CN113390796A - 一种基于多光谱的路面水冰雪识别分类方法 - Google Patents

一种基于多光谱的路面水冰雪识别分类方法 Download PDF

Info

Publication number
CN113390796A
CN113390796A CN202110620045.9A CN202110620045A CN113390796A CN 113390796 A CN113390796 A CN 113390796A CN 202110620045 A CN202110620045 A CN 202110620045A CN 113390796 A CN113390796 A CN 113390796A
Authority
CN
China
Prior art keywords
road surface
reflectivity
wavelength
light
snow
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
Application number
CN202110620045.9A
Other languages
English (en)
Other versions
CN113390796B (zh
Inventor
王�华
全威
郭慕瑶
田进保
盖志超
满永兴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Zhiteng Technology Co ltd
Original Assignee
Wuhan Zhiteng Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Zhiteng Technology Co ltd filed Critical Wuhan Zhiteng Technology Co ltd
Priority to CN202110620045.9A priority Critical patent/CN113390796B/zh
Publication of CN113390796A publication Critical patent/CN113390796A/zh
Application granted granted Critical
Publication of CN113390796B publication Critical patent/CN113390796B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/47—Scattering, i.e. diffuse reflection
    • G01N21/4738—Diffuse reflection, e.g. also for testing fluids, fibrous materials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明的一种基于多光谱的路面水冰雪识别分类方法,通过如下步骤实现：步骤一、在路面检测处设置检测装置，步骤二、计算出射光强度系数；步骤三、计算出来的出射光强度系数计算出检测装置在六种路面状态下的基准反射率，步骤四，建立不同路面状态的坐标，形成一个训练集样本；步骤五，采用knn算法对测试路面状态进行分类。与现有技术相比，利用三种波长光的六个反射光特征值来判断路面状态，能够识别出干燥、积水、结冰、积雪、污水和沙土六种路面状态，并能提高识别路面状态的准确率，识别较为精准。

