在车辆行驶过程中,获取地面信息对于车辆的控制具有十分重要的意义。通过获取地面的相关信息来对车辆进行针对性的调整,可以有效地提高车辆行驶的安全性、稳定性和舒适性。目前对于路面类型的识别和坡道坡度的估算已取得大量的研究成果,但对于不同的地形工况同时进行辨识尚未形成统一的体系结构。为了解决这一问题,本文以无人驾驶和电子地图等新兴技术的需求为出发点,基于支持向量机算法并将车辆姿态等运动状态信息作为输入信息进行地形辨识研究。在研究过程中,基于对车辆在通过不同地形时车体运动状态发生变化情况的观测,利用惯性导航系统测量可识别的特征,再使用统计学习理论对此问题进行分析,训练可以进行地形辨识的支持向量机模型,并对其进行优化和改进。为了使用支持向量机算法解决地形辨识问题,首先应通过数据的提取和标签化满足监督式学习算法对训练样本的要求。此后,对数据进行单元化处理,以期在地形辨识的准确率和算法延迟中找到最佳的平衡点。数据的预处理环节也是不可或缺的,本文使用三种典型的数据归一化方法对地形辨识数据集进行处理,通过对比分析选取最适合地形辨识问题的方案。而后,进行属性特征选取,分别使用了单属性特征选择方法、集合属性特征选择方法以及将二者有机结合的RCC方法,通过将三者的效果比对分析选择适合进行地形辨识的属性特征。此外,针对地形辨识问题进行了核函数类型选取,并通过粒子群算法和交叉验证方法选择了适当的参数值。建立包含地形信息的电子地图功能是地形辨识算法的重要应用场景,通过融合地形辨识与电子地图的路网采集,实现将地形信息增加至电子地图功能的目标。最后分别使用两种类型的车辆平台在不同的地形工况中进行地形辨识算法的验证试验,也对包含地形信息的电子地图进行了性能测试。试验结果表明,本课题研究的基于车辆姿态的地形辨识可以达到较好的辨识效果,使用地形辨识算法构建电子地图也可以实现将地形信息增加至电子地图功能中的目标。