차량 주행 지원을 위한 도로 표면 분류의 포괄적 구현: 데이터셋, 모델 및 배포

도로 표면 상태의 사전 모니터링은 차량 경로 계획 및 능동 제어 시스템에 귀중한 정보를 제공합니다. 비전 센서를 이용한 도로 표면 인식은 최근 많은 주목을 받은 신기술입니다. 그러나 주행 보조를 위한 포괄적인 기술 계획과 응용 실습에 대한 보고는 거의 없습니다. 본 연구는 먼저 상세한 도로 마찰 수준, 재료 및 고르지 않음 수준 주석을 포함하는 백만 개 샘플의 대규모 도로 표면 이미지 데이터셋을 생성합니다. 결합 손실 함수와 적응형 최적화 전략으로 제한된 합성곱 신경망(CNN) 분류 모델이 데이터셋에서 학습됩니다. 그런 다음 우리는 분류 알고리즘의 강 robustness을 향상시키기 위해 향상된 덴프스터-쇠퍼 증거 이론에 기반한 결정 수준 융합 방법을 제안합니다. 마지막으로 개발된 모델은 임베디드 하드웨어 플랫폼에 배포됩니다. 도로 표면 이미지를 분류하는 Top-1 정확도는 CNN 모델에 의해 92.05%에 도달하고 융합 후 97.50%에 이릅니다. 탑재 실험은 주행 보조를 위한 실제 차량 응용에서 뛰어난 잠재력을 가진 개발된 기술 프레임워크의 장점과 우수성을 보여줍니다.