Description

一种基于多光谱的路面水冰雪识别分类方法
技术领域
本发明涉及交通道路检测领域,特别涉及对路面上水冰雪识别的识别分类方法。
背景技术
因机动车数量的加速增长，我国公路驾驶环境及条件难以改善，公路安全问题日益突出，事实上，大陆地区已经成为全球交通事故频发的重灾区。研究表明，导致交通事故发生的关键客观因素是恶劣天气导致的不良路况，在世界范围内，不良路况都是公路管理部门的心头大患。以冰雪路况为例，结冰及积雪导致车辆轮胎与地面的摩擦系数骤减，因此发生车辆碰撞、刮擦等交通事故的几率大幅攀升。在我国，各省份由于交通气候条件差异，大多数交通事故直接或间接与雨雾霜雪天气有关。由此可见，为了在恶劣天气环境下对相关职能部门及驾驶员提供及时、有效的路面状态信息，能大大提安全驾驶。
目前我国针对公路路况的检测手段仍然十分有限，其中覆盖面积较为广泛的检测手段采用的是视频监控设备，也有采用多种路面状态传感器，此路面状态传感器从测量方式上可分为接触式与非接触式两大类，非接触式传感器常安装于公路两旁，具有较大的探测面积，然而在遭遇较强的雪、雾、雨等不良天气或蛛网、枝叶附着时，其光学通路频繁受到遮挡甚至污染，识别正确率将得不到保障。此外，非接触式传感器工作稳定性较低，使用及维护成本较高，不适合大规模应用。现有的接触式传感器一般依靠多频电容测量原理进行结冰判别，但是对干燥和结冰状态的误判时有发生；一般依靠主动式微波雷达测量水膜厚度，但在冰层中会发生复杂的折射、反射现象，严重干扰相位检测。
为此本发明人对上述问题进行深入研究，遂由本案产生。
发明内容
本发明的目的在于提供一种检测精准，能对路面水冰雪状别和异物状态进行识别的基于多光谱的路面水冰雪识别分类方法。
为了达成上述目的，本发明的解决方案如下所述：一种基于多光谱的路面水冰雪识别分类方法,通过如下步骤实现：
步骤一、在路面检测处设置检测装置，先在路面上挖一个凹坑，凹坑内具有互不透光的第一腔室和第二腔室，第一腔室内安装有其发光面朝上的发光二极管，发光二极管具有横向间隔排列成一排的红外光二极管、红光二极管和绿光二极管，第二腔室内安装有其接收面朝上设置的光电二极管，凹坑内放置有密封第一腔室腔口和第二腔室腔口的透光板；
步骤二、将白纸在步骤一透光板上，计算白纸在特定波长下的反射强度系数βN，再计算出出射光强度系数βM；计算时设定红外光二极管的发射波长为λ1、红光二极管的发射波长为λ2和绿光二极管的发射波长为λ3，计算出波长为λ1下红外光的反射强度系数βN1，在波长为λ2下红光的反射强度系数βN2和在波长为λ3下绿光的反射强度系数βN3；再计算出波长为λ1的出射光强度系数
Figure BDA0003099456380000021
波长为λ2的出射光强度系数
Figure BDA0003099456380000022
波长为λ3的出射光强度系数
Figure BDA0003099456380000023
步骤三、根据步骤二计算出来的出射光强度系数计算出检测装置在六种路面状态下的基准反射率，计算时，通过反射率等于反射光强度系数与出射光强度系数的比值关系，得到反射率
Figure BDA0003099456380000031
其中βi为当前路面状态下计算的反射光强度系数，计算出在波长λ1下得到干燥路面的基准反射率r干燥1、积水路面的基准反射率r积水1、结冰路面的基准反射率r结冰1、积雪路面的基准反射率r积雪1、污水路面的基准反射率r污水1和沙土路面的基准反射率r沙土1；
在波长λ2下得到干燥路面的反射率r干燥2、积水路面的反射率r积水2、结冰路面的反射率r结冰2、积雪路面的反射率r积雪2、污水路面的反射率r污水2和沙土路面的反射率r沙土2；
在波长λ3下得到干燥路面的反射率r干燥3、积水路面的反射率r积水3、结冰路面的反射率r结冰3、积雪路面的反射率r积雪3、污水路面的反射率r污水3和沙土路面的反射率r沙土3；
步骤四，建立不同路面状态的坐标，形成一个训练集样本；建立每一个路面状态的坐标时将步骤三计算出来的当前路面状态下三种波长的反射率和该三个反射率中两两反射率的比值分别作为一个特征值，将六个特征值记为该路面状态下的坐标，即分别建立出干燥路面所对应的基准坐标、积水路面所对应的基准坐标、结冰路面所对应的基准坐标、积雪路面所对应的基准坐标、污水路面所对应的基准坐标和沙土路面所对应的基准坐标；
步骤五，采用knn算法对测试路面状态进行分类，分类时，先计算出所测路面状态时当前的反射强度系数β测，并利用步骤二计算出来的出射光强度系数，和反射率等于反射光强度系数与出射光强度系数的比值关系，计算出所测路面状态的反射率r测，即分别计算出所测路面状态在波长λ1下的反射率r测1、在波长λ2下的反射率r测2和波长λ3下的反射率r测3，计算得到的三组反射率，将此三组反射率值数据和三组反射率中两两反射率之间的比值数据作为一个被测样本的六维坐标，并导入步骤四的训练集样本中，采用欧几里得距离的计算公式计算出被测样本与训练集样本中各坐标之间的距离，通过各距离值排列得出距离值最小的路面状况权重大，从而得出当前路面状态。
