面向安全驾驶的智能多模态实时路面检测方法

精确且及时地识别路面状况可使车辆能够调整行动，如改变速度或使用特定制动控制技术，以降低事故和对驾驶员和行人潜在危险的机会。然而，大多数现有方法仅依赖视觉数据进行路面检测，在某些情况下可能不够充分，例如当路面覆盖有碎屑、在低光条件下或在雾中。因此，我们提出了一种集成音频和图像的多模态方法，用于自动检测路面状况。该方法的鲁棒性在 various 环境条件和路面类型收集的多样化数据集上进行了测试。通过广泛的评估，我们展示了该多模态方法在实时场景中准确识别路面状况的有效性和可靠性。我们的发现突显了整合听觉和视觉线索以增强道路安全和最小化事故风险的潜力。