买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京理工大学申请的专利图像识别与动力学融合的路面附着系数估计方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116513198B 。

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310599877.6，技术领域涉及：B60W40/064；该发明授权图像识别与动力学融合的路面附着系数估计方法及系统是由张雷;王震坡;关可人设计研发完成，并于2023-05-25向国家知识产权局提交的专利申请。

本图像识别与动力学融合的路面附着系数估计方法及系统在说明书摘要公布了：本发明公开一种图像识别与动力学融合的路面附着系数估计方法及系统，该方法包括利用语义分割网络和卷积神经网络确定路面类型；根据车辆状态信息，基于单轮动力学模型，采用卡尔曼滤波估计轮胎纵向力；根据轮胎纵向力，基于魔术轮胎公式，采用粒子滤波算法，建立路面附着系数估计器，估计第一路面附着系数；通过时空同步模块确定与第一路面附着系数路面对应的所有图像识别结果，并根据所有图像识别结果确定最终图像识别结果以及图像识别置信度；根据最终图像识别结果、图像识别置信度、第一路面附着系数及车辆纵向加速度的估计值与真实值之差，建立图像识别与动力学融合策略，确定最终路面附着系数。本发明可提高路面附着系数估计的准确性。

本发明授权图像识别与动力学融合的路面附着系数估计方法及系统在权利要求书中公布了：1.一种图像识别与动力学融合的路面附着系数估计方法，其特征在于，包括： 利用车载摄像头获取车辆前方路面图像； 利用DeeplabV3+语义分割网络对车辆前方路面图像进行分割；并利用MobileNetV2轻量化卷积神经网络对分割后的车辆前方路面图像进行路面类型分类； 利用车载传感器获取车辆状态信息；所述车辆状态信息包括：前轮转角、车辆加速度、车轮转速和转矩； 根据车辆状态信息，基于单轮动力学模型，采用卡尔曼滤波估计轮胎纵向力； 根据轮胎纵向力，基于魔术轮胎公式，采用粒子滤波算法，建立路面附着系数估计器，估计第一路面附着系数； 通过时空同步模块确定与第一路面附着系数路面对应的所有图像识别结果，并根据所有图像识别结果确定最终图像识别结果以及图像识别置信度；所述时空同步模块用于查找包含第一路面附着系数路面的所有拍摄的车辆前方路面图像的图像识别结果，并将所有图像识别结果出现频率最高的路面类型作为最终图像识别结果； 根据最终图像识别结果、图像识别置信度、第一路面附着系数以及车辆纵向加速度的估计值与真实值之差，建立图像识别与动力学融合策略； 根据图像识别与动力学融合策略确定最终的路面附着系数； 所述根据车辆状态信息，基于单轮动力学模型，采用卡尔曼滤波估计轮胎纵向力，具体包括： 利用确定单轮动力学模型； 利用公式确定单轮动力学模型对应的离散状态空间方程； 其中，Jw为车轮转动惯量；ωw为车轮旋转角速度；为车轮旋转角加速度，Tm为作用于车轮的驱动或制动力矩；Rw为车轮滚动半径；Fx为轮胎纵向力；k为离散时刻；xk-1为k-1时刻的状态变量，xk为k时刻的状态变量；z＝ωw为观测变量；zk为k时刻的观测变量；u＝Tm为控制量，uk-1为k-1时刻的控制量；wk-1为k-1时刻服从正态分布N0，Q的过程噪声；vk为k时刻服从正态分布N0，R的观测噪声；Q为过程噪声w的协方差矩阵；R为观测噪声v的协方差矩阵；A为状态矩阵，B为控制矩阵，H为观测矩阵； 所述根据轮胎纵向力，基于魔术轮胎公式，采用粒子滤波算法，建立路面附着系数估计器，估计第一路面附着系数，具体包括以下公式： 其中，Fxs为轮胎纵向力，μ为实际路面附着系数，s为轮胎滑移率，B、C、D和E分别为轮胎力学特性曲线的刚度因子、形状因子、峰值因子和曲率因子，Sh和Sv为轮胎力曲线相对于原点的水平偏移和纵向偏移。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。