在步骤二中，先设定λ1＝880nm，λ2＝660nm，λ3＝537nm，再由光电二极管分别得到波长为λ1的红外光反射光强度P红外，波长为λ2的红光反射光强度P红，波长为λ3的绿光反射光强度P绿，在红外光二极管、红光二极管和绿光二极管输入同样的多个具有线性比例关系的工作电流Ii(i＝1，2，…，n)，光电二极管能相应得到多个反射光强度Pi，则在波长为λ1下能相应得到多个红外光反射光强度
Figure BDA0003099456380000045
Figure BDA0003099456380000046
在波长为λ2下能相应得到多个红光反射光强度
Figure BDA0003099456380000047
在波长为λ3下能相应得到多个绿光反射光强度
Figure BDA0003099456380000048
再利用数理统计方法对多个工作电流与反射光强度作线性回归，得到Pi＝β·Ii+εi(i＝1，2，…，n)，其中线性回归直线的斜率β记为单位电流下的反射光强度系数，εi为在单位电流下的环境温度产生的噪声，采用最小二乘法计算回归系数β，计算β的公式如下：
Figure BDA0003099456380000041
其中，
Figure BDA0003099456380000042
计算时将
Figure BDA0003099456380000049
作为上述计算公式的Pi得到白纸在波长为λ1下的红外光反射光强度系数βN1，将
Figure BDA00030994563800000410
代入上述计算公式Pi中得到白纸在波长为λ2下的红光反射光强度系数βN2，将
Figure BDA00030994563800000411
代入上述计算公式Pi中得到白纸在波长为λ3下的绿光反射光强度系数βN3。
在步骤五中反射强度系数β测的计算方式采用步骤二中最小二乘法计算回归系数β的计算公式。
在步骤五中，所测得的数据中r测1≈r干燥1，r测2≈r干燥2，r测3≈r干燥3，r测1/r测2≈r干燥1/r干燥2，r测2/r测3≈r干燥2/r干燥3，r测3/r测1≈r干燥3/r干燥1，则判断出路面状态为干燥状态；
若r测1≈r积水1，r测2≈r积水2，r测3≈r积水3，r测1/r测2≈r积水1/r积水2，r测2/r测3≈r积水2/r积水3，r测3/r测1≈r积水3/r积水1，则判断出路面状态为积水状态；
若r测1≈r结冰1，r测2≈r结冰2，r测3≈r结冰3，r测1/r测2≈r结冰1/r结冰2，r测2/r测3≈r结冰2/r结冰3，r测3/r测1≈r结冰3/r结冰1，则判断出路面状态为结冰状态；
若r测1≈r积雪1，r测2≈r积雪2，r测3≈r积雪3，r测1/r测2≈r积雪1/r积雪2，r测2/r测3≈r积雪2/r积雪3，r测3/r测1≈r积雪3/r积雪1，则判断出路面状态为积水状态；
若r测1≈r污水1，r测2≈r污水2，r测3≈r污水3，r测1/r测2≈r污水1/r污水2，r测2/r测3≈r污水2/r污水3，r测3/r测1≈r污水3/r污水1，则判断出路面状态为污水状态；
若r测1≈r沙土1，r测2≈r沙土2，r测3≈r沙土3，r测1/r测2≈r沙土1/r沙土2，r测2/r测3≈r沙土2/r沙土3，r测3/r测1≈r沙土3/r沙土1，则判断出路面状态为沙土状态。
采用上述技术方案后，本发明的一种基于多光谱的路面水冰雪识别分类方法，应用时，发光二极管发出红外光、红光和绿光，光电二极管接收反射光线。当路面状态为干燥状态，即透光板的顶面没有覆盖物质，则光电二极管接收到的为透光板上表面反射回装置的光；当路面状态为水、冰等透光物质，则光电二极管接收到的光包含透光板上表面反射回装置的光以及覆盖物上表面反射回装置的光；当路面状态为雪、沙土等几乎不透光的物质，则发光二极管发射到装置透光板上表面的光几乎全反射回来，被光电二极管接收，利用光电二极管接收到的光来计算反射率，计算出来的反射率再与不同路面状态的基准反射率进行比对即可得到当前的路面状态。与现有技术相比，利用三种波长光的六个反射光特征值来判断路面状态，能够识别出干燥、积水、结冰、积雪、污水和沙土六种路面状态，并能提高识别路面状态的准确率，识别较为精准。
附图说明
图1为本发明中检测装置的结构示意图。
具体实施方式
为了进一步解释本发明的技术方案，下面通过具体实施例来对本发明进行详细阐述。
本发明的一种基于多光谱的路面水冰雪识别分类方法,通过如下步骤实现：
