基于FFA-Net与YOLOv5的雾天行车障碍检测技术研究

大雾天气会导致视觉传感器成像模糊,环境感知准确率低,因而严重威胁无人驾驶的安全性能。因此,本文提出了将FFA-Net去雾算法与YOLOv5目标检测算法相匹配,进而实现雾天环境下的行车障碍检测方案。实验表明,与直接利用YOLOv5对雾天交通图像进行检测的方法相比,利用本文提出的检测方法得到的Precision值、mAP值和Recall值均有明显提高,且该方法通过图像去雾后能够更好地识别交通场景中的障碍物信息,对于提高不良天气下的行车障碍检测性能,保障无人驾驶安全具有重要应用价值。