.png){kind=icon}
返回
Efficient road roughness characterization using Gaussian process regression and 2D imaging
.png){kind=icon}
OA
AI
DOI：10.1016/j.measurement.2026.121590.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
准确了解表面粗糙度对于理解轮胎-路面摩擦和磨损率等关键现象至关重要。然而，高分辨率表面表征通常需要耗时且昂贵的扫描设备。在赛车运动等时间敏感的情境下，由于设置窗口有限，拥有更快速、更易获取的替代方案可提供显著优势。本文提出了一种快速、低成本且具有物理可解释性的方法，可直接从灰度图像重建路面的三维粗糙度。结果表明，二维光度信息与三维表面特征之间存在强相关性，同时保留了高度分布和光谱内容。所提出的框架结合了从图像中提取的光强度特征与高斯过程回归（GPR）模型，相比卷积神经网络等深度学习方法，提供了更高的物理可控性和更低的数据需求。该模型在各种条件下进行了验证，证明即使在砂纸和大理石样本等非常规纹理上也有效，并对不同图像格式表现出鲁棒性。总体而言，该方法为表面粗糙度评估提供了一种实用且创新的替代方案，在车辆动力学、轮胎建模和摩擦学等领域具有广泛应用潜力。
Keyword:
Surface roughness
Image processing
Virtual surface reconstruction
Machine learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5.6
论文数:
2.0W
被引数:
5.4W
机构
引用论文
分享收藏Influences of temperature and load on the dry friction behaviour of tire tread compounds in contact with rough granite温度和载荷对与粗糙花岗岩接触的轮胎胎面胶干摩擦行为的影响.png)
WEAR
WEARIF6.1
PREAI
分享收藏分享收藏Sources and properties of non-exhaust particulate matter from road traffic: A review道路交通非排气颗粒物的来源和性质: 综述OAAI
OAAI分享收藏
查看更多内容