基于多尺度特征的路面不平度识别方法

来源：电子测量技术杂志2024年第12期北京时间：

作者：张娜，吴信元，赵强，彭文韬

单位：1.黑龙江科技大学电气与控制工程学院 哈尔滨 150022; 2.东北林业大学机电工程学院 哈尔滨 150040

摘要：在智能驾驶技术中，路面不平度识别的结果直接影响着后续驾驶的决策过程。然而，现有的路面不平度识别算法存在准确率低、识别速度慢的问题。针对这一现状，提出了一种基于改进多尺度特征提取网络的隐马尔科夫路面不平度识别方法。该方法在识别准确率和识别速度上均取得了显著提升。首先，改进的多尺度卷积神经网络被用于从原始数据中自动学习并提取多层次的特征。然后，利用tSNE技术对提取的特征进行可视化处理，以便更好地理解和分析特征分布。最后，利用隐马尔科夫模型对提取的特征进行识别。实验结果表明，对于仿真数据和实际采集数据识别准确率分别达到了99.6%和98.6%，适用于路面不平度识别。

关键词：智能驾驶;路面不平度;多尺度特征提取;隐马尔科夫模型

基金资助：黑龙江省普通高校青年创新人才培养计划项目(UNPYSCT-2020034)、黑龙江省省属本科高校基本科研业务费青年创新人才培育计划(2022-KYYWF-0561)、黑龙江省重点研发项目(JD22A014)资助