步骤一、先在路面上挖一个凹坑11，凹坑11内具有互不透光的第一腔室100和第二腔室200，第一腔室100内安装有其发光面朝上的发光二极管，发光二极管具有横向间隔排列成一排的红外光二极管21、红光二极管22和绿光二极管23，第二腔室200内安装有其接收面朝上设置的光电二极管3，红外光二极管21、红光二极管22和绿光二极管23沿第一腔室和第二腔室的排列方向间隔排列，且第一腔室与第二腔室之间竖立有隔光板4，利用此隔光板4使发光二极管的光不会直接散射至第二腔室内，凹坑11内放置有密封第一腔室腔口和第二腔室腔口的透光板5，透光板5与地面齐平；
步骤二、计算白纸在特定波长下的反射强度系数βN，再计算出出射光强度系数βM，计算反射光强度的具体操作是：先得到多外反射光强度，即将白纸放置在步骤一的透光板5顶面上,启动发光二极管和光电二极管，红外光二级管的波长为λ1，优佳的是λ1＝880nm，红光二级管的波长为λ2，优佳的是λ2＝660nm，绿光二级管的波长为λ3，优佳的是λ3＝537nm，由光电二极管3分别得到波长为λ1的红外光反射光强度P红外，波长为λ2的红光反射光强度P红，波长为λ3的绿光反射光强度P绿，在特定波长下给发光二极管输入多个具有线性比例关系的工作电流Ii(i＝1，2，…，n)，光电二极管在此特定的波长下相应得到多个反射光强度Pi(i＝1，2，…，n),则，在波长为λ1下能得到多个红外光反射光强度
Figure BDA0003099456380000073
在波长为λ2下能得到多个红光反射光强度
Figure BDA0003099456380000074
在波长为λ3下能得到多个绿光反射光强度
Figure BDA0003099456380000075
再计算反射光强度系数，利用数理统计方法对上述得到的多个工作电流Ii与反射光强度Pi作线性回归，得到Pi＝β·Ii+εi(i＝1，2，…，n)，其中线性回归直线的斜率β记为单位电流下的反射光强度系数，εi为在单位电流下的环境温度产生的噪声，采用最小二乘法计算回归系数β，则计算β的公式如下：
Figure BDA0003099456380000071
其中，
Figure BDA0003099456380000072
计算时将
Figure BDA0003099456380000076
代入上述计算公式中得到白纸在波长为λ1下红外光的反射光强度系数βN1，将
Figure BDA0003099456380000077
代入上述计算公式中得到白纸在波长为λ2下红光的反射光强度系数βN2，将
Figure BDA0003099456380000087
代入上述计算公式中得到白纸在波长为λ3下绿光的反射光强度系数βN3；
最后，计算出射光强度系数βM，根据已知的白纸在波长λ1的红外光下的反射率为rN1,在波长为λ2的红光下的反射率为rN2,在波长为λ3的绿光下的反射率为rN3，此rN1、rN2、rN3是公知的数值，根据出射光强度系数βM等于入射光强度系数βN与白纸在波长下的反射率rN之比的关系，利用上述步骤中在白纸下对波长为λ1的反射光强度系数βN1、对波长λ2下红光的反射光强度系数βN2和对λ3下红光的反射光强度系数βN3，计算出波长为λ1的出射光强度系数
Figure BDA0003099456380000081
波长为λ2的出射光强度系数
Figure BDA0003099456380000082
波长为λ3的出射光强度系数
Figure BDA0003099456380000083
步骤三、根据步骤二计算出来的出射光强度系数，计算出检测装置在六种路面状态下的基准反射率，计算时，通过反射率等于反射光强度系数与出射光强度系数的比值关系，得到反射率
Figure BDA0003099456380000084
其中βi为当前路面状态下计算的反射光强度系数，βi的计算方式采用的是步骤二中
Figure BDA0003099456380000085
的计算公式，即在当前路面状态下在特定波长下给多个具有线性比例关系的工作电流给发光二极管，相应得到的多个反射光强度的关系来计算得到，计算方式一样，只是无需将步骤二中透光板上的白纸直接用当前路面状态下所会形成的覆盖物100来替代即可；
则在当前路面状态下波入λ1下的反射率
Figure BDA0003099456380000086
其中βi1为当前路面状态下在波长λ1下计算得到的反射光强度系数，在当前路面状态下波长λ2下的反射率
Figure BDA0003099456380000091
其中βi2为该天气状态下在波长λ2下计算得到的反射光强度系数，在当前路面状态下对应的波长λ3下的反射率
Figure BDA0003099456380000092
其中βi3该当前路面状态下在波长λ3下计算得到的反射光强度系数，以干燥、积水、结冰、积雪、污水和沙土六种路面状态，即在波长λ1下得到干燥路面的基准反射率r干燥1、积水路面的基准反射率r积水1、结冰路面的基准反射率r结冰1、积雪路面的基准反射率r积雪1、污水路面的基准反射率r污水1和沙土路面的基准反射率r沙土1；
