刚接触机器学习不久，我参加了一个大创项目，大致内容是图像技术测量路面摩擦系数。我的设想是这样的，通过构建模型，训练模型，以达到这样的目的：给这个模型一张路面图像，它能对这个图像识别分类，与已经测量出了摩擦系数的多类路面摩擦系数进行匹配，然后得出摩擦系数。我想问一下各位这个实现难度如何，如果不算太大，各位可否给我指明一个大致的方向，我现在有点迷茫。(本人初学，求各位指点)
摩擦系数直接只通过图片分类计算不靠谱吧，原理是什么？
还是你只是靠分类，判断是沥青路面就直接套沥青的摩擦系数进去？如果不深究这个还好，但是一旦深究就不行了，摩擦系数不仅与路面相关，而且轮胎花纹，车辆重量等待也有关系，更何况受天气影响，雨天，雪天，大热天系数差距也很大，这些你怎么处理呢？
你至少要建立一个模型，这个模型的输入是多方面的数据，这其中某些数据可以从图片中获得，但是你想全部从图片中获得，出来的结果只能说是盲人摸象
这个需要根据刹车时，车因惯性冲出去的距离，因素也有很多，像雨雪天，车速，温度，路面材质，轮胎材质