述道路区域的摩擦因素,确定轮胎与所述道路区域对应的道路之间的摩擦系数,其中,所述道路区域的摩擦因素包括:根据预设的与所述路面类型对应的摩擦系数公式,或者,所述道路区域的摩擦因素包括:预设的与所述路面类型对应的摩擦系数公式和所述道路区域的宏观结构。
综上,本实施例能够根据道路区域的宏观结构和对应的摩擦系数公式,确定轮胎与道路之间的摩擦系数。在车辆行驶过程中,车辆的行驶速度、驱动力控制、打滑等行驶状况均和轮胎与道路之间的摩擦系数实质相关。相比于道路表面结构,轮胎与道路之间的摩擦系数对于车辆驾驶控制来说是更深层次的路面参数,因此能更准确地反映车辆附近路面的情况。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所做的任何修改、等同替换、改进等,均包含在本申请的保护范围内。
Claims (10)
1.一种轮胎道路摩擦的确定方法,其特征在于,所述方法包括:
获取道路的热图像和非热图像;
确定所述热图像和非热图像中的道路区域;
根据所述热图像中道路区域各个像素点对应的温度,确定所述道路区域的路面类型;
确定所述非热图像中道路区域的宏观结构;
根据所述道路区域的摩擦因素,确定轮胎与所述道路区域对应的道路之间的摩擦系数,其中,所述道路区域的摩擦因素包括:根据预设的与所述路面类型对应的摩擦系数公式,或者,所述道路区域的摩擦因素包括:预设的与所述路面类型对应的摩擦系数公式和所述道路区域的宏观结构。
2.根据权利要求1所述的方法,其特征在于,所述根据所述热图像中道路区域各个像素点对应的温度,确定所述道路区域的路面类型的步骤,包括:
将所述热图像中的道路区域以及该道路区域的各个像素点对应的温度输入区域分割模型;其中,所述区域分割模型用于根据所述区域分割模型训练完成时得到的参数,以及输入的道路区域的各个像素点对应的温度对输入的道路区域进行分割,得到道路区域对应的路面类型;所述区域分割模型为预先根据样本热图像训练完成;
获取所述区域分割模型输出的所述道路区域的路面类型。
3.根据权利要求2所述的方法,其特征在于,所述区域分割模型采用以下方式训练得到:
根据E(x)=U(x)+pW(x),训练完成;其中,x为所述样本热图像中道路区域的各个像素点对应的温度,所述i和j分别为所述像素点的行坐标和列坐标,所述p为预设的第一权重系数,所述q为预设的第二权重系数。
4.根据权利要求1所述的方法,其特征在于,
当所述路面类型为潮湿类型时,所述道路区域的摩擦因素包括:预设的与所述路面类型对应的摩擦系数公式和所述道路区域的宏观结构;所述根据所述道路区域的摩擦因素,确定轮胎与所述道路区域对应的道路之间的摩擦系数的步骤,包括:
根据或确定轮胎与所述道路区域对应的道路之间的摩擦系数μ;其中,μ0是静态摩擦系数,所述S为滑动速度,Sp是根据所述道路区域的宏观结构预先确定的结构系数,μpeak是峰值摩擦等级,Speak是车辆在峰值摩擦力处的滑动速度,所述C是与所述道路区域的宏观结构相关的形状因素;
当所述路面类型为积雪类型时,所述道路区域的摩擦因素包括:预设的与所述路面类型对应的摩擦系数公式;所述根据所述道路区域的摩擦因素,确定轮胎与所述道路区域对应的道路之间的摩擦系数的步骤,包括:
根据μ(T)=0.11-0.0052T+0.0002A或μ(T)=0.10-0.0052T+0.00016A,确定轮胎与所述道路区域对应的道路之间的摩擦系数μ;其中,所述A为预设参数,所述A<1000g/m2,所述T是所述道路区域的温度,当车辆为第一类型的车辆时,选择μ(T)=0.11-0.0052T+0.0002A确定轮胎与所述道路区域对应的道路之间的摩擦系数μ;当车辆为第二类型的车辆时,选择μ(T)=0.10-0.0052T+0.00016A确定轮胎与道路区域对应的道路之间的摩擦系数μ。
5.根据权利要求1所述的方法,其特征在于,所述获取道路的热图像和非热图像的步骤,包括:
采集道路的初始热图像和初始非热图像;
获取惯性传感器IMU采集的车辆行驶参数;
根据所述车辆行驶参数,对所述初始热图像和初始非热图像进行去除模糊处理,得到处理后的热图像和处理后的非热图像。
6.根据权利要求1所述的方法,其特征在于,所述确定所述热图像和非热图像中的道路区域的步骤,包括:
根据预设的道路特征,检测所述非热图像中的道路区域;
根据所述热图像和非热图像之间的位置对应关系,以及所述非热图像中的道路区域,确定所述热图像中的道路区域。
7.根据权利要求1所述的方法,其特征在于,所述确定所述非热图像中道路区域的宏观结构的步骤,包括:
提取所述非热图像中道路区域的纹理特征;
将所述纹理特征与预先建立的宏观结构库进行匹配,得到所述道路区域的宏观结构;其中,宏观结构库,用于存储道路的各个宏观结构与纹理特征之间的对应。
8.一种轮胎道路摩擦的确定装置,其特征在于,所述装置包括:
图像获取模块,用于获取道路的热图像和非热图像;
道路确定模块,用于确定所述热图像和非热图像中的道路区域;
类型确定模块,用于根据所述热图像中道路区域各个像素点对应的温度,确定所述道路区域的路面类型;
结构确定模块,用于确定所述非热图像中道路区域的宏观结构;
摩擦确定模块,用于根据所述道路区域的摩擦因素,确定轮胎与所述道路区域对应的道路之间的摩擦系数,其中,所述道路区域的摩擦因素包括:根据预设的与所述路面类型对应的摩擦系数公式,或者,所述道路区域的摩擦因素包括:预设的与所述路面类型对应的摩擦系数公式和所述道路区域的宏观结构。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-7任一所述的方法步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910637572.3A CN110427026B (zh) | 2019-07-15 | 2019-07-15 | 一种轮胎道路摩擦的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910637572.3A CN110427026B (zh) | 2019-07-15 | 2019-07-15 | 一种轮胎道路摩擦的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110427026A true CN110427026A (zh) | 2019-11-08 |
CN110427026B CN110427026B (zh) | 2022-09-13 |
Family
ID=68409655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910637572.3A Active CN110427026B (zh) | 2019-07-15 | 2019-07-15 | 一种轮胎道路摩擦的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110427026B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111735841A (zh) * | 2020-07-07 | 2020-10-02 | 北京交跃通达检测科技有限公司 | 一种路面湿滑度测量方法及装置 |
CN112976961A (zh) * | 2021-03-25 | 2021-06-18 | 武汉拾易鑫科技有限公司 | 基于机器视觉和大数据分析的汽车行驶安全状态实时监测预警方法 |