同理，在波长λ2下得到干燥路面的基准反射率r干燥2、积水路面的基准反射率r积水2、结冰路面的基准反射率r结冰2、积雪路面的基准反射率r积雪2、污水路面的基准反射率r污水2和沙土路面的基准反射率r沙土2；
在波长λ3下得到干燥路面的基准反射率r干燥3、积水路面的基准反射率r积水3、结冰路面的基准反射率r结冰3、积雪路面的基准反射率r积雪3、污水路面的基准反射率r污水3和沙土路面的基准反射率r沙土3；
步骤四、建立不同路面状态的坐标，形成一个训练集样本；建立每一个路面状态的坐标时将步骤三计算出来的当前路面状态下三种波长的反射率和该三个反射率中两两反射率的比值分别作为一个特征值，将六个特征值记为该路面状态下的坐标，即分别建立出干燥路面所对应的基准坐标、积水路面所对应的基准坐标、结冰路面所对应的基准坐标、积雪路面所对应的基准坐标、污水路面所对应的基准坐标和沙土路面所对应的基准坐标；
具体的是，建立干燥路面所对应的基准坐标采用的是r干燥1、r干燥2、r干燥3、r干燥1/r干燥2、r干燥2/r干燥3、r干燥3/r干燥1这六个特征值；
建立积水路面所对应的基准坐标采用的是r积水1、r积水2、r积水3、r积水1/r积水2、r积水2/r积水3、r积水3/r积水1这六个特征值；
建立积水路面所对应的基准坐标采用的是r结冰1、r结冰2、r结冰3、r结冰1/r结冰2、r结冰2/r结冰3、r结冰3/r结冰1这六个特征值；
建立积雪路面所对应的基准坐标采用的是r积雪1、r积雪2、r积雪3、r积雪1/r积雪2、r积雪2/r积雪3、r积雪3/r积雪1这六个特征值；
建立污水路面所对应的基准坐标采用的是r污水1、r污水2、r污水3、r污水1/r污水2、r污水2/r污水3、r污水3/r污水1这六个特征值；
建立沙土路面所对应的基准坐标采用的是r沙土1、r沙土2、r沙土3、r沙土1/r沙土2、r沙土2/r沙土3、r沙土3/r沙土1这六个特征值；
步骤五、采用knn算法对测试路面状态进行分类，分类时，先计算出所测路面状态时当前的反射强度系数β测，并利用步骤二计算出来的出射光强度系数，和反射率等于反射光强度系数与出射光强度系数的比值关系，计算出所测路面状态的反射率r测，即分别计算出所测路面状态在波长λ1下的反射率r测1、在波长λ2下的反射率r测2和波长λ3下的反射率r测3，计算得到的三组反射率，将此三组反射率值数据和三组反射率中两两反射率之间的比值数据作为一个被测样本的六维坐标，并导入步骤四的训练集样本中，采用欧几里得距离的计算公式计算出被测样本与训练集样本中各坐标之间的距离，通过各距离值排列得出距离值最小的路面状况权重大，从而得出当前路面状态；
具体的是，所测路面状态时当前的反射强度系数β测的计算方式与步骤三中βi的计算方式相同，在此不再累述，利用r测等于β测与步骤二中计算出来的固定的βM的比值即可当时路面状态在覆盖物100下的反射率，即得到反射率r测1、反射率r测2和反射率r测3，
在权得比重中，若r1≈r干燥1，r2≈r干燥2，r3≈r干燥3，r1/r2≈r干燥1/r干燥2，r2/r3≈r干燥2/r干燥3，r3/r1≈r干燥3/r干燥1，则判断出路面状态为干燥状态；
若r1≈r积水1，r2≈r积水2，r3≈r积水3，r1/r2≈r积水1/r积水2，r2/r3≈r积水2/r积水3，r3/r1≈r积水3/r积水1，则判断出路面状态为积水状态；
若r1≈r结冰1，r2≈r结冰2，r3≈r结冰3，r1/r2≈r结冰1/r结冰2，r2/r3≈r结冰2/r结冰3，r3/r1≈r结冰3/r结冰1，则判断出路面状态为结冰状态；
若r1≈r积雪1，r2≈r积雪2，r3≈r积雪3，r1/r2≈r积雪1/r积雪2，r2/r3≈r积雪2/r积雪3，r3/r1≈r积雪3/r积雪1，则判断出路面状态为积水状态；
若r1≈r污水1，r2≈r污水2，r3≈r污水3，r1/r2≈r污水1/r污水2，r2/r3≈r污水2/r污水3，r3/r1≈r污水3/r污水1，则判断出路面状态为污水状态；
若r1≈r沙土1，r2≈r沙土2，r3≈r沙土3，r1/r2≈r沙土1/r沙土2，r2/r3≈r沙土2/r沙土3，r3/r1≈r沙土3/r沙土1，则判断出路面状态为沙土状态。
本发明的一种基于多光谱的路面水冰雪识别分类方法，采用多光强的方式来对反射光强度与工作电流的线性回归拟合能够消除环境温度的影响，使线性回归直线的斜率为单位电流下测到的反射光强度不受环境温度等噪声的影响，基本消除了温度对测试数据的影响，同时利用三种波长光的六个反射光特征值来判断路面状态，能够识别出干燥、积水、结冰、积雪、污水和沙土六种路面状态，并能提高识别路面状态的准确率，识别较为精准。
上述实施例和附图并非限定本发明的方法，任何所属技术领域的普通技术人员对其所做的适当变化或修饰，皆应视为不脱离本发明的专利范畴。

