利用早期时间序列分类实现精确自车道识别

在自动驾驶系统中，准确且及时地确定车辆在地图中的当前车道是一项关键任务。本文利用早期时间序列分类（ETSC）方法，在真实世界驾驶数据中实现精确且快速的自车道识别。该方法首先使用测量模型质量指标评估地图与车辆摄像头感知到的车道标线之间的相似性。然后将这些指标输入一个选定的ETSC方法，该方法由一个概率分类器和一个定制的触发函数组成，并通过多目标优化来平衡早期预测与准确性。我们的解决方案在一个由测试车辆在5个不同国家收集的、包含114小时真实世界交通数据的综合数据集上进行了评估。结果表明，通过仅利用来自摄像头的道路车道标线几何形状和车道标线类型，我们的解决方案实现了99.6%的惊人准确率，且平均预测时间仅为0.84秒。