完善准确的环境感知是车辆智能化的必要条件,路面附着系数描述车辆在当前路面的附着性能,是路面信息的重要部分,准确而快速地识别路面附着系数,对于智能车辆决策控制有着重要意义。传统的基于传感器和基于动力学的识别方法分别对路面的物理性质和车辆动力学响应进行分析,从不同方面对路面附着系数进行估计。为提高路面附着系数估计结果的收敛速度和准确性,本文提出一种多源信息融合的路面附着系数估计算法,充分利用路面图像信息和车辆动力学响应,实现基于传感器和基于车辆动力学的识别方法的结合。围绕多源信息融合的路面附着系数估计算法,研究了以下内容:首先,研究了基于支持向量机的路面类型识别算法,并对算法进行了验证。通过对路面图像信息的分析,文章基于HSV色彩空间和灰度共生矩阵提取了路面图像颜色和纹理的特征值,构建了路面图像特征向量,进而通过支持向量机算法实现了路面类型识别。通过采集真实路面图像对算法进行验证,实验结果表明算法可以准确识别多种路面类型。其次,研究了基于容积卡尔曼滤波的路面附着系数估计算法,并通过仿真实验对算法进行验证。文章在经典车辆动力学模型和轮胎模型分析基础上,采用车辆7自由度模型和Dugoff轮胎模型对车辆和轮胎进行建模,进而在容积卡尔曼滤波框架下实现了路面附着系数的精确估计。通过Simulink仿真模型验证算法,实验结果表明算法可以准确地估计路面附着系数。最后,设计了多源信息融合的路面附着系数估计算法。文章研究了Burckhardt附着系数-滑移率模型并对其进行了修正,在此基础上建立了路面附着系数和路面类型内在联系。通过分析图像估计方法和动力学估计方法的优缺点,提出了动态增益调度的动力学-图像融合路面附着系数估计算法。该算法有效利用了图像信息和车辆动力学响应,实现了车辆附着系数估计的快速收敛。为了验证提出算法的有效性,论文进行了仿真实验和实车验证。实验对比了提出算法、传统动力学方法和图像估计方法,结果表明提出算法可以有效弥补动力学估计算法中潜在附着系数的丢失,并充分利用了车辆行驶的状态信息,从而提高了路面附着系数估计结果的准确性;而且图像估计结果在识别路面类型变化后快速响应,使得融合算法的收敛速度明显优于传统动力学的估计算法。