Claims (4)

1.一种基于多光谱的路面水冰雪识别分类方法,其特征在于:通过如下步骤实现：
步骤一、在路面检测处设置检测装置，先在路面上挖一个凹坑，凹坑内具有互不透光的第一腔室和第二腔室，第一腔室内安装有其发光面朝上的发光二极管，发光二极管具有横向间隔排列成一排的红外光二极管、红光二极管和绿光二极管，第二腔室内安装有其接收面朝上设置的光电二极管，凹坑内放置有密封第一腔室腔口和第二腔室腔口的透光板；
步骤二、将白纸在步骤一透光板上，计算白纸在特定波长下的反射强度系数βN，再计算出出射光强度系数βM；计算时设定红外光二极管的发射波长为λ1、红光二极管的发射波长为λ2和绿光二极管的发射波长为λ3，计算出波长为λ1下红外光的反射强度系数βN1，在波长为λ2下红光的反射强度系数βN2和在波长为λ3下绿光的反射强度系数βN3；再计算出波长为λ1的出射光强度系数
Figure FDA0003099456370000011
波长为λ2的出射光强度系数
Figure FDA0003099456370000012
波长为λ3的出射光强度系数
Figure FDA0003099456370000013
步骤三、根据步骤二计算出来的出射光强度系数计算出检测装置在六种路面状态下的基准反射率，计算时，通过反射率等于反射光强度系数与出射光强度系数的比值关系，得到反射率
Figure FDA0003099456370000014
其中βi为当前路面状态下计算的反射光强度系数，计算出在波长λ1下得到干燥路面的基准反射率r干燥1、积水路面的基准反射率r积水1、结冰路面的基准反射率r结冰1、积雪路面的基准反射率r积雪1、污水路面的基准反射率r污水1和沙土路面的基准反射率r沙土1；
在波长λ2下得到干燥路面的反射率r干燥2、积水路面的反射率r积水2、结冰路面的反射率r结冰2、积雪路面的反射率r积雪2、污水路面的反射率r污水2和沙土路面的反射率r沙土2；
在波长λ3下得到干燥路面的反射率r干燥3、积水路面的反射率r积水3、结冰路面的反射率r结冰3、积雪路面的反射率r积雪3、污水路面的反射率r污水3和沙土路面的反射率r沙土3；
步骤四，建立不同路面状态的坐标，形成一个训练集样本；建立每一个路面状态的坐标时将步骤三计算出来的当前路面状态下三种波长的反射率和该三个反射率中两两反射率的比值分别作为一个特征值，将六个特征值记为该路面状态下的坐标，即分别建立出干燥路面所对应的基准坐标、积水路面所对应的基准坐标、结冰路面所对应的基准坐标、积雪路面所对应的基准坐标、污水路面所对应的基准坐标和沙土路面所对应的基准坐标；
步骤五，采用knn算法对测试路面状态进行分类，分类时，先计算出所测路面状态时当前的反射强度系数β测，并利用步骤二计算出来的出射光强度系数，和反射率等于反射光强度系数与出射光强度系数的比值关系，计算出所测路面状态的反射率r测，即分别计算出所测路面状态在波长λ1下的反射率r测1、在波长λ2下的反射率r测2和波长λ3下的反射率r测3，计算得到的三组反射率，将此三组反射率值数据和三组反射率中两两反射率之间的比值数据作为一个被测样本的六维坐标，并导入步骤四的训练集样本中，采用欧几里得距离的计算公式计算出被测样本与训练集样本中各坐标之间的距离，通过各距离值排列得出距离值最小的路面状况权重大，从而得出当前路面状态。
2.根据权利要求1所述的一种基于多光谱的路面水冰雪识别分类方法,其特征在于：
在步骤二中，先设定λ1＝880nm，λ2＝660nm，λ3＝537nm，再由光电二极管分别得到波长为λ1的红外光反射光强度P红外，波长为λ2的红光反射光强度P红，波长为λ3的绿光反射光强度P绿，在红外光二极管、红光二极管和绿光二极管输入同样的多个具有线性比例关系的工作电流Ii(i＝1，2，…，n)，光电二极管能相应得到多个反射光强度Pi，则在波长为λ1下能相应得到多个红外光反射光强度
