基于改进ＡＯＤ－Ｎｅｔ和ＹＯLOv5的雾天车辆与行人检测算法

简介：
本研究提出了一种结合改进AOD-Net与YOLOv5的新型算法，专门针对雾天环境下的车辆及行人进行高效、准确的识别与监测。 在当今科技与社会迅速发展的背景下，道路上具备自动驾驶功能的车辆数量不断增加。这些先进的汽车之所以能够实现无人驾驶，是因为它们配备了大量用于感知周围环境的传感器和摄像机。通过采集到的道路图像及路况信息，汽车检测系统可以对道路目标进行精准识别。 然而，在实际应用中，“眼睛”一样的摄像机会遇到比预期更复杂的情况：例如在夜间光线较弱时，成像效果不佳导致细节丢失；或者雾霾天气下可见度降低，视野内的物体轮廓变得模糊。这些问题都可能导致采集到的图像质量下降，进而影响检测算法精度和驾驶系统获取路况信息的能力。 因此，在自动驾驶任务中确保检测系统的准确性对于克服恶劣环境条件对图像采集的影响至关重要。