路面类型确定方法、装置和车辆与流程

1.本技术涉及车辆技术领域，特别涉及一种路面类型确定方法、装置和车辆。


背景技术：

2.一般情况下，车辆在不同路面会面临不同的行驶状况，因而在不同路面上车辆的行驶性能也不同。这种情况下，在不同的路面上，就要对车辆的行驶参数进行不同的控制，从而使车辆适应当前行驶的路面，以提高在不同路面上驾驶车辆的安全性。例如，车辆行驶在雪地路面上，就可以控制车辆的输出扭矩等参数，从而提高车辆在雪地路面上行驶的安全性。
3.然而为了保证在相应路面上车辆的行驶参数可以得到及时调整，就要准确地确定车辆所处路面的路面类型。因此，对路面类型的准确确定是非常重要的，这种情况下，亟需一种可以对路面类型进行确定的方法。


技术实现要素：

4.本技术提供了一种路面类型确定方法、装置、车辆和存储介质，可以准确确定出车辆当前所处路面的路面类型，从而保证车辆的行驶参数可以得到及时调整，进而保证驾驶的安全性。技术方案如下：
5.第一方面，提供了一种路面类型确定方法，所述方法包括：
6.获取目标车辆的当前行驶路面的图像、所述目标车辆的当前行驶参数以及所述目标车辆所处环境的环境参数；
7.基于所述目标车辆的当前行驶参数，确定所述当前行驶路面的路面极限附着系数；
8.基于所述图像、所述路面极限附着系数以及所述环境参数，确定所述当前行驶路面的路面类型。
9.在本技术中，先获取目标车辆的当前行驶路面的图像、当前行驶参数以及目标车辆所处环境的环境参数，也即是获取目标车辆的行驶参数以及目标车辆所处环境的环境信息。之后基于目标车辆的当前行驶参数，确定当前行驶路面的路面极限附着系数。后续基于该图像、该路面极限附着系数以及该环境参数，确定当前行驶路面的路面类型。由于路面极限附着系数可以指示目标车辆的轮胎与地面之间的最大摩擦力，该图像和目标车辆所处环境的环境参数可以指示目标车辆所处环境的环境信息。如此，后续是通过结合多方面的特征来确定当前行驶路面，从而可以更为准确的确定出当前行驶路面的路面类型，保证了车辆的行驶参数可以得到及时调整，进而保证驾驶的安全性。
10.可选地，所述获取目标车辆的当前行驶路面的图像、所述目标车辆的当前行驶参数以及所述目标车辆所处的环境参数之前，还包括：
11.获取所述目标车辆的当前车速、当前车轮转角以及轴距；
12.基于所述目标车辆的当前车速、当前车轮转角以及所述目标车辆的轴距，确定当
前图像采集范围；
13.所述获取目标车辆的当前行驶路面的图像的方法，包括：
14.按照所述当前图像采集范围，获取所述目标车辆的当前行驶路面的图像。
15.可选地，所述当前行驶参数包括所述目标车辆的加速度、所述目标车辆的速度、所述目标车辆的多个车轮的轮速，所述基于所述目标车辆的当前行驶参数，确定所述当前行驶路面的路面极限附着系数，包括：
16.将所述目标车辆的加速度除以重力加速度，得到当前时刻所述当前行驶路面的实际附着系数；
17.对于所述目标车辆的多个车轮中任意的一个车轮，基于所述目标车辆的速度和所述车轮的轮速，确定所述车轮的滑移率；
18.基于所述目标车辆的多个车轮的滑移率和所述实际附着系数，确定所述路面极限附着系数。
19.可选地，所述基于所述目标车辆的多个车轮的滑移率和所述实际附着系数，确定所述路面极限附着系数，包括：
20.在所述多个车轮中滑移率大于或等于预设滑移率阈值的车轮个数大于或等于预设数量的情况下，将所述实际附着系数确定为所述路面极限附着系数；
21.在所述多个车轮中滑移率大于或等于所述预设滑移率阈值的车轮个数小于所述预设数量的情况下，将所述实际附着系数与目标附着系数之间的最大值确定为所述路面极限附着系数，所述目标附着系数为上一时刻的路面极限附着系数。
22.可选地，所述基于所述图像、所述路面极限附着系数以及所述环境参数确定所述目标车辆的当前行驶路面的路面类型，包括：
23.对所述图像进行分类，得到所述图像的分类结果和置信度；
24.在所述分类结果为雪地路面，且所述分类结果的置信度大于预设置信度阈值，且所述路面极限附着系数小于预设附着系数阈值，且所述环境参数满足目标条件的情况下，确定所述当前行驶路面为雪地路面。
25.可选地，所述环境参数包括温度、湿度、雪量中的至少一个，确定所述环境参数是否满足所述目标条件的方法，包括下述至少一项：
26.通过所述目标车辆的温度传感器采集所述目标车辆所处的环境的温度；在所述温度小于预设温度阈值的情况下，确定所述环境参数满足所述目标条件；在所述温度大于或等于所述预设温度阈值的情况下，确定所述环境参数不满足所述目标条件；
27.通过所述目标车辆的湿度传感器采集所述目标车辆所处的环境的湿度；在所述湿度大于预设湿度阈值的情况下，确定所述环境参数满足所述目标条件；在所述湿度小于或等于所述预设湿度阈值的情况下，确定所述环境参数不满足所述目标条件；
28.通过所述目标车辆的雪量传感器采集所述目标车辆所处环境的雪量；在所述雪量大于预设雪量阈值的情况下，确定所述环境参数满足所述目标条件；在所述雪量小于或等于所述预设雪量阈值的情况下，确定所述环境参数不满足所述目标条件。
29.可选地，所述对所述图像进行分类，得到分类结果和置信度，包括：
30.对所述图像进行特征提取，得到所述图像的第一图像特征；
31.对所述第一图像特征进行激活和池化，得到第二图像特征；
32.对所述第二图像特征进行全连接和归一化，得到多个预测分类结果的置信度，所述置信度用于指示对应预测分类结果的可信程度；
33.将所述多个预测分类结果中置信度最大的预测分类结果确定为所述图像的分类结果。
34.可选地，所述基于所述图像、所述路面极限附着系数以及所述环境参数确定所述当前行驶路面的路面类型之后，还包括：
35.在确定所述当前行驶路面为雪地路面的情况下，控制所述目标车辆以雪地模式行驶。
36.第二方面，提供了一种路面类型确定装置，所述装置包括：
37.第一获取模块，用于获取目标车辆的当前行驶路面的图像、所述目标车辆的当前行驶参数以及所述目标车辆所处环境的环境参数；
38.第一确定模块，用于基于所述目标车辆的当前行驶参数，确定所述当前行驶路面的路面极限附着系数；
39.第二确定模块，用于基于所述图像、所述路面极限附着系数以及所述环境参数，确定所述当前行驶路面的路面类型。
40.可选地，所述装置还包括：
41.第二获取模块，用于获取所述目标车辆的当前车速、当前车轮转角以及轴距；
42.第三确定模块，用于基于所述目标车辆的当前车速、当前车轮转角以及所述目标车辆的轴距，确定当前图像采集范围；
43.所述第一获取模块用于：
44.按照所述当前图像采集范围，获取所述目标车辆的当前行驶路面的图像。
45.可选地，所述当前行驶参数包括所述目标车辆的加速度、所述目标车辆的速度、所述目标车辆的多个车轮的轮速，所述第一确定模块用于：
46.将所述目标车辆的加速度除以重力加速度，得到当前时刻所述当前行驶路面的实际附着系数；
47.对于所述目标车辆的多个车轮中任意的一个车轮，基于所述目标车辆的速度和所述车轮的轮速，确定所述车轮的滑移率；
48.基于所述目标车辆的多个车轮的滑移率和所述实际附着系数，确定所述路面极限附着系数。
49.可选地，所述第一确定模块用于：
50.在所述多个车轮中滑移率大于或等于预设滑移率阈值的车轮个数大于或等于预设数量的情况下，将所述实际附着系数确定为所述路面极限附着系数；
51.在所述多个车轮中滑移率大于或等于所述预设滑移率阈值的车轮个数小于所述预设数量的情况下，将所述实际附着系数与目标路面极限附着系数之间的最大值确定为所述路面极限附着系数，所述目标附着系数为上一时刻的路面极限附着系数。
52.可选地，所述第二确定模块用于：
53.对所述图像进行分类，得到所述图像的分类结果和置信度；
54.在所述分类结果为雪地路面，且所述分类结果的置信度大于预设置信度阈值，且所述路面极限附着系数小于预设附着系数阈值，且所述环境参数满足目标条件的情况下，
确定所述当前行驶路面为雪地路面。
55.可选地，所述环境参数包括温度、湿度、雪量中的至少一个，第二确定模块用于以下至少一项：
56.通过所述目标车辆的温度传感器采集所述目标车辆所处的环境的温度；在所述温度小于预设温度阈值的情况下，确定所述环境参数满足所述目标条件；在所述温度大于或等于所述预设温度阈值的情况下，确定所述环境参数不满足所述目标条件；
57.通过所述目标车辆的湿度传感器采集所述目标车辆所处的环境的湿度；在所述湿度大于预设湿度阈值的情况下，确定所述环境参数满足所述目标条件；在所述湿度小于或等于所述预设湿度阈值的情况下，确定所述环境参数不满足所述目标条件；
