兵工学报 ›› 2023, Vol. 44 ›› Issue (5): 1267-1276.doi: 10.12382/bgxb.2022.0038
收稿日期:
2022-01-13
上线日期:
2022-06-19
通讯作者:
LIU Jia1, LIU Hai’ou1,*(), CHEN Huiyan1, MAO Feihong2
Received:
2022-01-13
Online:
2022-06-19
摘要:
无人履带车辆行驶路况复杂,将道路类型作为无人履带车辆悬架控制、自动换挡决策、路径规划等任务的先验信息,有利于提升车辆性能。针对使用单一信号识别道路类型环境适应性差或准确率低的问题,提出一种基于融合特征的道路类型识别方法,将图像的深度特征和悬置质量垂向加速度时域、频域、功率谱密度信号的统计特征相结合,利用机器学习分类算法实现道路类型识别。对单一特征和融合特征进行对比发现:融合特征实现了图像特征和悬置质量垂向加速度特征的互补,提高了道路类型识别的准确率和环境适应能力;融合特征方法与仅使用图像特征的方法实时性相差极小。对多种机器学习分类算法进行对比,试验结果表明:支持向量机和随机森林在准确性和实时性方面都表现优越,总体准确率均可以达到90%以上,识别速度可以达到14帧/s。
刘佳, 刘海鸥, 陈慧岩, 毛飞鸿. 基于融合特征的无人履带车辆道路类型识别方法[J]. 兵工学报, 2023, 44(5): 1267-1276.
LIU Jia, LIU Hai’ou, CHEN Huiyan, MAO Feihong. Road Types Identification Method of Unmanned Tracked Vehicles Based on Fusion Features[J]. Acta Armamentarii, 2023, 44(5): 1267-1276.
算法 | 单次识别用时/ms |
---|---|
SVM | 2.48 |
ANN | 0.14 |
DT | 0.08 |
Bagging+SVM | 44.54 |
RF | 3.65 |
表1 不同机器学习分类算法单次识别用时
Table 1 Time taken for identification using different machine learning classification algorithms
算法 | 单次识别用时/ms |
---|---|
SVM | 2.48 |
ANN | 0.14 |
DT | 0.08 |
Bagging+SVM | 44.54 |
RF | 3.65 |
[1] |
赵丰. 基于路面感知的车辆智能悬架控制策略研究[D]. 北京: 北京理工大学, 2016.
|
|
|
[2] |
郝胜强. 复杂道路工况下重型越野车辆AMT换挡策略优化[D]. 北京: 北京理工大学, 2018.
|
|
|
[3] |
邹家祥. 野外机器人的地形识别与自然场景分割[D]. 济南: 山东大学, 2019.
|
|
|
[4] |
王振宇. 基于计算机视觉的半主动悬架预瞄控制研究[D]. 北京: 北京理工大学, 2019.
|
|
|
[5] |
doi: 10.1007/s11370-020-00343-6 |
[6] |
doi: 10.3390/s20030612 URL |
[7] |
doi: 10.1177/0142331220987917 URL |
[8] |
王志红, 王少博, 颜莉蓉, 等. 基于语义分割模型的路面类型识别技术研究[J]. 公路交通科技, 2021, 38(1):128-134.
doi: 10.3969/j.issn.1002-0268.2021.01.016 |
|
|
[9] |
|
[10] |
doi: 10.1109/MVT.2017.2656949 URL |
[11] |
doi: 10.1109/Access.6287639 URL |
[12] |
doi: 10.3390/s19143102 URL |
[13] |
|
[14] |
|
[15] |
doi: 10.3390/s20226550 URL |
[16] |
doi: 10.3390/electronics9030513 URL |
[17] |
doi: 10.3390/s20216009 URL |
[18] |
王世峰, 都凯悦, 孟颖, 等. 基于机器学习的车辆路面类型识别技术研究[J]. 兵工学报, 2017, 38(8):1642-1648.
doi: 10.3969/j.issn.1000-1093.2017.08.023 |
|
|
[19] |
doi: 10.3390/app10176044 URL |
[20] |
doi: 10.1080/00423114.2019.1645860 URL |
[21] |
|
[22] |
|
[23] |
|
[24] |
|
[25] |
doi: 10.1023/A:1010933404324 URL |
[1] | 吕卫民, 孙晨峰, 任立坤, 赵杰, 李永强. 一种基于TCN-LGBM的航空发动机气路故障诊断方法[J]. 兵工学报, 2024, 45(1): 253-263. |
[2] | 周宇, 曹荣刚, 栗苹, 马啸. 一种用于外场试验图像的引信炸点检测方法[J]. 兵工学报, 2023, 44(8): 2453-2464. |
[3] | 吴礼洋, 呙鹏程, 刘超, 李文强. 基于注意力机制增强残差网络的雷达信号调制类型识别[J]. 兵工学报, 2023, 44(8): 2310-2318. |
[4] | 刘懿, 任济寰, 吴祥, 薄煜明. 基于集成迁移学习的新装备装甲车辆分类[J]. 兵工学报, 2023, 44(8): 2319-2328. |
[5] | 何锦成, 韩永成, 张闻文, 何伟基, 陈钱. 基于通道校正卷积的真彩色微光图像增强[J]. 兵工学报, 2023, 44(6): 1643-1654. |
[6] | 王检, 张邦宁, 张洁, 魏国峰, 郭道省. 基于多域特征融合的通信辐射源个体识别方法[J]. 兵工学报, 2023, 44(4): 949-959. |
[7] | 张良安, 陈洋, 谢胜龙, 刘同鑫. 基于机器视觉与深度学习的飞机防护栅裂纹检测系统[J]. 兵工学报, 2023, 44(2): 507-516. |
[8] | 王洋, 冯永新, 宋碧雪, 田秉禾. DP-DRCnet卷积神经网络信号调制识别算法[J]. 兵工学报, 2023, 44(2): 545-555. |
[9] | 李萌, 武海军, 董恒, 任光, 张鹏, 黄风雷. 基于机器学习的混凝土侵彻深度预测模型[J]. 兵工学报, 2023, 44(12): 3771-3782. |
[10] | 李驰运, 缪建明, 沈丙振. 基于改进Stacking集成学习方法的武器装备体系作战效能预测[J]. 兵工学报, 2023, 44(11): 3455-3464. |
[11] | 陶俊峰, 刘海鸥, 关海杰, 陈慧岩, 臧政. 基于可通行度估计的无人履带车辆路径规划[J]. 兵工学报, 2023, 44(11): 3320-3332. |
[12] | 郑志伟, 管雪元, 傅健, 马训穷, 尹上. 基于卷积神经网络与长短期记忆神经网络的弹丸轨迹预测[J]. 兵工学报, 2023, 44(10): 2975-2983. |
[13] | 丁伯圣, 张睿恒, 徐立新, 陈慧敏. 基于灰度补偿和特征融合的沙尘图像修复方法[J]. 兵工学报, 2023, 44(10): 3115-3126. |
[14] | 唐泽月, 刘海鸥, 薛明轩, 陈慧岩, 龚小杰, 陶俊峰. 基于MPC-MFAC的双侧独立电驱动无人履带车辆轨迹跟踪控制[J]. 兵工学报, 2023, 44(1): 129-139. |
[15] | 王晓琦, 赵旸, 张键, 王硕. 基于深度学习的船体三维模型自动生成方法[J]. 兵工学报, 2022, 43(S2): 115-119. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||