基于改进的YOLOV5算法对ADB汽车大灯的外界环境检测

来源：计算机测量与控制杂志2024年第2期北京时间：

作者：黄禹,戴国洪,戴杰,钱骏

单位：常州大学 机械与轨道交通学院

摘要：针对远光灯交汇会影响汽车驾驶员的视觉注意力，导致汽车驾驶员夜间行驶安全难以得到保障的问题，研究基于机器视觉及深度学习的ADB汽车大灯的外界环境检测方法。 通过机器视觉的CCD相机采集ADB汽车大灯外界环境图像数据，利用数据筛选方法剔除采集到的图像数据中干扰光源数据，依据路况特征差异，划定ADB汽车大灯外界环境检测目标区域后，通过深度学习算法检测外界环境目标车灯光源，结合扩展卡尔曼预测各目标车灯光源轨迹，当车辆前方有车灯光源经过时，ADB系统及时调整汽车远光灯对应区域灯珠亮度，减少在高速行驶时因远光灯交汇对汽车驾驶员的视觉影响，保障汽车安全行驶。实验结果表明，该方法可有效剔除各类干扰光源，准确检测目标车灯光源，且目标车灯光源轨迹预测结果与真实结果非常接近，可精准完成ADB汽车大灯的外界环境检测。

关键词：机器视觉;深度学习;ADB汽车大灯;外界环境检测;图像数据采集;数据筛选