王 海，蔡柏湘，蔡英凤，刘 泽，孙 恺，陈 龙

（1. 江苏大学汽车与交通工程学院，镇江 212013；2. 江苏大学汽车工程研究院，镇江 212013；3. 上海禾赛科技股份有限公司，上海 201702）

前言

准确地估计路面附着系数一直是一个非常具有挑战性且很有实际意义的研究课题。雨后低附着系数路面不仅影响车辆的动力性和制动性能，且会使汽车的操纵稳定性变差［1］。及时准确地辨识出路面附着系数，为驾驶员或智能车辆的决策预留时间，可避免不必要的交通事故。

目前，路面附着系数的估计方法主要有3 类：第一类是传统的基于车辆动力学参数建模的间接估计，如文献［2］中基于所设计惯性试验台提出通过改变车轮与双转鼓间安置角等效不同路面峰值附着系数的算法；第二类是通过光学传感器获取路面数据，根据传感器数据与路面附着系数的关系进行估计；第三类则是基于视觉传感器借助深度学习手段的间接估计。

采用动力建模的方法虽然准确可靠，但模型复杂，不能保证实时性；且该方法只能估计当前与轮胎接触的路面附着系数，而不能估计车辆前方路面的附着系数。基于光学传感器的方法，容易受到光照变化、环境噪声和路面阴影等因素的影响，鲁棒性不佳。借助深度学习分类网络的方法虽说能弥补上述两种方法的缺陷，但只能估计路面整体的附着系数，不能对积水和湿滑路面局部进行附着系数估计，更得不到路面积水和湿滑区域的分布。

据此，本文中提出了基于图像语义分割的积水和潮湿的路面状态识别和路面附着系数估计的方法。……