Figure FDA0003099456370000031
Figure FDA0003099456370000032
(i＝1，2，…，n)，在波长为λ2下能相应得到多个红光反射光强度
Figure FDA0003099456370000033
(i＝1，2，…，n)，在波长为λ3下能相应得到多个绿光反射光强度
Figure FDA0003099456370000034
(i＝1，2，…，n)；
再利用数理统计方法对多个工作电流与反射光强度作线性回归，得到Pi＝β·Ii+εi(i＝1，2，…，n)，其中线性回归直线的斜率β记为单位电流下的反射光强度系数，εi为在单位电流下的环境温度产生的噪声，采用最小二乘法计算回归系数β，则计算β的公式如下：
Figure FDA0003099456370000035
其中，
Figure FDA0003099456370000036
计算时将
Figure FDA0003099456370000037
作为上述计算公式的Pi得到白纸在波长为λ1下的红外光反射光强度系数βN1，将
Figure FDA0003099456370000038
代入上述计算公式Pi中得到白纸在波长为λ2下的红光反射光强度系数βN2，将
Figure FDA0003099456370000039
代入上述计算公式Pi中得到白纸在波长为λ3下的绿光反射光强度系数βN3。
3.根据权利要求2所述的一种基于多光谱的路面水冰雪识别分类方法，其特征在于：在步骤五中反射强度系数β测的计算方式采用步骤二中最小二乘法计算回归系数β的计算公式。
4.根据权利要求1所述的一种基于多光谱的路面水冰雪识别分类方法，其特征在于：在步骤五中，所测得的数据中r测1≈r干燥1，r测2≈r干燥2，r测3≈r干燥3，r测1/r测2≈r干燥1/r干燥2，r测2/r测3≈r干燥2/r干燥3，r测3/r测1≈r干燥3/r干燥1，则判断出路面状态为干燥状态；
若r测1≈r积水1，r测2≈r积水2，r测3≈r积水3，r测1/r测2≈r积水1/r积水2，r测2/r测3≈r积水2/r积水3，r测3/r测1≈r积水3/r积水1，则判断出路面状态为积水状态；
若r测1≈r结冰1，r测2≈r结冰2，r测3≈r结冰3，r测1/r测2≈r结冰1/r结冰2，r测2/r测3≈r结冰2/r结冰3，r测3/r测1≈r结冰3/r结冰1，则判断出路面状态为结冰状态；
若r测1≈r积雪1，r测2≈r积雪2，r测3≈r积雪3，r测1/r测2≈r积雪1/r积雪2，r测2/r测3≈r积雪2/r积雪3，r测3/r测1≈r积雪3/r积雪1，则判断出路面状态为积水状态；
若r测1≈r污水1，r测2≈r污水2，r测3≈r污水3，r测1/r测2≈r污水1/r污水2，r测2/r测3≈r污水2/r污水3，r测3/r测1≈r污水3/r污水1，则判断出路面状态为污水状态；
若r测1≈r沙土1，r测2≈r沙土2，r测3≈r沙土3，r测1/r测2≈r沙土1/r沙土2，r测2/r测3≈r沙土2/r沙土3，r测3/r测1≈r沙土3/r沙土1，则判断出路面状态为沙土状态。
CN202110620045.9A 2021-06-03 2021-06-03 一种基于多光谱的路面水冰雪识别分类方法 Active CN113390796B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110620045.9A CN113390796B (zh) 2021-06-03 2021-06-03 一种基于多光谱的路面水冰雪识别分类方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110620045.9A CN113390796B (zh) 2021-06-03 2021-06-03 一种基于多光谱的路面水冰雪识别分类方法

