基于改进 的 ＡＯＤ－Ｎｅｔ和 ＹＯＬＯｖ５的雾天车辆行人检测算法

在科技与社会极速发展的当今，道路上具备自动驾驶功能的车辆数目愈发 增多，这些先进的汽车之所以能够实现无人驾驶，是因为车上搭载了大量用于 感知周围环境的传感器与摄像机，通过这些设备采集到的图像与路况信息，汽 车的检测系统便可以对道路上的目标进行精准识别。然而在实际应用场景中， 作为汽车“眼睛”的摄像机，往往要面对比预想中更加复杂的情况，比如夜间 光照强度很低，摄像机成像不清晰，致使获取的图片细节丢失严重，又或是雾 霾天气时，可见度降低、视野内的目标轮廓变得模糊，以致于图像采集质量大 幅降低。以上这些问题都极有可能导致检测算法的精度下降，致使驾驶系统无 法有效获取路况信息。由此可见，克服恶劣天气环境对图像采集质量的影响， 确保自动驾驶任务中检测系统准确性的研究是十分必要的。