基于机器视觉的雨雾天驾驶辅助系统设计

来源：计算机测量与控制杂志2024年第3期北京时间：

作者：洪儒,于力涵,戴安邦,谢迎娟

摘要：随着私家车数量日益增多，雨雾天交通安全问题成为了亟待解决的难题。在嵌入式硬件资源有限的情况下，为驾驶用户设计了基于机器视觉的雨雾天语音辅助驾驶系统。系统结合了湿度传感器、轻量化去雾神经网络AOD-NET和目标检测模型YOLOv5n。在目标检测模型YOLOv5n上，利用K-means++算法重新设计锚框,选取较优的骨干网络并利用模型剪枝进一步压缩模型大小。实验结果表明，改进的模型在Jetson nano上的FPS达到了17.78，最终mAP在人工加雾、分辨率变化的TT100K (Tsinghua-Tencent 100K)数据集到达了65.8%，满足了正常天气与雨雾天气下的驾驶辅助实际应用。

关键词：机器视觉;Jetson nano;雨雾天辅助驾驶;交通标志检测;AOD-NET去雾;YOLOv5n

基金资助：国家自然科学基金项目（面上项目，重点项目，重大项目）,国家重点基础研究发展计划（973计划），教育部产学合作协同育人项目，大学生创新创业训练计划项目，河海大学本科实践教学改革研究项目，河海大学创新性实验项目