论文部分内容阅读
车辆横向运动剧烈时,基于视频序列的感兴趣区域(Region of Interest,ROI)预测方法未直接考虑车辆动态特性,通过误差反馈矫正,容易使预测结果不准确。考虑车辆相对车道线的动态特性,建立其微观交通系统模型。基于该模型应用卡尔曼滤波理论在车辆坐标系下设计感兴趣区域预测算法,并应用于车道线识别系统以提高识别实时性和准确性。台架试验结果表明,在测试工况下感兴趣区域预测的准确率提高了19.4%,通过缩小图像处理区域,单帧图像平均处理时间降低1.9 ms,车道线识别准确率提高了1.3%。