CN113866167A (zh) * | 2021-09-13 | 2021-12-31 | 北京逸驰科技有限公司 | 一种轮胎检测结果的生成方法、计算机设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040204812A1 (en) * | 2003-04-09 | 2004-10-14 | Continental Teves Inc. | Road recognition system |
US20150344037A1 (en) * | 2012-12-19 | 2015-12-03 | Audi Ag | Method and device for predictive determination of a parameter value of a surface on which a vehicle can drive |
CN106461391A (zh) * | 2014-05-05 | 2017-02-22 | 赫克斯冈技术中心 | 测量系统 |
CN107491736A (zh) * | 2017-07-20 | 2017-12-19 | 重庆邮电大学 | 一种基于卷积神经网络的路面附着系数辨识方法 |
-
2019
- 2019-07-15 CN CN201910637572.3A patent/CN110427026B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040204812A1 (en) * | 2003-04-09 | 2004-10-14 | Continental Teves Inc. | Road recognition system |
US20150344037A1 (en) * | 2012-12-19 | 2015-12-03 | Audi Ag | Method and device for predictive determination of a parameter value of a surface on which a vehicle can drive |
CN106461391A (zh) * | 2014-05-05 | 2017-02-22 | 赫克斯冈技术中心 | 测量系统 |
CN107491736A (zh) * | 2017-07-20 | 2017-12-19 | 重庆邮电大学 | 一种基于卷积神经网络的路面附着系数辨识方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111735841A (zh) * | 2020-07-07 | 2020-10-02 | 北京交跃通达检测科技有限公司 | 一种路面湿滑度测量方法及装置 |
CN112976961A (zh) * | 2021-03-25 | 2021-06-18 | 武汉拾易鑫科技有限公司 | 基于机器视觉和大数据分析的汽车行驶安全状态实时监测预警方法 |
CN113866167A (zh) * | 2021-09-13 | 2021-12-31 | 北京逸驰科技有限公司 | 一种轮胎检测结果的生成方法、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110427026B (zh) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ouma et al. | Pothole detection on asphalt pavements from 2D-colour pothole images using fuzzy c-means clustering and morphological reconstruction | |
US7970178B2 (en) | Visibility range estimation method and system | |
CN101334836B (zh) | 一种融合色彩、尺寸和纹理特征的车牌定位方法 | |
DE102020112314A1 (de) | Verifizierung von fahrzeugbildern | |
US8319854B2 (en) | Shadow removal in an image captured by a vehicle based camera using a non-linear illumination-invariant kernel | |
Huang et al. | On-board vision system for lane recognition and front-vehicle detection to enhance driver's awareness | |
US20120008021A1 (en) | Shadow Removal in an Image Captured by a Vehicle-Based Camera for Clear Path Detection | |
US20170200051A1 (en) | Re-identifying an object in a test image | |
CN110427026A (zh) | 一种轮胎道路摩擦的确定方法及装置 | |
JP6442834B2 (ja) | 路面高度形状推定方法とシステム | |
CN104881645B (zh) | 基于特征点互信息量和光流法的车辆前方目标的检测方法 | |
CN105424655A (zh) | 一种基于视频图像的能见度检测方法 | |
CN106373134B (zh) | 一种基于线结构光三维测量的公路标线检测方法 | |
KR20120132849A (ko) | 노면 결빙 예측 및 강설 감지 시스템 및 방법 | |
CN110399664A (zh) | 一种驾驶速度的确定方法及装置 | |
Hautiere et al. | Contrast restoration of foggy images through use of an onboard camera | |
CN102982304A (zh) | 利用偏光图像检测车辆位置的方法和系统 | |
Halmaoui et al. | Contrast restoration of road images taken in foggy weather | |
CN103500451B (zh) | 一种用于卫星数据的独立浮冰提取方法 | |
CN107341455B (zh) | 一种区域多特征的检测方法及检测装置 | |
Branco et al. | MaNIAC-UAV-a methodology for automatic pavement defects detection using images obtained by Unmanned Aerial Vehicles | |
CN105913464A (zh) | 一种基于视频的多人体目标在线测量方法 | |
Elunai et al. | Asphalt concrete surfaces macrotexture determination from still images | |
US20230108779A1 (en) | Road deterioration diagnostic device, road deterioration diagnostic system, roaddeterioration diagnostic method, and recording medium | |
CN103927523A (zh) | 一种基于纵向灰度特征的雾天等级检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |