一种基于人工智能视觉与振动系统的多维度传感器集成方法，用于路面状况监测

《IEEE Open Journal of Vehicular Technology》：A Multidimensional Sensor Integration Methodology for Road Surface Condition Monitoring Using AI-Based Vision and Vibration Systems

　　

摘要：

本研究提出了一种用于离线道路表面评估的多传感器系统，该系统结合了基于视觉和振动的人工智能分类模型以及精确的定位功能。视觉子系统将摄像头图像与激光雷达数据相结合，通过一次检测多目标（YOLO）分类模型对道路段落进行分类，将其划分为五种不同的路面状况类别。与此同时，振动子系统则利用一维卷积神经网络处理车辆行驶时采集的惯性信号，从而识别出五种类型的路面物理不规则性。这两个子系统所提供的预测结果会通过实时动态全球导航卫星系统以及惯性导航系统在空间上实现整合，从而得到厘米级精度的对齐结果，并以地图形式展示出经过分类的道路段落。对各种检测方法的独立评估表明，它们各自具有互补的优势：原本为其他应用场景开发的振动模型能够在多种新环境中很好地适用于几类路面状况的检测，而基于视觉的系统则在复杂光照条件下仍能实现可靠的分类功能。该系统已在多种不同的道路条件和光照环境下得到了验证。所提出的方法通过将视觉领域的传感器融合技术与多模态空间整合技术相结合，实现了大规模、高精度且带有地理参考信息的道路检测，为基于数据的基础设施维护策略奠定了基础。