基于模糊逻辑与深度学习的环境条件感知道路表面分类
计算机视觉与模式识别
2026-01-13 v2 人工智能
摘要
监控道路表面状态为车辆规划、控制及主动车辆控制系统提供宝贵信息。经典的道路监测方法昂贵且不系统化，因测量耗时。本文提出一种基于天气条件数据和道路表面状态数据的实时系统。为此，我们在卡尔斯鲁厄理工大学校园周边道路上使用手机摄像头收集数据。我们测试了大量基于图像的深度学习算法用于道路分类。此外，我们将道路加速度数据与道路图像数据一起用于训练，作为图像使用。我们比较了基于加速度和基于摄像图像的方法性能。比较了简单 AlexNet、LeNet、VGG 和 ResNet 等深度学习算法的性能。对于道路条件分类，考虑 5 类：沥青、受损沥青、砾石路、受损砾石路、石板路，实现了 95% 以上的准确率。还提出使用加速度或摄像图像根据天气和时间将道路表面进行分类的模糊逻辑方法。
引用
@article{arxiv.2512.23436,
title = {Fuzzy-Logic and Deep Learning for Environmental Condition-Aware Road Surface Classification},
author = {Mustafa Demetgul and Sanja Lazarova Molnar},
journal= {arXiv preprint arXiv:2512.23436},
year = {2026}
}
备注
This paper has been withdrawn by the authors because the manuscript was submitted before all authors reached a final agreement on the content and readiness of the work. The paper should not be cited