一种路面附着系数的估计方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及一种路面附着系数的估计方法、装置、设备及存储介质，其包括：采集不同道路模型的车辆原始信号数据，根据所述车辆原始信号数据得到原始数据时间序列；将所述原始数据时间序列输入至预设卷积神经网络，从所述原始数据时间序列中提取特征数据；将所述特征数据输入至预设长短期记忆神经网络，对所述特征数据进行迭代得到迭代数据序列；将所述迭代数据序列输入至全连接层网络，根据所述迭代数据序列得到路面附着系数的估计值。本发明专利技术提供的一种路面附着系数的估计方法、装置、设备及存储介质，可以在车辆行驶时采集车辆数据，在保证准确性和实时性的同时，根据车辆数据分析出当前路面的最大摩擦系数。路面的最大摩擦系数。路面的最大摩擦系数。

【技术实现步骤摘要】
一种路面附着系数的估计方法、装置、设备及存储介质


[0001]本专利技术涉及自动驾驶汽车
，尤其涉及一种路面附着系数的估计方法、装置、设备及存储介质。

技术介绍

[0002]随着近年来汽车领域的发展不断加速，传统汽车行业早已向智能技术方向进行了发展。信息智能感知技术在汽车领域的快速发展代表目前汽车领域已经从车辆的动力学向汽车操纵的稳定性以及驾驶的安全性方向发展。汽车运动状态的变化以及环境信息的捕获成为了汽车安全驾驶不可或缺的因素。尤其在自动驾驶技术中，路面附着系数作为安全驾驶中的重要参数，它的精确估计可以为汽车提供准确的汽车与路面之间的附着力，对保证驾驶员的安全有着重要的意义。
[0003]在现有技术中，自动驾驶车辆一般通过传感器等装置来捕捉路面的图像信息，根据路面的图像信息并结合车辆自身的数据进行分析辨识出当前路面的最大摩擦系数，进一步的对路面的附着系数进行估计，从而根据路面附着系数避免由于制动距离过长而导致的追尾现象。
[0004]但是，现有技术在车辆行驶的时候，难以通过车辆自身的数据在保证准确性和实时性的同时辨识出当本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种路面附着系数的估计方法，其特征在于，包括：采集不同道路模型的车辆原始信号数据，根据所述车辆原始信号数据得到原始数据时间序列；将所述原始数据时间序列输入至预设卷积神经网络，从所述原始数据时间序列中提取特征数据；将所述特征数据输入至预设长短期记忆神经网络，对所述特征数据进行迭代得到迭代数据序列；将所述迭代数据序列输入至全连接层网络，根据所述迭代数据序列得到路面附着系数的估计值。2.根据权利要求1所述的路面附着系数的估计方法，其特征在于，所述预设卷积神经网络包括卷积层和池化层；所述将所述原始数据时间序列输入至预设卷积神经网络，从所述原始数据时间序列中提取特征数据，包括：将所述原始数据时间序列输入至所述卷积层，对所述原始数据时间序列进行卷积处理得到卷积时间序列；将所述卷积时间序列输入至所述池化层，对所述卷积时间序列进行池化处理提取特征数据。3.根据权利要求2所述的路面附着系数的估计方法，其特征在于，所述将所述原始数据时间序列输入至所述卷积层，对所述原始数据时间序列进行卷积处理得到卷积时间序列，包括：根据卷积核的权重系数、所述原始数据时间序列和卷积公式得到卷积时间序列。4.根据权利要求2所述的路面附着系数的估计方法，其特征在于，所述将所述卷积时间序列输入至所述池化层，对所述卷积时间序列进行池化处理提取特征数据，包括：设置池化层参数，基于所述池化层参数对所述卷积时间序列进行特征提取得到特征数据。5.根据权利要求1所述的路面附着系数的估计方法，其特征在于，所述将所述特征数据输入至预设长短期记忆神经网络，对所述特征数据进行迭代得到迭代数据序列，包括：设置所述长短期记忆神经网络的网络参数，根据所述网络...

【专利技术属性】
技术研发人员：钟毅，胡黎涛，宋连，
申请(专利权)人：武汉理工大学重庆研究院，
类型：发明
国别省市：