58.通过所述目标车辆的雪量传感器采集所述目标车辆所处环境的雪量；在所述雪量大于预设雪量阈值的情况下，确定所述环境参数满足所述目标条件；在所述雪量小于或等于所述预设雪量阈值的情况下，确定所述环境参数不满足所述目标条件。
59.可选地，所述第二确定模块用于：
60.对所述图像进行特征提取，得到所述图像的第一图像特征；
61.对所述第一图像特征进行激活和池化，得到第二图像特征；
62.对所述第二图像特征进行全连接和归一化，得到多个预测分类结果的置信度，所述置信度用于指示对应预测分类结果的可信程度；
63.将所述多个预测分类结果中置信度最大的预测分类结果确定为所述图像的分类结果。
64.可选地，所述装置还包括：
65.控制模块，用于在确定所述当前行驶路面为雪地路面的情况下，控制所述目标车辆以雪地模式行驶。
66.第三方面，提供了一种车辆，所述车辆包括：
67.存储器，用于存储可执行程序代码；
68.处理器，用于从所述存储器中调用并运行所述可执行程序代码，使得所述车辆执行上述的路面类型确定方法。
69.第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的路面类型确定方法。
70.第五方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述的路面类型确定方法的步骤。
71.可以理解的是，上述第二方面、第三方面、第四方面、第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
72.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
73.图1是本技术实施例提供的一种路面类型确定方法的场景示意图；
74.图2是本技术实施例提供的一种路面类型确定方法的流程图；
75.图3是本技术实施例提供的一种确定当前图像采集范围的示意图；
76.图4是本技术实施例提供的一种最大值池化的流程示意图；
77.图5是本技术实施例提供的一种残差块的结构示意图；
78.图6是本技术实施例提供的一种路面分类模型的结构示意图；
79.图7是本技术实施例提供的另一种残差块的结构示意图；
80.图8是本技术实施例提供的一种路面类型确定装置的结构示意图；
81.图9是本技术实施例提供的一种车辆的结构示意图。
具体实施方式
82.为使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术实施方式作进一步地详细描述。
83.应当理解的是，本技术提及的“多个”是指两个或两个以上。在本技术的描述中，除非另有说明，“/”表示或的意思，比如，a/b可以表示a或b；本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，比如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，为了便于清楚描述本技术的技术方案，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定，并且“第一”、“第二”等字样也并不限定一定不同。
84.在对本技术实施例提供的路面类型确定方法进行说明之前，先对本技术实施例的应用场景予以说明。
85.车辆在不同路面上行驶时会面临不同的行驶状况，比如，车辆行驶于雪地路面上时，车辆轮胎的抓地力会降低，从而会出现车辆打滑的情况。这种情况下，车辆会失去控制，从而会使车辆驾驶处于危险中。
86.因此，车辆在处于雪地路面上时，可以对车辆的行驶参数进行调整，比如降低输出扭矩、保持车身电子稳定程序的开启等，使得车辆可以从雪地路面上平稳度过，从而保证车辆的安全驾驶。为了保证在雪地路面上车辆的行驶参数可以得到及时调整，就要及时、准确地确定车辆当前行驶在雪地路面上。
87.下面以车辆行驶于雪地路面上为例对相关技术进行介绍。
88.相关技术中，一种是通过驾驶员对周围环境的观察，确定出车辆当前行驶路面是否为雪地路面。如果车辆当前行驶在雪地路面上，那么驾驶员可以对车辆做出相应的控制，比如降低车速等，从而保证在雪地路面上对车辆的安全驾驶。
89.上述方式中是通过驾驶员观察的方式确定当前是否行驶于雪地路面上，并且在驾驶员确定车辆行驶雪地路面时主动控制车辆降低速度。然而，这种方式仅可以人为控制车辆，一旦驾驶员不够集中注意力，可能会导致车辆驾驶处于危险中。
90.另一种是通过单一特征确定车辆是否行驶于雪地路面上。比如，可以先获取车辆与当前路面之间的摩擦系数，在确定该摩擦系数小于一个摩擦系数阈值的情况下，可以确定车辆当前行驶于雪地路面上。
91.上述方式中是通过车辆与当前路面之间的摩擦系数确定当前路面是否为雪地路
面的。然而，如果当前路面中存在其他物质而影响到车辆与当前路面之间摩擦系数的确定，那么就会导致最终的确定结果不够准确。
92.为此，本技术实施例提供了一种路面类型确定方法，该路面类型确定方法可以应用于确定车辆的行驶路面的路面类型的场景中。
93.比如，该路面类型确定方法可以应用于确定车辆当前所行使的路面是否为雪地路面的场景中。
94.例如，图1是一种路面类型确定方法的场景示意图，参见图1，图1包括车辆101和路面102。其中，车辆101行驶于路面102上。
95.具体地，先获取车辆101行驶于路面102上的图像、车辆101的当前行驶加速度以及车辆101当前所处环境的环境温度。再基于车辆101的当前行驶加速度确定路面102的路面极限附着系数。之后可以对车辆101行驶于路面102上的图像进行识别，识别路面102是否为雪地路面。之后可以基于该图像的识别结果、路面102的路面极限附着系数以及当前所处环境的环境温度，确定车辆101当前行驶的路面102是否为雪地路面。如此，后续通过结合多方面的特征来确定当前行驶路面，从而可以更为准确的确定出当前行驶路面是否为雪地路面，保证了车辆的行驶参数可以得到及时调整，进而保证驾驶的安全性。
96.下面对本技术实施例提供的路面类型确定方法进行详细地解释说明。
97.图2是本技术实施例提供的一种路面类型确定方法的流程图。该方法可以应用于车辆的控制器，例如，可以应用与车辆的ecu(electronic control unit，电子控制单元)。参见图2，该方法包括以下步骤。
98.步骤201：获取目标车辆的当前行驶路面的图像、目标车辆的当前行驶参数以及目标车辆所处环境的环境参数。
99.当前行驶路面是指目标车辆当前时刻所处的路面，当前行驶路面的图像可以由目标车辆的摄像头采集。
100.目标车辆的当前行驶参数是指目标车辆当前时刻的行驶参数。可选地，目标车辆的当前行驶参数可以包括目标车辆的车速、加速度以及目标车辆的多个车轮的轮速等中的至少一个，本技术实施例对此不作限定。
101.目标车辆所处环境的环境参数用于指示目标车辆所处环境的环境状态，可选地，目标车辆所处环境的环境参数可以包括环境温度、环境湿度、雪量等中的至少一个，本技术实施例对此不作限定。可选地，可以通过环境传感器测量得到目标车辆所处环境的环境参数，之后控制器可以获取环境传感器采集得到该环境参数。
102.由于该图像和目标车辆所处环境的环境参数可以表示目标车辆所处环境的环境信息。这种情况下，是相当于获取了目标车辆的当前行驶参数以及所处环境的环境信息，也即是获取了多方面的参数信息，从而后续可以据此来确定当前行驶路面的路面类型。
103.可选地，在步骤201之前还可以先获取目标车辆的当前车速、当前车轮转角以及轴距；基于目标车辆的当前车速、当前车轮转角以及该轴距，确定当前图像采集范围。
104.当前车轮转角是指当前时刻目标车辆的前轮的转角。可选地，当前车轮转角可以通过车轮上的转角传感器获取，也即是车轮上的转角传感器可以采集得到目标车辆中前轮的转角，之后控制器获取转角传感器采集的前轮的转角并将其作为当前车轮转角。
105.该轴距是指目标车辆的前轴与后轴之间的距离，也即是目标车辆的前轮中心与后
轮中心的距离。当前图像采集范围是指目标车辆要采集的当前行驶路面的范围。
106.由于目标车辆一直处于运动的状态，而对于确定目标车辆所行使路面的路面类型的整个过程来说，是需要一定时间的。所以可以通过确定一个当前图像采集范围的方式，保证目标车辆行驶至所采集的图像所指示的路面区域之前，能够得到对当前行驶路面的确定结果，从而可以保证所得到的对当前行驶路面的确定结果是有效的。
107.其中，基于目标车辆的当前车速、当前车轮转角以及该轴距，确定当前图像采集范围的操作可以为：基于目标车辆的当前车速，确定当前图像采集范围中的水平最小值以及水平最大值；基于当前车轮转角和该轴距，确定当前图像采集范围中的垂直最小值和垂直最大值。
