Настоящее исследование посвящено разработке алгоритма визуализации и определения характеристик выбоин и неровностей непосредственно из зашумленных сигналов, полученных с помощью акселерометра. Для решения поставленной задачи используется разработанный фильтр на основе интегрального вейвлет-преобразования с последующим разложением сигналов на шкалы, которые были сопоставлены друг с другом и отфильтрованы с использованием пространственного фильтра. Результатом исследования служат обнаруженные дорожные аномалии на основе системы фиксированных порогов, характеристика которых была достигнута с использованием уникальных признаков, извлеченных из отфильтрованных вейвлет-коэффициентов. Апробация результатов применения разработанного фильтра демонстрирует высокий уровень точности обнаружения и характеризации дорожных аномалий и низкий уровень ложных срабатываний. Будущие работы будут сосредоточены на разработке адаптивных механизмов для изменения порогового значения алгоритма на основе различных наборов измерений, а не статического порогового значения, рассматриваемого на данном этапе нашего исследования. Кроме того, будут изучены механизмы передачи информации о характерных дорожных аномалиях между транспортными средствами или между транспортным средством и придорожной инфраструктурой в типичных системах VANET. Текущее исследование способствует улучшению характеристик дорожных аномалий для будущего использования в автономных транспортных средствах.

The present study is devoted to the development of an algorithm for visualization and characterization of potholes and irregularities directly from noisy signals obtained using an accelerometer. To solve the problem, the developed filter based on the integral wavelet transform is used, followed by decomposition of the signals into scales, which were compared with each other and filtered using a spatial filter. The result of the study is the detected road anomalies based on a system of fixed thresholds, the characterization of which was achieved using unique features extracted from filtered wavelet coefficients. Approbation of the results of applying the developed filter demonstrates a high level of accuracy in detecting and characterizing road anomalies and a low level of false positives. Future work will focus on developing adaptive mechanisms to change the algorithm threshold based on different sets of measurements rather than the static threshold considered at this stage of our study. In addition, the mechanisms for transmitting information about characteristic road anomalies between vehicles or between a vehicle and roadside infrastructure in typical VANET systems will be studied. The current research contributes to improving the performance of road anomalies for future use in autonomous vehicles.