基于雾天复杂场景下的道路目标检测研究

摘要

针对智能驾驶车辆在雾天场景下行驶时,视野内的大量检测目标存在被烟雾遮挡而导致目标难以被检测的问题,本文提出了一种先去雾再检测的道路目标检测方法。对采集的雾天图像进行基于暗通道先验理论去雾处理,再将其送入训练好的YOLOv3目标检测模型进行推理检测,并在去雾算法中引入导向滤波方法。为使YOLOv3检测模型具有更好的检测性能,将目标框回归损失函数从原来的CIoU改进为SIoU,并在BBD100K数据集的部分标注图像下进行实验。实验结果表明,在YOLOv3网络模型下,使用CIoU损失函数时检测精度为45.8%,使用SIoU损失函数时检测精度为46.6%,提升了0.8%;将雾化图像经过去雾处理后再进行目标检测,其不同雾化程度图像的检测精度分别由28.7%,25.1%,19.0%和8.35%提高到43.1%,40.5%,36.1%和26.7%,检测精度得到了大幅提升。该方法对雾天道路目标检测具有较好的检测性能,既降低雾天道路目标的检测难度,又提高了驾驶的安全性。该研究具有一定的实际应用价值。