基于偏振成像和YOLOv8的雾天道路目标检测

雾天天气下,车辆和行人目标的准确检测对汽车自动驾驶非常重要。首先通过偏振成像装置采集了0°、45°、90°和135°角度的偏振图像,并通过3种不同的融合方式构建了I04590、stokes和pauli图像数据集。提出一种改进YOLOv8的目标检测算法以提高雾天偏振图像中汽车和行人两类目标的检测准确率。提出一种基于混合池化的MixSPPF结构,改善了原有SPPF结构对全局信息的提取能力;然后基于不同大小的卷积设计了Multiscale Module模块并结合Coordinate Attention注意力机制增强了对空间信息和通道信息的提取。实验结果表明,提出的改进YOLOv8算法获得的全类平均准确率P_(A)@0.5和P_(A)@0.5:0.95分别达到了83.4%和39.3%,比初始YOLOv8算法分别提升了1.6%和0.9%。