108.水平最小值是指所要采集的路面区域的左边界与目标车辆的摄像头之间的水平距离。水平最大值是指所要采集的路面区域的右边界与目标车辆的摄像头之间的水平距离。
109.垂直最小值是指所要采集的路面区域的上边界与目标车辆的中轴线之间的垂直距离。垂直最大值是指所要采集的路面区域的下边界与目标车辆的中轴线之间的垂直距离。
110.其中，基于目标车辆的当前车速，确定当前图像采集范围中的水平最小值以及水平最大值的操作可以为：基于目标车辆的当前车速，从车速与水平最小值之间的对应关系中确定对应的水平最小值；将水平最小值加上目标数值得到水平最大值。
111.目标数值可以预先进行设置，且目标数值可以由技术人员根据实际需求进行设置。比如目标数值可以设置为10m(米)，水平最小值为20m，那么水平最大值可以为30m。
112.该车速与水平最小值之间的对应关系中可以包括多个车速范围和多个水平最小值。该多个车速范围与多个水平最小值一一对应，也即是一个车速范围对应一个水平最小值。这种情况下，可以基于目标车辆的当前车速，确定当前车速属于哪个车速范围，从而可以获取这个车速范围对应的水平最小值。
113.例如，表1为该车速与水平最小值之间的对应关系，如表1所示，表1中包括三个车速范围和三个水平最小值。比如，目标车辆的当前车速为100km/h(千米/小时)，则可以从表1中得到目标车辆的当前车速属于第三个车速范围[80，120)，从而可以获取第三个车速范围对应的水平最小值为20m。
[0114]
表1
[0115]
车速范围水平最小值[0，40)5[40，80)10[80，120)20
…………
[0116]
本技术实施例仅以上述表1为例来对该车速与水平最小值之间的对应关系进行示例性说明，并不对本技术实施例构成限定。
[0117]
其中，基于当前车轮转角和该轴距，确定当前图像采集范围中的垂直最小值和垂直最大值的操作可以为：基于当前车轮转角和该轴距，通过如下公式(1)确定当前图像采集范围中的垂直最小值，以及通过如下公式(2)确定当前图像采集范围中的垂直最大值。
[0118]ymin
＝1.75+50δ/l
ꢀꢀꢀꢀꢀꢀꢀꢀ(i)[0119]ymm
＝-1.75+50δ/l
ꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0120]
其中，y
min
为垂直最小值，y
max
为垂直最大值，δ为当前车轮转角，l为该轴距。其中公式(2)中的负号用于表示方向，也即是用于表示目标车辆的中轴线指向下边界的方向。
[0121]
例如，图3是一种确定当前图像采集范围的示意图，参见图3，图3包括目标车辆301以及依据当前图像采集范围所确定的路面区域302，目标车辆301上包括摄像头303。如图3所示，当前图像采集范围为[(x
min
，x
max
)，(y
min
，y
max
)]。
[0122]
其中，x
min
为当前图像采集范围的水平最小值，也即是该路面区域302中的左边界与摄像头303之间的距离，x
max
为当前图像采集范围的水平最大值，也即是该路面区域302中的右边界与摄像头303之间的距离。水平最小值与水平最大值之间的差值为目标数值，在图3中，目标数值为10。y
min
是指该路面区域302中的上边界与目标车辆301的中轴线之间的距离，y
max
是指该路面区域302中的下边界与目标车辆301的中轴线之间的距离。应理解，图3中目标车辆301的当前车轮转角为0，从而得到的y
min
和y
max
均为1.75。
[0123]
值得注意的是，在确定得到当前图像采集范围之后，可以按照当前图像采集范围，获取目标车辆的当前行驶路面的图像。
[0124]
具体地，可以先根据当前图像采集范围，调整摄像头的采集角度，之后控制摄像头以调整后的采集角度采集路面图像，也即是可以采集得到当前图像采集范围所确定的路面区域的图像。
[0125]
这种情况下，按照当前图像采集范围获取目标车辆的当前行驶路面的图像，可以保证目标车辆行驶至所采集的图像所指示的路面区域之前，能够得到对当前行驶路面的确定结果，从而保证了在目标车辆行驶至相应路面的情况下，能够及时调整目标车辆的行驶参数，进而保证对目标车辆驾驶的安全性。
[0126]
步骤202：基于目标车辆的当前行驶参数，确定当前行驶路面的路面极限附着系数。
[0127]
路面极限附着系数用于指示目标车辆的车轮与当前行驶路面之间的最大摩擦力。比如，目标车辆在雪地路面上的抓地力较小，所以摩擦系数也就较小。从而路面极限附着系数越小，说明目标车辆的车轮与当前行驶路面之间的最大摩擦力越小，那么当前行驶路面为雪地路面的可能性就越高；路面极限附着系数越大，说明目标车辆的车轮与当前行驶路面之间的最大摩擦力越大，那么当前行驶路面为雪地路面的可能性就越低。
[0128]
这种情况下，通过确定出当前行驶路面的路面极限附着系数可以为后续确定当前行驶路面的路面类型提供了有效参考，使得参考该路面极限附着系数可以更为准确的确定出当前行驶路面的路面类型。
[0129]
在当前行驶参数可以包括目标车辆的加速度、速度以及多个车轮的轮速的情况下，步骤202的操作可以包括如下步骤(1)-步骤(3)。
[0130]
(1)将目标车辆的加速度除以重力加速度，得到当前时刻当前行驶路面的实际附着系数。
[0131]
目标车辆的加速度为目标车辆当前时刻的纵向加速度，其可以通过固定于目标车辆车身上的加速度传感器采集得到。当然，还可以基于目标车辆的车速计算得到，本技术实施例对此不作限定。该实际附着系数用于表示当前行驶路面在当前时刻的路面附着系数，
该实际附着系数对于路面极限附着系数的确定起到参考作用。
[0132]
由于目标车辆在当前行驶路面上进行行驶时，当前行驶路面可以为目标车辆提供向前行驶的驱动力。具体地，当前行驶路面为目标车辆提供驱动力的计算可以通过如下公式(3)实现。
[0133]f驱
＝u
实际
×m×gꢀꢀ
(3)
[0134]
其中，f
驱
为当前行驶路面为目标车辆提供的驱动力，u
实际
为当前行驶路面的实际附着系数。m为目标车辆的重量，g为重力加速度，一般情况下，g的值为9.8。
[0135]
另外，通过车辆纵向行驶方程也可以确定出目标车辆的驱动力。通过车辆纵向行驶方程确定目标车辆的驱动力的过程如下公式(4)所示。
[0136][0137]
其中，a
x
为目标车辆的加速度，ρ为空气密度，cd为风阻系数、s
面
为迎风面积、v
车
为目标车辆的速度，θ为当前行驶路面的路面坡度。
[0138]
由于目标车辆在高速行驶时，其传动系统的传动比相比低速行驶时较小，并且目标车辆的发动机或者电机可以输出的扭矩相比低速行驶时也有所降低。那么这种情况下，发动机或者电机所输出的扭矩不会造成车轮出现打滑失稳的现象。所以本技术实施例提供的路面类型确定方法主要用于目标车辆低速行驶的场景中。
[0139]
另外，目标车辆在低速行驶时，其受到的空气阻力非常小，因此可以忽略空气阻力对车辆纵向行驶的影响，那么上述公式(4)中的风阻系数cd可以为0。并且，目标车辆的加速度是由目标车辆上安装的加速度传感器采集的，由于加速度传感器通常是固定于车身，因此，其检测得到的加速度实质上是考虑了坡道阻力信息的。那么上述公式(4)中有关坡道阻力的计算可以忽略不计。
[0140]
因此，步骤(1)的操作可以通过如下公式(5)实现。
[0141][0142]
例如，目标车辆的加速度为9.8，那么计算得到当前行驶路面的实际附着系数为u
实际
＝9.8
÷
9.8＝1。
[0143]
(2)对于目标车辆的多个车轮中任意的一个车轮，基于目标车辆的速度和这个车轮的轮速，确定这个车轮的滑移率。
[0144]
目标车辆的速度是指目标车辆在当前时刻的纵向速度，这个车轮的轮速是指当前时刻这个车轮的转动速度。
[0145]
一个车轮的滑移率是指在这个车轮运动的过程中车轮的滑移所占的比例，滑移率用于指示车轮直行时刹车或加速时轮胎胎印和路面间所产生的滑移。
[0146]
通过对目标车辆的多个车轮中每一个车轮执行上述步骤(2)，可以得到目标车辆的多个车轮中每一个车轮的滑移率。这种情况下，通过确定该多个车轮的滑移率可以获知目标车辆中该多个车轮在刹车或者加速时是否会产生滑移，从而可以确定出目标车辆的车轮在行驶过程中是否出现打滑的现象，进而据此可以确定出更为准确的该路面极限附着系数。
[0147]
具体地，步骤(2)的操作可以为：对于目标车辆的多个车轮中任意的一个车轮，基于目标车辆的速度和这个车轮的轮速，通过如下公式(6)确定这个车轮的滑移率。
[0148][0149]
其中，s为这个车轮的滑移率，v
车
为目标车辆的车速，v
轮
为这个车轮的轮速。
[0150]
以计算目标车辆的左前轮的滑移率为例，目标车辆的车速为80，目标车辆的左前轮的轮速为120，则通过上述公式可以得到则目标车辆的左前轮的滑移率为-0.5。
[0151]
可选地，目标车辆的多个车轮上安装有轮速传感器，这种情况下，目标车辆的多个车轮的轮速可以通过对应的轮速传感器检测得到。
[0152]
可选地，可以通过如下任意一种方式实现对车速的确定。
[0153]
示例1，目标车辆上可以安装有车速传感器，那么目标车辆的车速可以由车速传感器采集得到。
[0154]
示例2，目标车辆的车速还可以通过轮速转换计算得到。可选地，根据轮速计算车速的方法包括平均轮速法、最大轮速法等。其中，平均轮速法是将目标车辆的两个后轮的车轮速度(轮速)取平均值作为车速；最大轮速法是将目标车辆的四个车轮的轮速的最大值作为车速。
[0155]
示例3，目标车辆的车速还可以通过另一种轮速转换方法得到。具体的计算过程为：车速＝车轮周长*轮速。其中，轮速可以通过轮速传感器获取，车轮周长是轮胎的固有参数。
[0156]
应理解，上述几种方式只是示意性的举例，且计算出来的车速差异不大，都可以作为目标车辆的实际车速。凡是用于计算车速的任何方式都属于本技术的保护范围。
[0157]
(3)基于目标车辆的多个车轮的滑移率和该实际附着系数，确定该路面极限附着系数。
[0158]
由于滑移率可以指示目标车辆的车轮是否发生打滑，所以后续结合目标车辆的多个车轮的滑移率和该实际附着系数可以确定出更为准确的该路面极限附着系数。
[0159]
具体地，步骤(3)的操作可以为：在该多个车轮中滑移率大于或等于预设滑移率阈值的车轮个数大于或等于预设数量的情况下，将该实际附着系数确定为该路面极限附着系数；在该多个车轮中滑移率大于或等于预设滑移率阈值的车轮个数小于预设数量的情况下，将该实际附着系数与目标附着系数之间的最大值确定为该路面极限附着系数。
[0160]
目标附着系数为上一时刻的路面极限附着系数。上一时刻的路面极限附着系数也即是依据目标车辆在上一时刻的行驶参数确定的路面极限附着系数。
[0161]
预设数量可以预先进行设置，且预设数量可以依据实际需求进行设置。例如预设数量可以设置的较大，比如，预设数量可以设置为2。
[0162]
预设滑移率阈值可以预先进行设置，且预设滑移率可以依据车轮发生打滑时的滑移率进行设置。预设滑移率可以设置的较大。
[0163]
这种情况下，一个车轮的滑移率大于预设滑移率阈值，说明这个车轮的滑移率较大，且已经大于车轮发生打滑时的滑移率，也就说明这个车轮很有可能发生了打滑。一个车
轮的滑移率小于预设滑移率阈值，说明这个车轮的滑移率不大，并未超过车轮发生打滑时的滑移率，也就说明这个车轮很有可能未发生打滑。
[0164]
那么在该多个车轮中滑移率大于或等于预设滑移率阈值的车轮个数大于或等于预设数量的情况下，说明该多个车轮中车轮发生打滑的数量较多，也即是目标车辆在当前行驶路面上存在打滑的车轮较多，那么也就说明当前时刻计算得到的实际附着系数就是当前行驶路面的极限附着系数，则可以将当前时刻计算得到的实际附着系数确定为当前行驶路面的路面极限附着系数。
[0165]
在该多个车轮中滑移率大于或等于预设滑移率阈值的车轮个数小于预设数量的情况下，说明该多个车轮中车轮发生打滑的数量不多，也即是目标车辆在当前行驶路面上存在打滑的车轮不多，那么这种情况下计算得到的该路面极限附着系数会较大，则可以将该实际附着系数与目标路面极限附着系数之间的最大值确定为该路面极限附着系数。
[0166]
例如，预设滑移率阈值为0.2，预设数量为2，实际附着系数为0.3。目标车辆的4个车轮的滑移率分别为0.1、0.25、0.3、0.05。由于其中一个车轮的滑移率(0.1)小于预设滑移率阈值(0.2)，且另一个车轮的滑移率(0.05)小于预设滑移率阈值(0.2)，该4个车轮中滑移率大于预设滑移率阈值的数量超过了2个，则可以将实际附着系数(0.3)确定为该路面极限附着系数，从而该路面极限附着系数为0.3。
[0167]
步骤203：基于该图像、该路面极限附着系数以及该环境参数，确定当前行驶路面的路面类型。
[0168]
该路面类型可以包括雪地路面，其中雪地路面可以包括积雪路面、结冰路面等。从而基于该图像、该路面极限附着系数以及该环境参数，可以确定出当前行驶路面是否为雪地路面。当然，该路面类型还可以包括湿滑路面等其他路面附着系数较小的路面，本技术实施例对此不做限定。其中，湿滑路面可以包括下雨路面、潮湿路面等。
[0169]
由于该路面极限附着系数可以指示目标车辆的轮胎与地面之间的摩擦力，该图像和目标车辆所处环境的环境参数可以指示目标车辆所处环境的环境信息。所以可以基于该图像、该路面极限附着系数以及该环境参数，确定当前行驶路面的路面类型。
[0170]
这种情况下，后续是通过结合多方面的特征来确定当前行驶路面，从而可以更为准确的确定出当前行驶路面的路面类型，保证了车辆的行驶参数可以得到及时调整，进而保证驾驶的安全性。
[0171]
具体地，步骤203的操作可以包括如下步骤(1)-步骤(3)。
[0172]
(1)对该图像进行分类，得到该图像的分类结果和置信度。
[0173]
该分类结果可以包括路面类型，也即是可以包括雪地路面、湿滑路面等。该置信度为该分类结果的置信度，其用于指示该分类结果的可信程度，在置信度越大的情况下，该分类结果的可信程度越高，也即是该分类结果越准确。在置信度越小的情况下，该分类结果的可信程度越低，也即是该分类结果越不准确。
[0174]
这种情况下，通过对该图像进行分类，可以从该图像中初步得到当前行驶路面的路面类型，从而可以为后续准确确定当前行驶路面的路面类型提供参考价值。比如，通过对该图像进行分类，可以从该图像中初步得到当前行驶路面是否为雪地路面，从而可以为后续准确确定是否为雪地路面提供参考价值。
[0175]
可选地，可以将该图像输入路面分类模型中，通过路面分类模型对该图像进行处
理，以得到该图像的分类结果和置信度。
[0176]
这种情况下，步骤(1)的操作可以包括如下步骤a-步骤d。
[0177]
a.对该图像进行特征提取，得到该图像的第一图像特征。
[0178]
可选地，该路面分类模型可以包括特征提取部分，将该图像输入路面分类模型之后，可以通过该路面分类模型中的特征提取部分对该图像进行特征提取，以提取得到该图像的图像特征，也即是得到第一图像特征。
[0179]
其中，特征提取部分可以包括多个提取阶段，其中多个提取阶段中的每一个提取阶段均包括卷积层，从而可以通过该多个提取阶段对该图像的特征进行提取，从而得到第一图像特征。
[0180]
可选地，该多个提取阶段中的第一个提取阶段可以包括卷积层、bn(batch normalization，批量样本的归一化)层、激活层、池化层等。除第一个提取阶段以外其余多个提取阶段中任意的一个提取阶段均包括多个残差块。该多个残差块中任意的一个残差块可以包括多个卷积层、bn层或者激活层。
[0181]
卷积层用于对该图像进行卷积操作，以得到一个特征矩阵。bn层用于对这个特征矩阵进行归一化，使得特征矩阵中的特征被映射到[0,1]之间，从而得到一个新的特征矩阵。另外，在路面分类模型的训练阶段，bn层可以提高学习率，并且将特征映射到[0,1]之间，使得每次得到的特征均不相同，这相当于加入噪声，如此可以避免随着网络训练的深入，使特征矩阵中的特征值集中在某个值附近，从而产生过拟合的现象。因此，bn层还可以提高模型的学习率以及可以避免模型因产生过拟合而导致的模型分类不够准确的问题。
[0182]
其中，对特征矩阵进行归一化的步骤可以为：通过如下公式(7)、公式(8)、公式(9)对特征矩阵进行归一化，以将特征矩阵的值映射至[0,1]之间。
[0183][0184][0185][0186]
其中，μ为特征矩阵的均值，σ为特征矩阵的方差，为归一化之后得到的特征矩阵。m为特征矩阵中特征的个数，i用于表示特征矩阵中的第i个特征。ε是一个常数，其为一个微小值，用于防止出现除以0的情况。
[0187]
由于bn层存在学习参数，所以之后可以再通过如下公式(10)得到bn层输出的特征矩阵。
[0188][0189]
其中，yi为bn层输出的特征矩阵中的第i个特征。γ和β为学习参数，其目的是为了保留原来的数据分布。在路面分类模型的训练阶段，γ和β的初始值分别为1和0，之后随着网络的深入训练可以不断更新γ和β的值。
[0190]
由于bn层存在学习参数，所以不能保证输入下一层的特征矩阵是0均值的，所以可
能存在负数的情况，这种情况下，可以将bn层输出的特征矩阵输入激活层，使得通过激活层后可以保留特征矩阵中的正数部分，并将特征矩阵中的负数部分变为0。也即是通过如下公式(11)进行激活操作。
[0191][0192]
其中，为激活层输出的特征矩阵。
[0193]
可选地，该激活层所使用的激活函数可以为relu(rectified linear unit，修正线性单元)激活函数。relu激活函数具有单侧抑制功能，通过relu激活函数可以将输入为负数的特征值输出为0。另外，在路面分类模型的训练阶段，特征值小于0时的梯度为0，特征值大于0时的梯度恒为1，那么此时就不会再存在梯度消失和梯度爆炸的问题了，所以在路面分类模型的训练阶段，relu激活函数还可以避免训练过程中的梯度消失问题。
[0194]
之后将激活层输出的特征矩阵输入池化层，以通过池化层降低特征矩阵的维度。
[0195]
在本技术实施例中，池化层可以采取最大值池化、平均值池化等方式进行池化操作，本技术实施例对此不作限定。
[0196]
例如，图4是一种池化操作的流程示意图，参见图4，图4包括池化操作前的特征矩阵401、池化窗口402以及池化操作后的特征矩阵403。现采用最大值池化的方式对池化操作前的特征矩阵401进行池化操作，池化窗口402的尺寸为2
×
2。在进行池化操作时，将池化窗口402在特征矩阵401上进行滑动，在池化窗口402滑动的过程中，将池化窗口402所覆盖的特征中特征值最大的特征进行保留。如此，可以得到池化窗口402每一次在特征矩阵中所覆盖的特征中特征值最大的特征，从而后续可以得到池化后的特征矩阵402。
[0197]
另外，残差块是指在对图像特征进行提取的同时，还要保留图像特征的原始信息。例如，图5是一种残差块的示意图。参见图5，图5包括输入特征矩阵501、多个第一卷积层502、第二卷积层503、激活层504以及输出特征矩阵505。输入特征矩阵501分别通过多个第一卷积层502以及第二卷积层503，其中，第二卷积层503用于保留具有原始图像信息的特征矩阵，之后将第一卷积层的输出和第二卷积层的输出进行融合输入至激活层504进行激活操作，从而后续通过激活层504得到的输出特征矩阵505是包括有图像特征的原始信息的特征矩阵。
[0198]
其中，每个提取阶段所包含的残差块的数量可以相同也可以不同，且每个残差块的结构可以相同也可以不相同，本技术实施例对此不作限定。
[0199]
如此，通过采用残差块进行特征提取，可以有效保留图像特征的原始信息，从而使得提取得到的图像特征更为精准，也即是使得第一图像特征更为精准。
[0200]
b.对第一图像特征进行激活和池化，得到第二图像特征。
[0201]
可选地，对第一图像特征的激活操作可以为：通过relu激活函数对第一图像特征进行激活操作，得到激活后的图像特征。
[0202]
之后可以对激活后的图像特征进行池化操作，可选地，可以通过平均值池化的方式进行池化操作，从而得到第二图像特征。
[0203]
这种情况下，通过对第一图像进行激活操作，可以使第一图像特征中的特征值被映射到[0,1]之间，以保留特征矩阵中的正数部分，并控制负数部分输出为0，如此可以降低
模型计算难度。之后再进行平均值池化操作，可以在实现降低维度的同时，保留图像的整体特征，并去除冗余信息。如此可以使得在计算量减小的同时得到精确的第二图像特征。
[0204]
可选地，在该路面分类模型的特征提取部分之后，还可以包括激活层和池化层，激活层用于对第一图像特征进行激活操作，池化层用户对激活层输出的图像特征进行池化，从而得到第二图像特征。
[0205]
c.对第二图像特征进行全连接和归一化，得到多个预测分类结果的置信度，该置信度用于指示对应预测分类结果的可信程度。
[0206]
可选地，该路面分类模型还可以包括全连接层和softmax归一化层。全连接层用于对第二图像特征进行全连接操作，其可以充当分类器的作用。softmax归一化层用于确定该图像是对应类别的概率，也即是确定多个预测分类结果的置信度。softmax归一化层可以采用softmax函数来确定多个预测分类结果的置信度，也即是可以通过如下公式(12)来确定该多个预测分类结果的置信度。
[0207][0208]
其中，zj是指该多个预测分类结果中的第j个分类结果的置信度，n为多个预测分类结果的总类别数。
[0209]
d.将该多个预测分类结果中置信度最大的预测分类结果确定为该图像的分类结果。
[0210]
由于一个预测分类结果的置信度越大，说明该图像为这个预测分类结果的概率越大，则这个预测分类结果更为可信，也就是说该图像的分类结果很有可能就是这个预测分类结果，则可以将该多个预测分类结果中置信度最大的预测分类结果确定为该图像的分类结果，从而使得对该图像的分类更为准确。
[0211]
相反，一个预测分类结果的置信度越小，说明该图像为这个预测分类结果的概率越小，则这个预测分类结果不够可信，也就是说该图像的分类结果大概率不是这个预测分类结果。
[0212]
现以特征提取部分包括五个提取阶段为例，结合图6对该路面分类模型的模型结构进行举例说明。参见图6，图6包括输入图像601、多个提取阶段602、激活层603、池化层604、全连接层605、softmax归一化层606以及分类结果和置信度607。
[0213]
第一个提取阶段602：第一个提取阶段602可以包括一个卷积层、一个bn层、一个relu层、一个池化层。假设这个卷积层中卷积核的尺寸可以为7*7，通道数为64。这个池化层的池化窗口的尺寸为3*3，步长为2。
[0214]
假如第一个提取阶段602的输入图像601的尺寸为224*224*3，那么通过第一个卷积层对该输入图像601进行卷积操作之后，可以得到112*112*64的特征矩阵。之后将这个112*112*64的特征矩阵输入这个bn层，以进行归一化处理，得到一个新的特征矩阵，这个新的特征矩阵维数不发生变化，也即是这个新的特征矩阵的维数为112*112*64。之后可以将经过归一化处理后得到的特征矩阵输入relu层，以保留特征矩阵中的正数部分，并将特征矩阵中的负数部分输出为0。之后可以将relu层输出的特征矩阵输入池化层，通过池化层进
一步提取特征，并降低特征维度，从而可以得到56*56*64的特征矩阵，也即是通过第一个提取阶段602可以得到56*56*64的特征矩阵。
[0215]
第二个提取阶段602：第二个提取阶段602可以包括一个残差块1和两个残差块2。例如，图7中的(a)为残差块1的示意图，图7中的(b)为残差块2的示意图。参见图7中的(a)，残差块1的输入尺寸为w*h*c，w为特征矩阵的长、h为特征矩阵的高、c为特征矩阵的通道数。经过残差块1后，输出w*h*4c的特征矩阵。参见图7中的(b)残差块2的输入尺寸为w*h*c。经过残差块2后，可以输出w*h*c的特征矩阵。
[0216]
首先，第二个提取阶段602的输入特征矩阵为第一个提取阶段602的输出特征矩阵，也即是为56*56*64的特征矩阵。之后将这个56*56*64输出残差块1中，可以得到一个56*56*256的特征矩阵，之后再将这个56*56*256的特征矩阵输入由两个残差块2堆叠起来的残差块中，可以得到56*56*256的特征矩阵，也即是第二个提取阶段602的输出特征矩阵为56*56*256的特征矩阵。
[0217]
第三个提取阶段602：第三个提取阶段602可以包括一个残差块3和三个残差块2。例如，参见图7中的(c)为残差块3的示意图。如图7中的(c)所示，残差块3的输入尺寸为w*h*c，经过残差块3的处理，可以得到w/2*h/2*2c的特征矩阵。
[0218]
首先，第三个提取阶段602的输入特征矩阵为第二个提取阶段602的输出特征矩阵，也即是为56*56*256的特征矩阵，之后将这个56*56*256的特征矩阵输入残差块3中，可以得到28*28*512的特征矩阵，之后将这个28*28*512的特征矩阵输入由三个残差块2堆叠的残差块中，经过三个残差块2的处理，可以得到一个28*28*512的特征矩阵，也即是第三个提取阶段602的输出特征矩阵为28*28*512的特征矩阵。
[0219]
第四个提取阶段602：第四个提取阶段602可以包括一个残差块3和五个残差块2。第四个提取阶段602的输入特征矩阵为第三个提取阶段602的输出特征矩阵，也即是为28*28*512的特征矩阵，之后将这个28*28*512的特征矩阵输入残差块3中，经过残差块3的处理，可以得到一个14*14*1024的特征矩阵。之后将这个14*14*1024的特征矩阵输入由5个残差块2堆叠的残差块中，通过五个残差块2的处理，可以得到一个14*14*1024的特征矩阵，也即是第四个提取阶段602的输出特征矩阵为14*14*1024的特征矩阵。
[0220]
第五个提取阶段602：第五个提取阶段602可以包括一个残差块3和两个残差块2。第五个提取阶段602的输入特征矩阵为第四个提取阶段602的输出特征矩阵，也即是为14*14*1024的特征矩阵，之后将这个14*14*1024的特征矩阵输入残差块3中，经过残差块3的处理，可以得到一个7*7*2048的特征矩阵。之后将这个7*7*2048的特征矩阵输入由两个残差块2堆叠的残差块中，通过两个残差块2的处理，可以得到一个7*7*2048的特征矩阵，也即是第五个提取阶段602的输出特征矩阵为7*7*2048的特征矩阵。
[0221]
这种情况下，第五个提取阶段602作为整个特征提取部分的最后一个提取阶段602，第五个提取阶段602的输出特征矩阵也即是整个特征提取部分的输出特征，也即是对该图像进行特征提取后，得到的第一图像特征。
[0222]
紧接着是激活层603对第一图像特征进行激活操作，得到激活后的图像特征，之后将激活后的图像特征输入池化层604，进行池化操作，可以得到第二图像特征。
[0223]
之后将第二图像特征输入全连接层605，以进行全连接操作，得到全连接后的图像特征。之后由softmax归一化层606依据全连接层605输出的图像特征计算多个预测分类结
果的置信度，从而之后该路面分类模型可以依据该多个预测分类结果的置信度输出对该图像的分类结果和置信度607。
[0224]
如此，该路面分类模型可以提取该图像的深层次特征，从而是可以提取到更为精细的特征。之后依据该图像的深层特征进行路面分类，也即是依据更为精细的图像特征进行分类操作，如此可以得到更为准确的分类结果。
[0225]
(2)在该分类结果为雪地路面，且该分类结果的置信度大于预设置信度阈值，且路面极限附着系数小于预设附着系数阈值，且该环境参数满足目标条件的情况下，确定当前行驶路面为雪地路面。
[0226]
预设置信度阈值可以预先进行设置，且预设置信度阈值可以设置的较大。比如，预设置信度阈值可以设置为0.7。预设附着系数阈值也可以预先进行设置，且该预设附着系数可以依据雪地路面的路面极限附着系数进行设置，比如，路面极限附着系数可以设置为0.4。
[0227]
目标条件用于确定该环境参数是否满足雪天条件下的环境参数。目标条件也可以预先进行设置，且目标条件可以依据雪天条件下环境的环境参数进行设置。
[0228]
这种情况下，在该分类结果为雪地路面，且该分类结果的置信度大于预设置信度阈值的情况下，说明对该图像进行分类得到的该分类结果的可信程度较大，也即是该分类结果较为准确，从而表明该图像中可能包含有关雪地路面的特征，那么从该图像中可以看出当前行驶路面可能为雪地路面。
[0229]
进一步地，在该路面极限附着系数小于预设附着系数阈值的情况下，说明该路面极限附着系数较小，已经处于雪地路面的路面极限附着系数的范围内，那么就说明当前行驶路面很有可能是雪地路面。
[0230]
更进一步地，在该环境参数满足目标条件的情况下，说明该环境参数也达到了雪天条件下环境的环境参数，那么也可以说明当前行驶路面很有可能是雪地路面。
[0231]
如此，在以上三个条件均满足的条件下，也即是以上三个条件均可以说明当前行驶路面很有可能是雪地路面的情况下，则可以确定当前行驶路面就是雪地路面。
[0232]
值得注意的是，在该分类结果不为雪地路面，和/或该路面极限附着系数大于或等于预设附着系数阈值，和/或该环境参数不满足目标条件的情况下，确定当前行驶路面不为雪地路面。
[0233]
这种情况下，在该分类结果不为雪地路面的情况下，说明该图像中并未包含有关雪地路面的特征，那么从该图像中可以看出当前行驶路面不是雪地路面，则可以直接确定当前行驶路面不是雪地路面。
[0234]
在该路面极限附着系数大于或等于预设附着系数阈值的情况下，说明该路面极限附着系数较大，该路面极限附着系数已经超出雪地路面的路面极限附着系数，那么也就说明当前行驶路面不是雪地路面。
[0235]
在该环境参数不满足目标条件的情况下，说明该环境参数不满足雪天条件下环境的环境参数，从而表明目标车辆当前所处环境不是雪天环境，那么可以确定当前行驶路面不是雪地路面。
[0236]
如此，在以上三个条件中至少一个条件满足的情况下，即可确定目标车辆当前未处于雪地路面上，也即是当前行驶路面不是雪地路面。
[0237]
可选地，还可以在该分类结果为雪地路面，且该分类结果的置信度小于预设置信度阈值，和/或路面极限附着系数大于或等于预设附着系数阈值，和/或该环境参数不满足目标条件的情况下，确定当前行驶路面不为雪地路面。
[0238]
这种情况下，如果该分类结果为雪地路面，但是该分类结果的置信度小于预设置信度阈值，说明该分类结果不准确，也就说明目标车辆当前所处路面可能不是雪地路面。
[0239]
如此，在以上三个条件中至少一个条件满足的情况下，也可以确定目标车辆当前未处于雪地路面上，也即是当前行驶路面不是雪地路面。
[0240]
例如，预设置信度阈值为0.7，预设附着系数阈值为0.4，预设温度阈值为-10℃。该图像的分类结果为雪地路面，该分类结果的置信度为0.8。当前行驶路面的路面极限附着系数为0.3，目标车辆的温度传感器获取到的环境温度为-15℃。其中该图像的分类结果为雪地路面，且该分类结果的置信度(0.8)大于预设置信度阈值(0.7)；且当前行驶路面的路面极限附着系数(0.3)小于预设附着系数阈值(0.4)；且环境温度(-15℃)小于预设温度阈值(-10℃)，则可以确定当前行驶路面为雪地路面。
[0241]
可选地，该环境参数可以包括环境温度、湿度、雪量中的至少一个。则确定该环境参数是否满足目标条件的方法可以包括如下至少一种可能的方式。
[0242]
第一种可能的实现方式，通过目标车辆的温度传感器采集目标车辆所处的环境的温度；在该温度小于预设温度阈值的情况下，确定该环境参数满足目标条件；在该温度大于或等于预设温度阈值的情况下，确定该环境参数不满足目标条件。
[0243]
可选地，该温度传感器可以是位于目标车辆的前格栅后的温度传感器，其用于检测环境中的温度。
[0244]
预设温度阈值可以预先进行设置，且预设温度阈值可以依据雪天条件下环境的温度来设置。预设温度阈值可以设置的较低，比如，预设温度阈值可以设置为-10℃(摄氏度)。
[0245]
这种情况下，在该温度小于预设温度阈值的情况下，说明该温度较低，已经处于雪天条件下环境的温度范围内，那么也就说明目标车辆当前很有可能处于雪天，则可以确定该环境参数满足目标条件。在该温度大于或等于预设温度阈值的情况下，说明该温度不低，也即是该温度已经高于雪天条件下环境的温度范围，那么也就说明目标车辆当前未处于雪天，则可以确定该环境参数不满足目标条件。
[0246]
第二种可能的实现方式，通过目标车辆的湿度传感器采集目标车辆所处的环境的湿度；在该湿度大于预设湿度阈值的情况下，确定该环境参数满足目标条件；在该湿度小于或等于预设湿度阈值的情况下，确定该环境参数不满足目标条件。
[0247]
可选地，该湿度传感器可以是位于目标车辆的前格栅后的湿度传感器，其用于检测环境中的湿度。
[0248]
预设湿度阈值可以预先进行设置，预设湿度阈值可以依据雪天条件下环境的湿度来设置，且预设湿度阈值可以设置的较高。
[0249]
这种情况下，在该湿度大于预设湿度阈值的情况下，说明该湿度较高，已经处于雪天条件下环境的湿度范围内，那么也就说明目标车辆当前很有可能处于雪天，则可以确定该环境参数满足目标条件。在该湿度小于预设湿度阈值的情况下，说明该湿度不高，也即是该湿度已经低于雪天条件下环境的湿度范围，那么也就说明目标车辆当前未处于雪天，则可以确定该环境参数不满足目标条件。
[0250]
第三种可能的实现方式，通过目标车辆的雪量传感器采集目标车辆所处环境的雪量；在该雪量大于预设雪量阈值的情况下，确定该环境参数满足目标条件；在该雪量小于或等于预设雪量阈值的情况下，确定该环境参数不满足目标条件。
[0251]
可选地，该雪量传感器可以是位于目标车辆的挡风玻璃处的雪量传感器，其用于检测环境中的雪量。
[0252]
预设雪量阈值可以预先进行设置，且预设雪量阈值可以设置的较高。
[0253]
这种情况下，在该雪量大于预设雪量阈值的情况下，说明该雪量较高，那么也就说明目标车辆当前很有可能处于雪天，则可以确定该环境参数满足目标条件。在该雪量小于预设雪量阈值的情况下，说明该雪量不高，那么也就说明目标车辆当前未处于雪天，则可以确定该环境参数不满足目标条件。
[0254]
当然，除了可以通过上述三种实现方式中至少一种实现方式确定该环境参数是否满足目标条件之外，还可以通过其他方式确定该环境参数满足目标条件，本技术实施例对此不作限定。
[0255]
(3)在该分类结果为湿滑路面，且该分类结果的置信度大于预设置信度阈值，且路面极限附着系数小于预设附着系数阈值，且该环境参数满足预设条件的情况下，确定当前行驶路面为湿滑路面。
[0256]
可选地，该环境参数还可以包括雨量。该雨量可以由目标车辆的雨量传感器采集。则预设条件可以设置为：该湿度大于或等于目标湿度阈值和/或该雨量大于或等于目标雨量阈值。
[0257]
目标湿度阈值和目标雨量阈值可以预先进行设置，可选地，目标湿度阈值和目标雨量阈值可以由技术人员根据实际需求进行设置。比如，目标湿度阈值和目标雨量阈值均可以设置的较大。
[0258]
这种情况下，在该湿度大于或等于目标湿度阈值和/或该雨量大于或等于目标雨量阈值的情况下，说明该湿度较大和/或该雨量较大，从而可以说明目标车辆处于湿度较大和/或雨量较大的环境中，从而可以说明目标车辆所行使的路面很可能为潮湿路面或者下雨路面，也即是目标车辆很可能处于湿滑路面。
[0259]
另外，在该分类结果为湿滑路面，且该分类结果的置信度大于预设置信度阈值的情况下，说明对该图像进行分类得到的该分类结果的可信程度较大，也即是该分类结果较为准确，从而表明该图像中可能包含有关湿滑路面的特征，那么从该图像中可以看出当前行驶路面可能为湿滑路面。
[0260]
进一步地，在该路面极限附着系数小于预设附着系数阈值的情况下，说明该路面极限附着系数较小，已经处于湿滑路面的路面极限附着系数的范围内，那么就说明当前行驶路面很有可能是湿滑路面。
[0261]
如此，在以上三个条件均满足的条件下，也即是以上三个条件均可以说明当前行驶路面很有可能是湿滑路面的情况下，则可以确定当前行驶路面就是湿滑路面。
[0262]
另外，在以上三个条件中存在至少一个条件不满足的情况下，也即是以上三个条件中存在一个条件说明当前行驶路面不是湿滑路面的情况下，则可以确定当前行驶路面不是湿滑路面。
[0263]
值得注意的是，通过上述步骤201-步骤203可以确定出当前行驶路面的路面类型。
可选地，在确定当前行驶路面是雪地路面的情况下，可以控制目标车辆以雪地模式行驶。
[0264]
雪地模式是指可以使目标车辆平稳通过雪地路面的模式。在雪地模式下，目标车辆的节气门对加速踏板的响应降低，发动机输出的功率比正常情况下小，会使得变速箱的输出扭矩变小，从而使得车轮在行驶时所需的摩擦力减小。
[0265]
这种情况下，在当前行驶路面是雪地路面的情况下，目标车辆以雪地路面行驶，可以使得车轮不易打滑，从而保持车辆稳定行驶，以帮助车辆稳定通过雪地路面。
[0266]
可选地，在确定当前行驶路面是雪地路面的情况下，还可以控制目标车辆开启前照灯和示廓灯。
[0267]
这种情况下，通过开启前照灯可以帮助驾驶员更清楚的观察行车环境。并且，通过开启示廓灯可以对后车起到提示作用，以提示后车前方存在车辆，从而有利于目标车辆的安全行驶。
[0268]
在本技术实施例中，控制器先获取目标车辆的当前行驶路面的图像、当前行驶参数以及目标车辆所处环境的环境参数，也即是获取目标车辆的行驶参数以及目标车辆所处环境的环境信息。之后基于目标车辆的当前行驶参数，确定当前行驶路面的路面极限附着系数。后续基于该图像、该路面极限附着系数以及该环境参数，确定当前行驶路面的路面类型。由于路面极限附着系数可以指示目标车辆的轮胎与地面之间的最大摩擦力，该图像和目标车辆所处环境的环境参数可以指示目标车辆所处环境的环境信息。如此，后续是通过结合多方面的特征来确定当前行驶路面，从而可以更为准确的确定出当前行驶路面的路面类型，保证了车辆的行驶参数可以得到及时调整，进而保证驾驶的安全性。
[0269]
图8是本技术实施例提供的一种路面类型确定装置的结构示意图。该路面类型确定装置可以由软件、硬件或者两者的结合实现成为车辆的部分或者全部，该车辆可以为下文图9所示的车辆。参见图8，该装置包括：第一获取模块801、第一确定模块802、第二确定模块803。
[0270]
第一获取模块801，用于获取目标车辆的当前行驶路面的图像、目标车辆的当前行驶参数以及目标车辆所处环境的环境参数；
[0271]
第一确定模块802，用于基于目标车辆的当前行驶参数，确定当前行驶路面的路面极限附着系数；
[0272]
第二确定模块803，用于基于该图像、该路面极限附着系数以及该环境参数，确定当前行驶路面的路面类型。
[0273]
可选地，该装置还包括：
[0274]
第二获取模块，用于获取目标车辆的当前车速、当前车轮转角以及轴距；
[0275]
第三确定模块，用于基于目标车辆的当前车速、当前车轮转角以及目标车辆的轴距，确定当前图像采集范围；
[0276]
第一获取模块801用于：
[0277]
按照当前图像采集范围，获取目标车辆的当前行驶路面的图像。
[0278]
可选地，当前行驶参数包括目标车辆的加速度、目标车辆的速度、目标车辆的多个车轮的轮速，第一确定模块802用于：
[0279]
将目标车辆的加速度除以重力加速度，得到当前时刻当前行驶路面的实际附着系数；
[0280]
对于目标车辆的多个车轮中任意的一个车轮，基于目标车辆的速度和该车轮的轮速，确定该车轮的滑移率；
[0281]
基于目标车辆的多个车轮的滑移率和该实际附着系数，确定该路面极限附着系数。
[0282]
可选地，第一确定模块802用于：
[0283]
在该多个车轮中滑移率大于或等于预设滑移率阈值的车轮个数大于或等于预设数量的情况下，将该实际附着系数确定为该路面极限附着系数；
[0284]
在该多个车轮中滑移率大于或等于预设滑移率阈值的车轮个数小于预设数量的情况下，将该实际附着系数与目标附着系数之间的最大值确定为该路面极限附着系数，目标附着系数为上一时刻的路面极限附着系数。
[0285]
可选地，第二确定模块803用于：
[0286]
对该图像进行分类，得到该图像的分类结果和置信度；
[0287]
在该分类结果为雪地路面，且该分类结果的置信度大于预设置信度阈值，且该路面极限附着系数小于预设附着系数阈值，且该环境参数满足目标条件的情况下，确定当前行驶路面为雪地路面。
[0288]
可选地，该环境参数包括温度、湿度、雪量中的至少一个，第二确定模块803用于以下至少一项：
[0289]
通过目标车辆的温度传感器采集目标车辆所处的环境的温度；在该温度小于预设温度阈值的情况下，确定该环境参数满足目标条件；在该温度大于或等于预设温度阈值的情况下，确定该环境参数不满足目标条件；
[0290]
通过目标车辆的湿度传感器采集目标车辆所处的环境的湿度；在该湿度大于预设湿度阈值的情况下，确定该环境参数满足目标条件；在该湿度小于或等于预设湿度阈值的情况下，确定该环境参数不满足目标条件；
[0291]
通过目标车辆的雪量传感器采集目标车辆所处环境的雪量；在该雪量大于预设雪量阈值的情况下，确定该环境参数满足目标条件；在该雪量小于或等于预设雪量阈值的情况下，确定该环境参数不满足目标条件。
[0292]
可选地，第二确定模块803用于：
[0293]
对该图像进行特征提取，得到该图像的第一图像特征；
[0294]
对第一图像特征进行激活和池化，得到第二图像特征；
[0295]
对第二图像特征进行全连接和归一化，得到多个预测分类结果的置信度，该置信度用于指示对应预测分类结果的可信程度；
[0296]
将该多个预测分类结果中置信度最大的预测分类结果确定为该图像的分类结果。
[0297]
可选地，该装置还包括：
[0298]
控制模块，用于在确定当前行驶路面为雪地路面的情况下，控制目标车辆以雪地模式行驶。
[0299]
在本技术实施例中，先获取目标车辆的当前行驶路面的图像、当前行驶参数以及目标车辆所处环境的环境参数，也即是获取目标车辆的行驶参数以及目标车辆所处环境的环境信息。之后基于目标车辆的当前行驶参数，确定当前行驶路面的路面极限附着系数。后续基于该图像、该路面极限附着系数以及该环境参数，确定当前行驶路面的路面类型。由于
路面极限附着系数可以指示目标车辆的轮胎与地面之间的最大摩擦力，该图像和目标车辆所处环境的环境参数可以指示目标车辆所处环境的环境信息。如此，后续是通过结合多方面的特征来确定当前行驶路面，从而可以更为准确的确定出当前行驶路面的路面类型，保证了车辆的行驶参数可以得到及时调整，进而保证驾驶的安全性。
[0300]
需要说明的是：上述实施例提供的路面类型确定装置在确定目标车辆当前行驶路面的路面类型时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
[0301]
上述实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术实施例的保护范围。
[0302]
上述实施例提供的路面类型确定装置与路面类型确定方法实施例属于同一构思，上述实施例中单元、模块的具体工作过程及带来的技术效果，可参见方法实施例部分，此处不再赘述。
[0303]
图9是本技术实施例提供的一种车辆的结构示意图。
[0304]
示例性的，如图9所示，该车辆包括：存储器91和处理器90，其中，存储器91中存储有可执行程序代码92，处理器90用于调用并执行该可执行程序代码92执行上述一种路面类型确定方法。
[0305]
本实施例可以根据上述方法示例对车辆进行功能模块的划分，例如，可以对应各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中，上述集成的模块可以采用硬件的形式实现。需要说明的是，本实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0306]
在采用对应各个功能划分各个功能模块的情况下，该车辆可以包括：第一获取模块、第一确定模块、第二确定模块。需要说明的是，上述方法实施例涉及的各个步骤的所有相关内容的可以援引到对应功能模块的功能描述，在此不再赘述。
[0307]
本实施例提供的车辆，用于执行上述一种路面类型确定的方法，因此可以达到与上述实现方法相同的效果。
[0308]
在采用集成的单元的情况下，车辆可以包括处理模块、存储模块。其中，处理模块可以用于对车辆的动作进行控制管理。存储模块可以用于支持车辆执行相互程序代码和数据等。
[0309]
其中，处理模块可以是处理器或控制器，其可以实现或执行结合本技术公开内容所藐视的各种示例性的逻辑方框，模块和电路。处理器也可以是实现计算功能的组合，例如包括一个或多个微处理器组合，数字信号处理(digital signal processing，dsp)和微处理器的组合等等，存储模块可以是存储器。
[0310]
本实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序代码，当该计算机程序代码在计算机上运行时，使得计算机执行上述相关方法步骤实现上述实施例中的上述一种路面类型确定的方法。
[0311]
本实施例还提供了一种计算机程序产品，当该计算机程序产品在计算机上运行
时，使得计算机执行上述相关步骤，以实现上述实施例中的上述一种路面类型确定的方法。
[0312]
其中，本实施例提供的车辆、计算机可读存储介质、计算机程序产品或芯片均用于执行上文所提供的对应的方法，因此，其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果，此处不再赘述。
[0313]
通过以上实施方式的描述，所属领域的技术人员可以了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
[0314]
在本技术所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0315]
以上内容，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。

技术特征：
1.一种路面类型确定方法，其特征在于，所述方法包括：获取目标车辆的当前行驶路面的图像、所述目标车辆的当前行驶参数以及所述目标车辆所处环境的环境参数；基于所述目标车辆的当前行驶参数，确定所述当前行驶路面的路面极限附着系数；基于所述图像、所述路面极限附着系数以及所述环境参数，确定所述当前行驶路面的路面类型。2.如权利要求1所述的方法，其特征在于，所述获取目标车辆的当前行驶路面的图像、所述目标车辆的当前行驶参数以及所述目标车辆所处的环境参数之前，还包括：获取所述目标车辆的当前车速、当前车轮转角以及轴距；基于所述目标车辆的当前车速、当前车轮转角以及所述目标车辆的轴距，确定当前图像采集范围；所述获取目标车辆的当前行驶路面的图像的方法，包括：按照所述当前图像采集范围，获取所述目标车辆的当前行驶路面的图像。3.如权利要求1所述的方法，其特征在于，所述当前行驶参数包括所述目标车辆的加速度、所述目标车辆的速度、所述目标车辆的多个车轮的轮速，所述基于所述目标车辆的当前行驶参数，确定所述当前行驶路面的路面极限附着系数，包括：将所述目标车辆的加速度除以重力加速度，得到当前时刻所述当前行驶路面的实际附着系数；对于所述目标车辆的多个车轮中任意的一个车轮，基于所述目标车辆的速度和所述车轮的轮速，确定所述车轮的滑移率；基于所述目标车辆的多个车轮的滑移率和所述实际附着系数，确定所述路面极限附着系数。4.如权利要求3所述的方法，其特征在于，所述基于所述目标车辆的多个车轮的滑移率和所述实际附着系数，确定所述路面极限附着系数，包括：在所述多个车轮中滑移率大于或等于预设滑移率阈值的车轮个数大于或等于预设数量的情况下，将所述实际附着系数确定为所述路面极限附着系数；在所述多个车轮中滑移率大于或等于所述预设滑移率阈值的车轮个数小于所述预设数量的情况下，将所述实际附着系数与目标附着系数之间的最大值确定为所述路面极限附着系数，所述目标附着系数为上一时刻的路面极限附着系数。5.如权利要求1所述的方法，其特征在于，所述基于所述图像、所述路面极限附着系数以及所述环境参数确定所述目标车辆的当前行驶路面的路面类型，包括：对所述图像进行分类，得到所述图像的分类结果和置信度；在所述分类结果为雪地路面，且所述分类结果的置信度大于预设置信度阈值，且所述路面极限附着系数小于预设附着系数阈值，且所述环境参数满足目标条件的情况下，确定所述当前行驶路面为雪地路面。6.如权利要求5所述的方法，其特征在于，所述环境参数包括温度、湿度、雪量中的至少一个，确定所述环境参数是否满足所述目标条件的方法，包括下述至少一项：通过所述目标车辆的温度传感器采集所述目标车辆所处的环境的温度；在所述温度小于预设温度阈值的情况下，确定所述环境参数满足所述目标条件；在所述温度大于或等于
所述预设温度阈值的情况下，确定所述环境参数不满足所述目标条件；通过所述目标车辆的湿度传感器采集所述目标车辆所处的环境的湿度；在所述湿度大于预设湿度阈值的情况下，确定所述环境参数满足所述目标条件；在所述湿度小于或等于所述预设湿度阈值的情况下，确定所述环境参数不满足所述目标条件；通过所述目标车辆的雪量传感器采集所述目标车辆所处环境的雪量；在所述雪量大于预设雪量阈值的情况下，确定所述环境参数满足所述目标条件；在所述雪量小于或等于所述预设雪量阈值的情况下，确定所述环境参数不满足所述目标条件。7.如权利要求5所述的方法，其特征在于，所述对所述图像进行分类，得到分类结果和置信度，包括：对所述图像进行特征提取，得到所述图像的第一图像特征；对所述第一图像特征进行激活和池化，得到第二图像特征；对所述第二图像特征进行全连接和归一化，得到多个预测分类结果的置信度，所述置信度用于指示对应预测分类结果的可信程度；将所述多个预测分类结果中置信度最大的预测分类结果确定为所述图像的分类结果。8.如权利要求1所述的方法，其特征在于，所述基于所述图像、所述路面极限附着系数以及所述环境参数确定所述当前行驶路面的路面类型之后，还包括：在确定所述当前行驶路面为雪地路面的情况下，控制所述目标车辆以雪地模式行驶。9.一种路面类型确定装置，其特征在于，所述装置包括：第一获取模块，用于获取目标车辆的当前行驶路面的图像、所述目标车辆的当前行驶参数以及所述目标车辆所处环境的环境参数；第一确定模块，用于基于所述目标车辆的当前行驶参数，确定所述当前行驶路面的路面极限附着系数；第二确定模块，用于基于所述图像、所述路面极限附着系数以及所述环境参数，确定所述当前行驶路面的路面类型。10.一种车辆，其特征在于，所述车辆包括：存储器，用于存储可执行程序代码；处理器，用于从所述存储器中调用并运行所述可执行程序代码，使得所述车辆执行如权利要求1至8任一项所述的方法。

技术总结
本申请公开了一种路面类型确定方法、装置和车辆，属于车辆技术领域。包括：获取目标车辆的当前行驶路面的图像、目标车辆的当前行驶参数以及目标车辆所处环境的环境参数；基于目标车辆的当前行驶参数，确定当前行驶路面的路面极限附着系数；基于图像、路面极限附着系数以及环境参数，确定当前行驶路面的路面类型。由于路面极限附着系数可以指示目标车辆的轮胎与地面之间的最大摩擦力，该图像和目标车辆所处环境的环境参数可以指示目标车辆所处环境的环境信息。如此，后续通过结合多方面的特征确定当前行驶路面，从而可以更准确的确定出当前行驶路面的路面类型，保证了车辆的行驶参数可以得到及时调整，进而保证驾驶的安全性。进而保证驾驶的安全性。进而保证驾驶的安全性。


技术研发人员：刘天培 朱孟栩 杨帆
受保护的技术使用者：长城汽车股份有限公司
技术研发日：2023.06.21
技术公布日：2023/8/13