基于通用视觉特征的冬季路面摩擦系数估计
计算机视觉与模式识别
2024-04-26 v1
摘要
在低于冰点的情况下，路面摩擦系数会因雪、冰和水的混合物而大幅变化。车轮与路面的摩擦力是决定车辆动力学的关键参数，因此获取路面摩擦信息对于自动车辆的安全控制或警示驾驶员湿滑路面的智能交通应用至关重要。本文探索了从路边摄像机进行路面摩擦系数的计算机视觉评估。以往研究广泛 investigates 使用卷积神经网络进行路面状况图像评估的任务。本文提出一种混合深度学习架构 WCamNet，由预训练的视觉转换模型和卷积块组成。该架构的动机是结合由视觉转换模型提供的通用视觉特征，以及由卷积块微调的特征提取属性。为对标该方法，收集了来自芬兰国家道路基础设施网络中路边摄像机和光学路面摩擦传感器的大型数据集。获取的结果表明，所提出的 WCamNet 在从路边摄像机图像预测路面摩擦系数的任务中优于先前的方法。
引用
@article{arxiv.2404.16578,
title = {Road Surface Friction Estimation for Winter Conditions Utilising General Visual Features},
author = {Risto Ojala and Eerik Alamikkotervo},
journal= {arXiv preprint arXiv:2404.16578},
year = {2024}
}