Publications (2)

Publication Number Publication Date
CN113390796A true CN113390796A (zh) 2021-09-14
CN113390796B CN113390796B (zh) 2022-07-08

Family

ID=77619894

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110620045.9A Active CN113390796B (zh) 2021-06-03 2021-06-03 一种基于多光谱的路面水冰雪识别分类方法

Country Status (1)

Country Link
CN (1) CN113390796B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113340812A (zh) * 2021-06-03 2021-09-03 武汉致腾科技有限公司 一种基于多光谱的路面水冰雪识别装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09318766A (ja) * 1996-05-27 1997-12-12 Mitsubishi Heavy Ind Ltd 凍結検知システム
JP2005043240A (ja) * 2003-07-23 2005-02-17 Mitsubishi Electric Corp 路面状態検出センサ
CN103047937A (zh) * 2012-12-24 2013-04-17 中国科学院西安光学精密机械研究所 一种路面气象状态探测方法以及路面气象状态传感器
CN103134777A (zh) * 2011-12-01 2013-06-05 现代自动车株式会社 用于检测路面特性的装置和方法
JP2016170069A (ja) * 2015-03-13 2016-09-23 国立研究開発法人宇宙航空研究開発機構 雪氷モニタ装置
CN110095435A (zh) * 2019-04-28 2019-08-06 中国科学院西安光学精密机械研究所 一种非接触式路面黑冰状态的检测方法
CN112113508A (zh) * 2020-09-24 2020-12-22 重庆理工大学 一种非接触式双波长激光路面状态检测及判别方法
CN112146584A (zh) * 2020-09-24 2020-12-29 重庆光年感知科技有限公司 一种精准测量路面水膜厚度的激光检测算法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09318766A (ja) * 1996-05-27 1997-12-12 Mitsubishi Heavy Ind Ltd 凍結検知システム
JP2005043240A (ja) * 2003-07-23 2005-02-17 Mitsubishi Electric Corp 路面状態検出センサ
CN103134777A (zh) * 2011-12-01 2013-06-05 现代自动车株式会社 用于检测路面特性的装置和方法
US20130141577A1 (en) * 2011-12-01 2013-06-06 Hyundai Motor Company Apparatus and method for detecting road surface properties
CN103047937A (zh) * 2012-12-24 2013-04-17 中国科学院西安光学精密机械研究所 一种路面气象状态探测方法以及路面气象状态传感器
JP2016170069A (ja) * 2015-03-13 2016-09-23 国立研究開発法人宇宙航空研究開発機構 雪氷モニタ装置
CN110095435A (zh) * 2019-04-28 2019-08-06 中国科学院西安光学精密机械研究所 一种非接触式路面黑冰状态的检测方法
CN112113508A (zh) * 2020-09-24 2020-12-22 重庆理工大学 一种非接触式双波长激光路面状态检测及判别方法
CN112146584A (zh) * 2020-09-24 2020-12-29 重庆光年感知科技有限公司 一种精准测量路面水膜厚度的激光检测算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
桂康: "路面气象状态识别关键技术研究", 《博士学位论文 工程科技Ⅱ辑;信息科技》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113340812A (zh) * 2021-06-03 2021-09-03 武汉致腾科技有限公司 一种基于多光谱的路面水冰雪识别装置

Also Published As

Publication number Publication date
CN113390796B (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
US9297755B2 (en) Ice and supercooled water detection system
Kutila et al. Automotive LiDAR performance verification in fog and rain
US9555812B2 (en) Method for detecting a roadway and corresponding detection systems
JP6040096B2 (ja) 路面状態推定装置
US20200017083A1 (en) Method and arrangement for determining a condition of a road surface
EP3775849B1 (en) Road condition monitoring system
WO2015060910A1 (en) Ice and water detection system
CN113390796B (zh) 一种基于多光谱的路面水冰雪识别分类方法
CN108151799B (zh) 一种多光谱多角度非接触式道面状态监测装置及方法
EP3060900B1 (en) Ice and supercooled water detection system
Holzwarth et al. Non-contact sensors for road conditions
DiLorenzo et al. Use of ice detection sensors for improving winter road safety
CN110095435B (zh) 一种非接触式路面黑冰状态的检测方法
CN113917564A (zh) 多参数分析遥感式路面气象状况检测仪及检测方法
CN113340812A (zh) 一种基于多光谱的路面水冰雪识别装置
Ruiz-Llata et al. LiDAR design for road condition measurement ahead of a moving vehicle
WO2020176029A1 (en) Method and arrangement for determining a condition of a road surface by superposing images of nir camera and rgb sensor
CN114964171A (zh) 基于无人机的两阶段路面积水结冰状况检测方法与系统
CN212903321U (zh) 一种公路气象检测装置
US20240140441A1 (en) Method and arrangement for determining a condition of a road surface
Tharmakularajah et al. Infrared-based determination of the type and condition of the road surface
JP2020197390A (ja) 路面状態推定装置、処理機器及び路面状態推定システム
JP2002260151A (ja) レーザレーダ式路面状況把握装置
Tharmakularajah et al. Infrared-based sensor system for contactless detection of wetness and ice on surfaces
GB2587628A (en) Surface condition sensor

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
CB03 Change of inventor or designer information

Inventor after: Wang Hua

Inventor after: Quan Wei

Inventor after: Guo Muyao

Inventor after: Tian Jinbao

Inventor after: Wei Zhichao

Inventor after: Man Yongxing

Inventor before: Wang Hua

Inventor before: Quan Wei

Inventor before: Guo Muyao

Inventor before: Tian Jinbao

Inventor before: Gai Zhichao

Inventor before: Man Yongxing

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant