多传感器融合路面附着系数预测方法及设备

本发明公开了一种多传感器融合路面附着系数预测方法及设备，该方法通过获取车辆状态数据和道路环境数据，并基于卷积神经网络进行多模态特征提取，通过特征融合算法对多模态特征进行深度融合，得到基于卷积神经网络的第一路面附着系数预测结果；基于无迹卡尔曼滤波算法，得到基于车辆动力学的第二路面附着系数预测结果；对两种方法得到的预测结果进行时空同步，建立融合机制，通过模糊算法将不同方法获得的路面附着系数预测结果进行有效的融合。本发明通过建立置信度分析的融合机制，Cause‑Based与Effect‑Based两种方法进行了有效的融合，对两种方法的优势进行了互补，为解决在复杂工况下路面附着系数预测精度低的问题提供了一种新思路。