现阶段的主动安全系统有着较大的局限性,开发人员多以良好路面条件标定系统,难以适应不同工况。路面状况对车辆的操纵稳定性和制动性能有很大影响,对行车安全密切相关,路面识别系统是定位于主动安全系统相关的子系统,准确的识别路面能有效扩大主动安全系统的工作范围,因此探究路面识别方法意义重大。本文采用了基于原因的图像处理识别路面和基于效应的车辆动力学响应估算路面附着系数的方法,完成了两种方法的独立运行和验证,并提出一种融合策略,能够将两种方法的识别结果融合起来,融合结果同时具备两种方法的优点。在基于图像处理识别路面方面,本文的识别流程为:输入原始图像后,第一个卷积神经网络对图像进行语义分割并提取图像中的路面区域,将提取的仅有路面区域的图像送至第二个卷积神经网络对路面进行分类,通过查表并结合车速将路面种类与附着系数对应起来,输出相应附着系数值和其他提醒信号。文章首先建立了图像识别法需要的数据集,并针对路面分类和语义分割的任务,对比、修改和训练了不同的神经网络模型,根据本文任务探究了卷积神经网络提高精度的训练方法和修改策略,探究了对识别系统精度的影响因素。最后编写代码,实现了对系统输入视频、直连摄像头或输入图片,均能输出对应的附着系数和其他提醒信息。在基于车辆动力学响应估算附着系数方面,本文基于车辆纵向动力学响应的递推最小二乘法估算路面附着系数,通过Carsim和Matlab/Simulink的联合仿真实现了基于车辆动力学响应识别路面附着系数。由于车辆在行驶过程涉及加速或减速,由此根据动力学模型和行驶平衡方程可以获得车速、轮速、利用附着系数、滑移率、纵向力和法向力,在小滑移率的线性区间μ-s曲线的斜率能够代表附着系数;在大滑移率的饱和区间采用递推最小二乘法估计附着系数。由于不同识别方法有不同特点,因此文章最后提出了一种将车辆动力学响应法、图像识别法结果融合的策略,将图像识别法具有路面状况预测性、动力学响应法部分稳态工况下识别结果较为准确的优点结合起来,使用一种常见的路面突变工况对融合策略进行验证,得出结论:采用融合策略能更精准的识别路面,并具备对路面突变工况的预测能力。