买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京理工大学申请的专利视觉预测与触觉验证相结合的路面附着系数综合估计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119190036B 。

龙图腾网通过国家知识产权局官网在2025-09-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411086044.0，技术领域涉及：B60W40/064；该发明授权视觉预测与触觉验证相结合的路面附着系数综合估计方法是由严永俊;都超;王洪亮;张鹏;皮大伟;王显会设计研发完成，并于2024-08-08向国家知识产权局提交的专利申请。

本视觉预测与触觉验证相结合的路面附着系数综合估计方法在说明书摘要公布了：本发明为一种视觉预测与触觉验证相结合的路面附着系数综合估计方法。包括：S1实时获取前方道路信息，基于视觉方法得到路面附着系数预测范围；S2建立非线性四轮车辆动力学模型和轮胎模型；S3引入正交三角分解，构造平方根容积卡尔曼滤波SRCKF；考虑时变过程噪声，构造自适应平方根容积卡尔曼滤波ASRCKF；S4将路面附着系数预测范围作为滤波器目标状态向量的初始值，估计出路面附着系数；S5将S4的估计结果标注对应的道路图像反馈给S1。本发明将视觉预测结果作为滤波算法初始值，再以触觉验证结果在线反馈视觉方法训练过程，提高算法收敛速度、稳定性以及预测精度；设计的自适应更新规则实时调整过程噪声协方差矩阵，提高了滤波算法的稳定性以及精度。

本发明授权视觉预测与触觉验证相结合的路面附着系数综合估计方法在权利要求书中公布了：1.一种视觉预测与触觉验证相结合的路面附着系数综合估计方法，其特征在于，包括如下步骤： S1：由车载摄像头实时获取前方道路信息，再基于视觉方法得到路面附着系数预测范围； S2：建立非线性四轮车辆动力学模型和轮胎模型； S3：在容积卡尔曼滤波基础上，引入正交三角分解，使用平方根形式处理协方差矩阵，构造平方根容积卡尔曼滤波SRCKF；考虑时变过程噪声，根据实际测量值与预测测量值生成残差，将残差与预设阀值做比较，设计过程噪声协方差更新规则，构造自适应平方根容积卡尔曼滤波ASRCKF； S4：将S1中得到的前方路面附着系数预测范围引入自适应平方根容积卡尔曼滤波ASRCKF作为目标状态向量的初始值，估计出路面附着系数； S5：将S4的估计结果标注对应的道路图像反馈给S1，视觉方法自进化，实现视觉预测与触觉验证方法在线结合，对路面附着系数实时准确估计； 步骤S3具体包括： S31：将车辆动力学模型和轮胎模型离散化，表示为： 其中，x为状态向量，z为测量向量，u为输入向量，f*为状态转移函数，h*为输出函数，w为过程噪声，v为测量噪声； S32：时间更新，表示为： 构建容积点： 其中，i＝1,2,…m,m＝2n，m为容积点的个数，n为状态向量x的维数； 权重： 构建容积点集： 计算传播的容积点： 引入正交三角分解，计算状态预测和预测误差协方差矩阵的平方根因子，表示为： 其中，Tria*表示对矩阵正交三角分解，并得到一个上三角矩阵，表示一个加权矩阵； S33：测量更新，表示为： 更新容积点集： 计算传播的容积点： 计算测量预测和新息协方差矩阵的平方根因子： 计算新息协方差矩阵和测量自协方差矩阵： Pz,t+1|t＝Pzz,t+1|t‑Rt+1#22计算互相关协方差矩阵： 计算卡尔曼增益： 状态估计： 计算估计误差协方差矩阵的平方根因子： S34：根据实际测量值与其估计值之差，生成残差，设计过程噪声协方差自适应规则，表示为： 其中，参数ρ0,δ0，当较大或较小时，通过调整ρ、δ对应增大或减小以减小估计误差，提高滤波算法的估计精度以及收敛速度；对于ρ的选值，根据残差将与预设阀值θ比较，再对ρ进行调整；具体规则如下：

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。