为了提升汽车辅助驾驶系统对前方车辆的检测效果,进一步获取精确的距离信息,本文提出一种改进的YOLOv5s的目标车辆检测算法,并用双目对前方车辆进行测距。以YOLOv5s(you only look once v5s, YOLOv5s)检测网络为基础,首先在网络中引入...为了提升汽车辅助驾驶系统对前方车辆的检测效果,进一步获取精确的距离信息,本文提出一种改进的YOLOv5s的目标车辆检测算法,并用双目对前方车辆进行测距。以YOLOv5s(you only look once v5s, YOLOv5s)检测网络为基础,首先在网络中引入卷积注意力模块(convolutional block attention module, CBAM)有效提取检测目标的轮廓特征;其次将Neck中PANet网络替换为BiFPN提升特征的融合能力,使用DIoU优化损失函数,增强对车辆检测的准确性;采用SURF算法进行立体匹配,并对特征匹配点进行约束获得最优视差值,最后通过双目视觉测距原理求得前车距离信息。测试表明,在20 m的距离范围内,车辆识别率准确率为92.1%,提升了1.54%,测距平均误差率为2.75%。展开更多
