随着国民经济的快速发展以及当前社会科学技术的突飞猛进,无人驾驶技术及车辆的可通过性技术研究也越来越受到国内外学者的关注,地形的快速准确分类是研究车辆通过性的前提。在地面类型已知的条件下研究车辆的通过性不仅能帮助车辆很好地理解车辆所处的路面行驶环境,还能帮助驾驶人员分析并规划出最优的行驶策略,实现车辆的通过性检测、自主避障和导航等功能。目前比较主流的地形分类方法主要有基于振动的方法、基于激光雷达的方法以及基于视觉的方法。本文在实验室以前的研究基础上,提出将力信号与视觉信号相融合来实现地形的快速分类。具体研究过程中主要从视觉图像预处理以及特征提取算法的确定、力信号时域、频域以及时频域特征的提取、数据的降维归一化处理以及不同地面类型的分类训练识别几个方面来逐一实现。视觉特征提取过程中考虑到视觉图像易受外界环境影响,为了提高特征提取的准确性,本文结合地形图像的颜色和纹理特征来实现地形视觉特征的提取。力信号特征提取过程中同时考虑外界噪声对信号的干扰,将时域、频域以及时频域特征相融合来实现地形力信号特征的提取。数据的降维处理和分类训练则是采用目前比较主流的PCA算法以及SVM分类器来实现的,对于SVM分类器本文还采取遗传优化算法对相应的分类参数进行优化。为了验证上述算法的准确性以及可靠性,本文数据处理及试验环节选取了几种常见地形进行分类,分类结果显示融合后的算法能够很好的完成预期的精度要求。